Intel.ligència Artificial

Tema 2. Planificación en Robots autonomos

Los robots autónomos son capaces de realizar tareas medianamente complejas en entornos reales sin ninguna o prácticamente ninguna supervisión. Sus capacidades les permiten tomar sus propias decisiones en entornos poco conocidos, imprevisibles y cambiantes con el tiempo.

 Ejemplos sencillos los podemos encontrar en aparatos domóticos como por ejemplo los robots aspiradores. Ejemplos en tareas mas complejas van desde la conduccón automática de vehículos hasta los robots de exploracion planetaria como el spirit o el oportunity.

Es interesante por ejemplo ver como funciona el sistema de planificacion de rutas del robot spirit, o su sistema de comportamientos

Palabras clave: Autonomous robots, machine vision, reinforcement learning, reactive agents

Tema 3. La web semántica

El principal handicap que tiene la información contenida en la web es que esta no esta estructurada y es muy difícil procesarla automáticamente. Esto es debido a que esta información está pensada para ser utilizada por personas y no por programas.

 Si el contenido de las páginas incluyera información, explicando su contenido en un formato procesable de manera automática se podrían crear programas que trabajaran con esa información para desempeñar todo tipo de tareas como por ejemplo comercio electrónico, resumen y extracción de información, búsquedas guiadas por el contenido y no por las palabras.

 El W3C  ha ido estandarizando una serie de lenguajes de marcado como RDF o OWL que permiten describir el contenido de las paginas de web a partir de repositorios de ontologías. Estos lenguajes se pueden procesar mediante sistemas de razonamiento que permitiran crear programas que utilizen la web como su base de conocimiento.

• Un buen sitio para empezar es la entrada Semantic Web de la wikipedia
• Tambien hay un wiki sobre semantic web

Palabras clave: Knowledge representarion, ontologies

Tema 4. Planificacion automatica/aplicaciones a tareas complejas

 El construir planes que resuelvan taras concretas ha sido una de las primeras áreas de la inteligencia artificial. Desde el primer sistema de planificacion lineal STRIPS para el robot Shakey, se ha ido evolucionando a los sistemas de planificación no lineal, los sistemas de planificación jerarquica o los sistemas de planificacion basados en satisfaccion de restricciones como graphplan.

 Este tipo de sistemas son bastante inportantes a la hora de desarrollar tareas de alta complejidad y son usados en muchos ámbitos como la fabricación industrial o la construcción de satélites/vehículos espaciales. Un ejemplo de este tipo de tareas es la planificación de las observaciones del telescopio espacial Hubble

Palabras claves: Authomatic planning, linear planning, non linear planning hierarchical planning

Tema 5. Interfaces adaptables

Una de las cosas que hace mejores las aplicaciones actuales es su capacidad para adaptarse al usuario o anticipar sus necesidades. Estas ténicas se aplican en múltiples ámbitos como elementos de ayuda en aplicaciones ofimáticas (MS office), navegadores que nos indican páginas relacionas con las que visitamos, aplicaciones de correo que aprenden a filtrar el correo no deseado, presentación de anuncios personalizados (Google ads) o sistemas tutores para aprendizaje a distancia. Se podría decir que actualmente los programas observan lo que hacemos para anticiparse a nuestras necesidades.

 Enlaces interesantes por los que empezar:

• Grupo de Adaptive Systems and Interaction de Microsoft Research
• Grupo de interfaces personalizables de la universidad de Washington
• IA e interfaces

Palabras clave: User profiling, causal systems, adaptive user interfaces

Tema 6. Inteligencia artificial y medicina

La inteligencia artificial y la medicina han estado ligadas prácticamente desde los comienzos de la primera. De hecho muchas de las técnicas que se han ido desarrollando por ejemplo en sistemas expertos, métodos de razonamiento con incertidumbre u ontologias han empezado como aplicaciones en dominios medicos.

 Enlaces interesantes por los que empezar:

• AI in medicine
• Artificial Intelligence in Medicine Inc.

