Inteligencia Artificial Avanzada: Perspectivas Simbólica y Conexionista

N.º de Cursos que componen el Programa: 8

N.º de Trabajos de Investigación que componen el Programa: 21

Áreas de conocimiento a las que se adscribe:
- CIENCIAS DE LA COMPUTACIÓN E INTELIGENCIA ARTIFICIAL
- ELECTRÓNICA

Coordinador: Dr. D. José Mira Mira



INDICACIONES GENERALES:
El programa de doctorado en Inteligencia Artificial Avanzada ha sido adaptado al Espacio Europeo de Educación Superior, por lo que desde el curso 2006/2007 se ha incorporado a un nuevo programa oficial de postgrado en Inteligencia Artificial y Sistemas Informáticos. Dentro de este programa, los estudios de doctorado comienzan ahora con la obtención de un título oficial de máster orientado a la investigación. Para realizar el máster, deben matricularse en el nuevo programa oficial de postgrado. El programa de doctorado que aquí se recoge es, por tanto, un programa en extinción, y no se admitirán alumnos de nueva matrícula. Los alumnos inscritos en años anteriores pueden seguir con el antiguo programa de doctorado que se recoge en esta guía, o pueden pedir traslado al nuevo postgrado europeo.
El objetivo del curso es profundizar en los aspectos frontera de la Inteligencia Artificial en sus dos perspectivas básicas: la simbólica y la conexionista (las redes neuronales). En ambos casos se pretende hacer computable el conocimiento humano no analítico construyendo modelos capaces de atravesar la barrera de un compilador, es decir capaces de enlazar con las primitivas de un lenguaje de alto nivel o de un entorno de programación.
Las propuestas metodológicas y los contenidos de los distintos cursos de este programa se ilustran con ejemplos procedentes de la medicina, de la industria y de la enseñanza haciendo énfasis en soluciones híbridas, con parte simbólica y parte conexionista, para las tareas usuales en Percepción (Visión Artificial), Razonamiento (Simbólico, Conexionista y Bayesiano) y Aprendizaje (Simbólico y Conexionista). Se exploran también algunas de las fronteras con la neurociencia en el intento común de comprender el funcionamiento del sistema nervioso y de los procesos cognoscitivos.
Por razones pedagógicas se recomienda que el alumno se matricule primero de la asignatura de Inteligencia Artificial. Su contenido facilita la comprensión e integración de los contenidos del resto de las asignaturas del programa.



PERÍODO DE DOCENCIA - Cursos que componen el Programa

APRENDIZAJE SIMBÓLICO
Profesores:Dr. D. Jesús González Boticario, Dr. D. Enrique Carmona Suárez, Dra. Dª. Elena Gaudioso Vázquez

• El objeto de este curso es presentar las distintas propuestas dominantesen el campo del Aprendizaje Automático, entendido como un área deconocimiento dentro de la Inteligencia Artificial (IA). Se explicaránlos aspectos básicos del aprendizaje como ciencia aplicada; es decir,las aportaciones fundamentales de los programas de IA que están dotados,a través de procesos de manipulación de símbolos, de una de laspropiedades básicas de la inteligencia: la capacidad de aprender.Diremos que un sistema aprende si es capaz de corregir sus propioserrores, o si puede ampliar su conocimiento a partir de la interaccióncon el usuario o con otras fuentes de conocimiento disponibles, o simejora su capacidad de resolver problemas a través del análisis críticode sus propias funcionalidades. En cualquier caso, se estudiarán losprocesos reales que permiten realizar dichas tareas, agrupando lasestrategias aplicadas según sea el tipo de inferencia utilizado(inductivo, deductivo, analógico o abductivo, y las de Carácter híbrido,que resultan de combinar cualquiera de los anteriores). Se insistirá enproporcionar criterios que permitan realizar un estudio comparativo delas ventajas y desventajas de los distintos métodos, con el fin deayudar a percibir una visión globalizadora del campo. Se terminarárevisando los problemas de mayor interés en la actualidad, así como losque previsiblemente serán afrontados en un futuro cada vez más cercano.

COMPUTACIÓN EN LA ENSEÑANZA DE LA FÍSICA
Profesor:Dr. D. Luis Rosado Barbero

• Objetivos:Conocer las posibilidades de la computación en el campo educativo.Analizar aplicaciones de la computación en la enseñanza de la Física y materias afines.Contenido:Computación y Educación. Perspectiva educacional de la computación.Simulación con microordenador.Medida y control en el laboratorio de Física.Computación en Inteligencia Artificial aplicada a la enseñanza de la Física.Metodología:Reunión inicial con los doctorandos, donde se explicarán los objetivos, contenidos y metodología de trabajo en el curso.Esquema de cómo hacer un análisis de las aportaciones del microordenador en la enseñanza/aprendizaje de la Física de los alumnos.Diseño y ejecución de un corto proyecto de investigación-acción del uso del microordenador en la enseñanza de la Física.

