Temario

Objetivo.
Proporcionar al estudiante una visión teórico-práctica acerca del estado del arte en el campo de la Inteligencia Artificial (IA) y sus aplicaciones. El curso se divide en tres apartados: métodos para resolver problemas en IA, métodos para representar conocimiento y modelar el proceso de razonamiento artificial y el estudio de aplicaciones y temas avanzados de la IA, por ejemplo en el campo de la Robótica (Visión, razonamiento, comprensión del lenguaje natural), Redes Neuronales, Algoritmos Genéticos, Lógica Difusa, aprendizaje, agentes inteligentes, sistemas basados en conocimientos, bases de datos deductivas, Web inteligente.

1. Introducción.
Qué es Inteligencia Artificial, qué es una técnica de IA. El test de Turing,  desarrollo histórico de la IA, Agentes Inteligentes, aplicaciones actuales de la IA.

2. Métodos para la solución de problemas.
Formulación de problemas en IA, Sistemas de Producción, Técnicas de Búsqueda Heurística: Depth-First search, Breadth-First search, Generate and Test, Hill Climbing, Best-First search, Problem reduction, Constraint Satisfaction, otras.

3. Representación de Conocimientos y Razonamiento.
Representación usando lógica de primer orden, reglas de producción, redes semánticas, marcos, dependencias conceptuales, scripts, otras representaciones. Razonamiento con incertidumbre: aproximaciones Bayesianas, Factores de Certeza, Teoría Dempster-Shafer, Lógica Difusa, Lógicas extendidas y no clásicas.

4. Aplicaciones y temas avanzados
Teoría de Juegos, Aprendizaje, Sistemas de Planeación, Lógica Difusa, Razonamiento probabilístico, procesamiento de lenguaje natural, agentes inteligentes, IA paralela y distribuída, redes neuronales, algoritmos genéticos, razonamiento del sentido común, sistemas basados en conocimientos (Sistemas expertos, bases de datos deductivas), robótica (visión, comprensión del lenguaje, movimiento, etc.). Inteligencia Artificial fuerte y suave. Transhumanismo y Singularidad. Ciborgs. Neurociencias. Web Semántica e Inteligente. Filosofía de la Mente.

Bibliografia.

1. Inteligencia Artificial: Un enfoque moderno.
Russell, S.; Norvig, P.
Prentice Hall Hispanoamericana, 1996.

2. Inteligencia Artificial, 2a. ed.
Rich, E.; Knight, K.
Mc Graw-Hill, 1994.

3. Inteligencia Artificial: Conceptos, técnicas y aplicaciones.
Shirai, Y.; Tsujii, J.
Ariel, 1987.

4. Principios de Inteligencia Artificial.
N. J. Nilson.
Springer Verlag.

5. Problems Solving in Artificial Intelligence.
N. J. Nilson.
Mc Graw-Hill.

6. PROLOG. Programming for artificial intelligence. 2a. ed.
Iván Bratko.
Addison-Wesley. 1991.    

7. LISP. 3a.ed.
P.H.Winston; B.K.P.Horn.
Addison-Wesley. 1991.

8. Lógica Informática.
José Cuena.
Alianza Editorial, 1986.

9. Primer Curso Internacional de Sistemas Expertos.
A.M. Martínez; G. Morales; Z. Zdrahal.
CINVESTAV, I.P.N., 1988.

10. La inteligencia artificial y algunas de sus aplicaciones. Vol. I, II y III.
A.M. Martínez; H. Sánchez.
CINVESTAV, I.P.N., 1987.

11. Artificial Intelligence: A new Synthesis
Nils J. Nilsson.
Morgan Kaufmann Publishers, 1998.