Palabras clave: AI and Medical Diagnostic, Decision support systems in medicine, Reasoning

Tema 7. Vision artificial

La vision artificial esta muy ligada a la inteligencia artificial aunque tambien esta ligada a otras áreas como son el procesamiento de la señal o el reconocimiento de patrones. Se puede decir que la parte del proceso que esta más relacionado con temas de inteligencia artificial es el reconocimiento en si de la imagen una vez ha sido procesada (adquisición, segmentación de la imagen, detección de contornos, ...). Un sistema de visión ha de poder distinguir qué elementos hay en la imagen, eso lleva a procesos de razonamiento, algoritmos de resolución de problemas (habitualmente satisfacción de restricciones), representación del conocimiento y tareas de aprendizaje automático.

 Muchos son los problemas específicos en los que se aplica la visión artificial, por ejemplo  en el reconocimiento optico de caracteres (OCR) o en interfaces biométricas (reconocomiento de caras, cámaras inteligentes). La robótica esta bastante ligada a este área, sobre todo la robótica industrial con aplicaciones bastante interesantes (y dificiles) como por ejemplo la conduccion de coches.

 Enlaces interesantes por los que empezar:

• Entrada de vision artificial en Wikipedia

Palabras clave: Reconocimiento de formas, aprendizaje automático, razonamiento 

Tema 8. Question Answering

Actualmente existen multitud de bases de datos documentales de gran volumen, como bases documentales de bibliotecas, de hemerotecas o de estamentos públicos (BOE, etc), o como Internet. Cada dia se incorporan miles de documentos en dicho tipo de recursos. Dichos documentos pueden ser de naturaleza diversa: diversos dominios semánticos, diversos estilos de autor (correctamente escritos o no -emails, weblogs-). Además, cada vez se incorporan más documentos multimedia (texto, voz, imagen). Esta riqueza de contenidos hace que dichas fuentes documentales sean atractivas para su explotación y para la posible búsqueda de respuestas a preguntas concretas.
Actualmente, dicha explotación se lleva a cabo mayoritariamentes a traves de buscadores basados en técnicas de Recuperación de Información, como los buscadores de Google o Yahoo. Dichos programas tienen como objetivo recuperar los documentos que son más relevantes respecto a una query introducida por un usuario, query expresada como lista de palabras clave. Sin embargo, estos buscadores tienen una limitación: el usuario se ve forzado  a pasearse por todos los documentos para encontrar la respuesta exacta a una posible pregunta, y a veces, a leerse todos ellos para sintetizar la posible respuesta.
La tecnología de Question Answering va más allá. Es la tecnología capaz de extraer automáticamente respuestas concretas a preguntas expresadas en lenguaje natural a partir de una colección de documentos. Esta tecnología se consolida como el futura de los buscadores actuales por su versatilidad y potencia. La tipología de sistemas de Question Answering és amplia y depende del tipo de respuesta que son capaces de proveer (Factual Question Answering, Definitional Question Answering, Causal Question Answering, Modal Question Answering, ...)

Podeis empezar por la entrada en wikipedia

Palabras clave: Natural language processing, information retrieval, knowledge representation

Tema 9.  Mineria de datos/descubrimiento de conocimiento en bases de datos

 La mineria de datos es un campo multidisciplinar que busca automatizar las tareas de análisis de información. El problema que se intenta resolver proviene de que existen multitud de fuentes de informacion (bases de datos) que son inútiles si no se puede procesar y extraer el conocimiento que hay en ellas. Evidentemente no hay forma humana de procesar esas cantidades ingentes de informacion de manera manual, por lo que son necesarios procesos automáticos que o puedan descubrir conocimiento o ayuden a esa tarea.

 El éxito de este área de investigación proviene de las aplicaciones prácticas. La industria recopila grandes cantidades de información sobre sus procesos comerciales y clientes, por ejemplo el análisis de comportamiento o el perfilado de usuarios pueden permitir mejorar estrategias de marketing, descubrir nuevas necesidades de productos, hacer recomendaciones personalizadas, ...  Un ejemplo muy cercano son las tiendas electronicas que hacen recomendaciones a sus clientes on-line o mediante correos electrónicos.

 Tambien se pueden utilizar para el análisis de datos cientóficos, como por ejemplo la informacion del genoma humano, el procesado de informacion de satelites astronómicos o metereológicos, el descubrimiento de nuevos fármacos, etc.