INTELIGENCIA ARTIFICIAL: FUNDAMENTOS, METODOLOGÍA Y APLICACIONES
Profesores:Dr. D. José Mira Mira, Dra. Dª. Ángeles Manjarrés Riesco, Dr. D. Rafael Martínez Tomás

• Esta asignatura es la puerta de entrada a nuestro programa de Tercer Ciclo y pretende dar al alumno una visión integradora y actual del campo, dejando clara nuestra orientación metodológica y justificando la selección del resto de las asignaturas que componen el programa. El contenido de la asignatura se centra en la perspectiva simbólica de la Inteligencia Artificial (IA), por lo que es complementaria de la asignatura de "Redes Neuronales", donde se estudia la perspectiva conexionista. Aquí se hace énfasis en:I) La metodología, introduciendo el esquema de niveles (de conocimiento, simbólico y físico). Pasamos así de modelos a nivel de conocimiento y en el dominio del observador a programas en el dominio propio del nivel de los símbolos.II) La necesidad de aproximar la Ingeniería del Conocimiento al rigor y robustez de las otras ingenierías de la materia y la energía. Buscamos bibliotecas de componentes inferenciales reutilizables y métodos de selección de esos componentes.

REDES NEURONALES
Profesores:Dra. Dª. Ana Delgado García, Dr. D. José Mira Mira, Dr. D. José Ramón Álvarez Sánchez

• Se entiende por computación neuronal el cálculo modular y distribuido con gran número de procesadores (o procesos) elementales, con alto grado de conectividad y realizando localmente una función paramétrica. Lo distintivo de las redes neuronales es la sustitución de la programación por el aprendizaje (por métodos supervisados o no supervisados) que reajusta constantemente el valor de los parámetros que especifican la computación.Las redes intentan aproximar la Neurociencia a la Computación, modelando matemáticamente las neuronas biológicas y usando esos modelos para intentar comprender el Sistema Nervioso y los procesos cognitivos que de él emergen. Consideradas como ingeniería, las redes de neuronas artificiales son un método de resolver problemas generales de clasificación cuando disponemos de más datos que conocimiento.

RAZONAMIENTO BAYESIANO
Profesores:Dr. D. Francisco Javier Díez Vegas, Dr. D. Severino Fernández Galán

• La introducción del curso plantea el problema del razonamiento conincertidumbre en inteligencia artificial, repasa la teoría de laprobabilidad y analiza los métodos previos de razonamiento aproximado(método bayesiano clásico, MYCIN, PROSPECTOR, Dempster-Shafer y lógicadifusa). El curso se centra luego en el estudio de las redes bayesianasy los diagramas de influencia (definición axiomática y su relación conla causalidad, algoritmos de inferencia, construcción de modelos conayuda de expertos, aprendizaje automático, razonamiento temporal,explicación del razonamiento...) y sus aplicaciones (medicina,ingeniería, visión artificial, recuperación de información, informáticaeducativa, interfaces inteligentes, etc.).

ROBÓTICA AUTÓNOMA: ALGORITMOS DE COMPORTAMIENTO
Profesor:Dr. D. Félix De La Paz López

• Tras una introducción general al tema de la robótica autónoma, el programa de la asignatura se centra en los aspectos algorítmicos de sistemas físicos predeterminados (no el diseño ni fabricación de robots). Por lo tanto el curso se construye sobre la existencia de robots ya fabricados que proporcionan un sistema de sensores y un sistema motor desde los niveles físicos hasta una interfaz de programación. El problema central es entonces modelar a nivel de conocimiento y reducir esos modelos para tareas de construcción de mapas del medio, planificación y navegación. Es decir, lo que se estudia es el diseño de algoritmos que conectan la representación sensorial con la planificación motora desde una pespectiva autónoma.

VISIÓN ARTIFICIAL
Profesores:Dra. Dª. Margarita Bachiller Mayoral, Dr. D. Mariano Rincón Zamorano

• La Visión Artificial es una disciplina de creciente interés en el ámbito científico-técnico, en áreas tan diversas como el análisis de imágenes médicas, robótica, teledetección o control de calidad.Su objetivo fundamental, planteado un problema, es la extracción automatizada de información significativa a partir de imágenes digitales.Este curso aborda las técnicas de análisis de problemas, así como las estrategias de resolución por composición de etapas sucesivas. Para cada una de estas etapas se señala el conocimiento específico que es preciso inyectar, así como los modelos matemáticos y algoritmos adecuados para su representación y uso.
  

LÓGICA EN COMPUTACIÓN
Profesor:Dr. D. José Luis Fernández Vindel

• Se persigue una revisión avanzada de los principales sistemas lógicos utilizados en Inteligencia Artificial y Ciencias de la Computación.Incluye el estudio de los sistemas de Primer Orden y de las lógicas modales y temporales. Se facilitará documentación adicional sobre otros sistemas lógicos de interés.