 Este campo esta directamente relacionado con técnicas de aprendizaje automatico.

 Podeis empezar con este articulo introductorio a la mineria de datos

Palabras clave: data mining, Knowledge discovery in databases, machine learning, decision trees, neural networks

Tema 10.  Agentes inteligentes

El area de agentes inteligentes tiene sus inicios en la Inteligencia Artificial distribuida. La idea de que un sistema inteligente deba ser un sistema monolítico en el que se deben concentrar todas las tareas es una aproximacion a la IA que ha ido perdiendo atractivo.  En el propio cerebro se puede observar que existen diferentes áreas especializadas que colaboran entre ellas para crear lo que consideramos conductas inteligentes.

 Esto ha fundamentado el desarrollo de una IA basada en lo que se denomina un agente, un programa que presenta una serie de propiedades (reactividad, proactividad, comunicacion, cooperacion, coordinacion) y que le permite resolver tareas complejas a partir de su asociacion con otros agentes. Cada uno de ellos tiene capacidades en un determinado ámbito y su colaboracion les permite resolver problemas complejos, con la idea de que la unión de las partes sea mayor que el conjunto. Esto además da flexibilidad, ya que un agente puede colaborar en diferentes tareas haciendo las veces de componente que puede ser cambiado o substituido segun las necesidades.

 El area de agentes inteligentes es muy amplia e incluye temas como negociacion, coordinacion, asignacion de tareas, planificación distribuida, razonamiento sobre otros, ontologías, comunicación ...

 Los siguientes articulos son un buen punto de inicio:

• James Hendler "Is There an Intelligent Agent in Your Future?"
• Michael J. Wooldridge "Intelligent Agents" 
• Hyacinth S. Nwana "Software Agents: An Overview "
• Michael J. Wooldridge, Nicholas R. Jennings "Intelligent Agents: Theory and Practice"

Palabras clave: Inteligent agents, BDI agents, reactive agents, negotiation, coordination, comunication, ontologies, belief logic, distributed AI

Tema 11. Algoritmos avanzados para juegos

Los algortimos de juegos que hemos visto en la asignatura solo sirven para los juegos en los que hay información perfecta, pero no sirven para juegos en los que intervenga el azar o donde no disponemos de toda la información que nos permita evaluar las jugadas del contrario.

 Los algoritmos que hemos visto también suponen que el contrario tiene  la misma capacidad que nosotros, una manera de limitar los recursos computacionales es crear un modelo del contrario e intentar aprender hasta que límite de nuestra capacidad debemos jugar para ganar y no usar mas capacidad computacional que la necesaria.

 Otra faceta es la de los algoritmos que son capaces de aprender la mejor estrategia para jugar a partir de la experiencia, jugando un gran número de partidas y aprendiendo el mejor modo de jugar a un juego de manera autónoma. Estas aproximaciones se ha utilizado para juegos como el Backgammon, el poker y el Bridge.

 Aparte de los algoritmos clasicos de juegos se han aplicado multitud de técnicas de IA a juegos especificos

 Algunos enlaces relacionados con este tema son:

• el algoritmo Expectminimax permite modelar la información imperfecta y el azar
• El algoritmo M* intenta inclur información del contrario en el proceso de búsqueda
• El TD-Gammon fue el primer algoritmo de backgammon en aplicar aprendizaje por refuerzo a juegos 
• Aplicación de técnicas de planificación aj juego del Bridge
• Competiciones de algoritmos para jugar al póker

 Keywords: Opponent modeling, strategy learning, reinforcement learning, planning, neural networks

Tema 12. Metaheurísticas para búsqueda local

La dificultad de la búsqueda local hace que se desarrollen estrategias para guiar a los algoritmos mas allá de las funciones heurísticas. A estas estrategias se les ha denominado metaheurísticas.

 Algunas están inspiradas en la física o la biología como las que hemos visto en clase (Simulated Annealing, Algortimos genéticos), pero hay muchísimas más estrategias que se aplican con bastante efectividad en problemas reales como por ejemplo Evolutionary strategies, Tabú Search, Swarm optimization, Ant colony optimization, ...