PERÍODO DE INVESTIGACIÓN - Trabajos que componen el Programa
FUNDAMENTOS LÓGICOS Y COGNOSCITIVOS DE LA INTELIGENCIA ARTIFICIAL. MODELADO DE FUNCIONES SENSORIALES, MOTORAS, DE INFERENCIA Y DE APRENDIZAJE
Profesores:Dr. D. José Mira Mira, Dr. D. Rafael Martínez Tomás
ESTUDIOS METODOLÓGICOS EN BUSCA DE BIBLIOTECAS DE TAREAS, MÉTODOS Y ONTOLOGÍAS PARA EL DESARROLLO DE SISTEMAS BASADOS EN CONOCIMIENTO
Profesores:Dr. D. José Mira Mira, Dr. D. Rafael Martínez Tomás
APROXIMACIONES DE LA INGENIERÍA DEL CONOCIMIENTO A LA INGENIERÍA ELECTRÓNICA: COMPONENTES REUTILIZABLES. APLICACIONES EN MEDICINA
Profesores:Dr. D. José Mira Mira, Dr. D. Rafael Martínez Tomás
MODELADO DE NEURONAS Y REDES NEURONALES BIOLÓGICAS. USO DE SIMULADORES BIOFÍSICOS, ANALÓGICOS, LÓGICOS Y COMPUTACIONALES. MODELADO ESTRUCTURAL
Profesores:Dr. D. José Mira Mira, Dr. D. José Ramón Álvarez Sánchez
DESARROLLO DE BIBLIOTECAS DE MODELOS NEURONALES REUTILIZABLES (ANALÓGICOS, LÓGICOS E INFERENCIALES) PARA COMPUTACIÓN LOCAL Y APRENDIZAJE
Profesores:Dr. D. José Mira Mira, Dr. D. José Ramón Álvarez Sánchez
DISEÑO DE REDES NEURONALES PARA TAREAS DE DIAGNÓSTICO, PLANIFICACIÓN E IDENTIFICACIÓN DE SISTEMAS. USO DE ESQUEMAS JERÁRQUICO-RECURSIVOS
Profesores:Dr. D. José Mira Mira, Dr. D. José Ramón Álvarez Sánchez
SISTEMAS INTERACTIVOS DE ENSEÑANZA APRENDIZAJE
Profesor:Dr. D. Jesús González Boticario
ARQUITECTURAS MULTIAGENTE COMO SOPORTE DE SISTEMAS DE ENSEÑANZA ADAPTATIVOS EN INTERNET
Profesor:Dr. D. Jesús González Boticario
FILTRADO DE INFORMACIÓN EN INTERNET
Profesor:Dr. D. Jesús González Boticario
MODELOS DE APRENDIZAJE AUTOMÁTICO ALTERNATIVOS
Profesor:Dr. D. Jesús González Boticario
FUNDAMENTOS DEL RAZONAMIENTO BAYESIANO
Profesor:Dr. D. Francisco Javier Díez Vegas
APLICACIONES DEL RAZONAMIENTO BAYESIANO
Profesor:Dr. D. Francisco Javier Díez Vegas
HERRAMIENTAS PARA RAZONAMIENTO BAYESIANO
Profesor:Dr. D. Francisco Javier Díez Vegas
MODELOS Y ALGORITMOS EN VISIÓN DE BAJO NIVEL. SEGMENTACIÓN. MORFOLOGÍA MATEMÁTICA
Profesores:Dra. Dª. Margarita Bachiller Mayoral, Dr. D. Mariano Rincón Zamorano
MODELADO GEOMÉTRICO Y EXTRACCIÓN DE CARACTERÍSTICAS
Profesores:Dra. Dª. Margarita Bachiller Mayoral, Dr. D. Mariano Rincón Zamorano
VISIÓN DE ALTO NIVEL. INFERENCIA SOBRE ESTRUCTURAS RELACIONALES
Profesores:Dra. Dª. Margarita Bachiller Mayoral, Dr. D. Mariano Rincón Zamorano
INTERRELACIÓN EDUCACIÓN-COMPUTACIÓN Y PERSPECTIVA EDUCACIONAL DE LA COMPUTACIÓN
Profesor:Dr. D. Luis Rosado Barbero
APLICACIONES DE LA COMPUTACIÓN EN LA ENSEÑANZA DE LA FÍSICA Y MATERIAS AFINES
Profesor:Dr. D. Luis Rosado Barbero
COOPERACIÓN DE AGENTES EN ROBÓTICA AUTÓNOMA. REPARTO AUTOMÁTICO DE OBJETIVOS Y PROTOCOLOS DE COMUNICACIÓN
Profesor:Dr. D. José Ramón Álvarez Sánchez
TÉCNICAS DE IA CONEXIONISTA APLICADAS AL DISEÑO DE CONTROLADORES DE ROBOTS AUTÓNOMOS
Profesor:Dr. D. José Ramón Álvarez Sánchez
ARQUITECTURAS DE COMPORTAMIENTO EN ROBOTS AUTÓNOMOS. REPRESENTACIÓN DEL MEDIO EXTERNO Y DE LAS TAREAS DEL ROBOT
Profesor:Dr. D. José Ramón Álvarez Sánchez