• Una introducción general al tema se puede encontrar en este artículo
• El entrada metaheuristics de wikipedia os puede dar una idea general de como han ido apareciendo las estrategias

Keywords: Metaheuristics, Tabu search, Ant colonies, Swarm intelligence

Tema 13. Inteligencia Artificial y Educación

Los ordenadores y la educación han estado ligados entre si desde la aparición de los primeros computadores personales. La educación a distancia a traves de internet ha permitido desligar la labor del educador del alumno, la inteligencia artificial permite la construcción de sistemas que sean capaces de seguir el proceso de aprendizaje de un alumno permitiendo una mayor personalización.

 Este área de trabajo es relativamente vieja en la inteligencia artificial y tiene como primer ejemplo los sistemas tutores inteligentes. En ella caen temas tal diversos como la representación del conocimiento, interacción persona-ordenador, el modelado del alumnos, los sistemas de recomendación o el razonamiento con incertidumbre.

• Podeis encontrar información sobre sistemas tutores inteligentes en la entrada de wikipedia
• Tambien encotrareis cosas interesantes en la pagina de la AAAI sobre IA y educación

Keywords: AI and education, Intelligent tutoring systems

Tema 14. Inteligencia Artificial y comercio electrónico

La posibilidad de realizar transacciones electrónicas y la creación de mercados electrónicos ha abierto la posibilidad de crear programas capaces de comerciar de manera automática en esos mercados.  Un primer ejemplo de estos sistemas  son los sistemas expertos para el mercado de valores que pretenden analizar los datos de la bolsa para hacer recomendaciones.

 Un paso mas allá se encuentra en la comunidad de agentes inteligentes. Un área de trabajo es el desarrolo de agentes personales que son capaces de buscar los productos que le interesan a una persona en diferentes mercados y hacer una recomendación del mejor lugar para hacer la compra (o comprarlos ellos mismos) o agentes capaces de hacer recomendaciones basandose en los gustos y preferencias del usuario.

 Otro área de trabajo es el desarrollo de mercados electrónicos donde operan agentes de manera autónoma realizando decisiones y aprendiendo estrategias que les permitan tener éxito en esos mercados. Este área está ligada por ejemplo a las subastas electrónicas y las estrategias de puja (de hecho una subasta se puede ver como un juego). De hecho los mercados electronicos se pueden usar para mas aplicaciones que solamente el comercio electrónico.

Temas relacionados con el comercio electrónico y agentes incluyen estrategias de negociación o competición.

• Una introduccion general al area de agentes y comercio electronico
• Una introduccion un poco mas especializada
• Podeis encontrar información sobre aplicaciones de agentes en comercio electronico en Agentland

Keywords: Agents and electronic commerce, agent shoppers, electronic markets, electronic auctions, negotiation, competition

Tema 15. SAT solvers aplicats a la IA

 Per SAT s'entén el problema de determinar si una formula booleana (o proposicional) pot ser certa o no. Dit amb mes precisió, donada una formula lògica booleana (on es variables prenen valor CERT o FALS) es tracta de determina si existeix una assignació de les seves variables (proposicionals) tal que la formula s'avalui a CERT. Aquest problema ha suscitat un gran interès en la comunitat informàtica i, malgrat tractar-se d'un problema que pot ser costós (des del punt de vista de complexitat algorísmica és NP-complet),

S'han trobat algorismes per resoldre'l amb una gran eficiència. Més enllà d'això s'han estudiat també extensions que plantegen combinar el fórmules booleanes amb restriccions de "tots diferents", restriccions lineals, i d'altres funcions, vectors, etc. La àrea de la IA ofereix moltes oportunitats d'aplicació als sistemes construïts per resoldre aquest problema tan general, que poden ser de gran utilitat tant en alguns problemes clàssics (planificacion, raonament ...), com en moltes de les noves aplicacions. Aquest treball escrit te com a objectiu identificar aquestes aplicacions i explicar com el problema es planteja en termes de SAT i les seves extensions.

Entrada de SAT a wikipedia

Paraules clau: SAT, Satisfiability, SAT-solver, AI applications.