Presentación

Una de las características de la inteligencia artificial es la posibilidad de generar información o acciones de forma autónoma a partir de un conocimiento previo del contexto. Es decir, una herramienta inteligente será capaz de almacenar un conocimiento dado, procesarlo y derivar una conclusión no trivial. El ámbito que estudia, desde el punto de vista computacional, el modelado, almacenamiento y procesado del conocimiento es lo que denominamos ingeniería del conocimiento.

Para poder construir un sistema basado en el conocimiento, lo primero es disponer de una buena definición de nuestra base de trabajo. Es por tanto importante definir con precisión qué es el conocimiento y qué lo diferencia de la información o de los datos. A partir de esta definición, es posible construir sistemas para que lo puedan adquirir y almacenar de forma eficiente y eficaz, así como sistemas capaces de razonar en base a dicho conocimiento. Un ejemplo de software capaz de generar acciones de forma autónoma a partir de un conocimiento dado son los agentes y, por lo tanto, estarán construidos siguiendo los esquemas propuestos por la ingeniería del conocimiento.

En la asignatura Sistemas Inteligentes se introducen los agentes como software capaz de trabajar con conocimiento y se estudian las ontologías como método básico para facilitar el modelado, almacenamiento y procesado del conocimiento, incidiendo en métodos de razonamiento, herramientas y aplicaciones.

Competencias básicas

• CB4. Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

Competencias específicas

• CC-04. Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.
• CC-05. Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes.
• CC-07. Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

Contenidos

Tema 1. Teoría de Agentes
Historia del concepto
Definición de agente
Agentes en Inteligencia Artificial
Agentes en Ingeniería de Software

Tema 2. Arquitecturas de Agentes
El proceso de razonamiento de un agente
Agentes reactivos
Agentes deductivos
Agentes híbridos
Comparativa

Tema 3. Información y conocimiento
Distinción entre datos, información y conocimiento
Evaluación de la calidad de los datos
Métodos de captura de datos
Métodos de adquisición de información
Métodos de adquisición de conocimiento
Referencias bibliográficas

Tema 4. Representación del conocimiento
La importancia de la representación del conocimiento
Definición de representación del conocimiento a través de sus roles
Características de una representación del conocimiento
Referencias bibliográficas

Tema 5. Ontologías
Introducción a los metadatos
Concepto filosófico de ontología
Concepto informático de ontología
Ontologías de dominio y ontologías de nivel superior
Cómo construir una ontología
Referencias bibliográficas

Tema 6. Lenguajes para ontologías
Tripletas RDF, Turtle y N3
RDF Schema
OWL
SPARQL

Tema 7. Software para la Creación de Ontologías
Introducción a las diferentes herramientas
Instalación y uso de Protégé

Tema 8. La web semántica
El estado actual y futuro de la web semántica
Aplicaciones de la web semántica

Tema 9. Otros modelos de representación del conocimiento
Vocabularios
Visión global
Taxonomías
Tesauros
Folksonomías
Comparativa
Mapas mentales
Referencias bibliográficas

Tema 10. Evaluación e integración de representaciones del conocimiento
Lógica de orden cero
Lógica de primer orden
Lógica descriptiva
Relación entre diferentes tipos de lógica
Prolog: programación basada en lógica de primer orden
Referencias bibliográficas

Tema 11. Razonadores semánticos
Concepto de razonador
Aplicaciones de un razonador
Ejemplos de uso

Tema 12. Sistemas basados en conocimiento y Sistemas expertos
Definición y relación con sistemas basados en el conocimiento
MYCIN, historia de los Sistemas Expertos
Elementos y Arquitectura de Sistemas Expertos
Creación de Sistemas Expertos

Metodología

Las actividades formativas de la asignatura se han elaborado con el objetivo de adaptar el proceso de aprendizaje a las diferentes capacidades, necesidades e intereses de los alumnos.

Las actividades formativas de esta asignatura son las siguientes:

• Trabajos y Lecturas. Se trata de actividades de diferentes tipos: reflexión, análisis de casos, prácticas, etc. Además de análisis de textos relacionados con diferentes temas de la asignatura.
• Participación en eventos. Son eventos programados todas las semanas del cuatrimestre: sesiones presenciales virtuales, foros de debate, test.
• Laboratorios. Actividad práctica que se realiza en tiempo real e interactuando con otros alumnos. En el laboratorio los estudiantes tendrán que desarrollar los ejercicios propuestos en un entorno de simulación online. Los estudiantes contarán en todo momento con el apoyo de un tutor de laboratorio, que ayudará al
  alumno a desarrollar su actividad. El tutor de laboratorio podrá asignar grupos de alumnos para que, de forma
  colaborativa, alcancen los resultados solicitados. Este tipo de actividad posee un peso considerable en la
  evaluación continua del alumno, por lo que, a pesar de no ser obligatoria su realización, se recomienda firmemente la participación en los mismos.

En la programación semanal puedes consultar cuáles son las actividades concretas que tienes que realizar en esta asignatura.

Estas actividades formativas prácticas se completan, por supuesto, con estas otras:

• Estudio personal
• Tutorías
• Examen final presencial

Recomendaciones técnicas

Para la correcta participación de los alumnos en las diferentes actividades propuestas en la asignatura se recomienda disponer de un ordenador con las siguientes especificaciones mínimas recomendadas:

• 4 GB de RAM
• Conexión a Internet superior a 6 Mbit/s
• Cámara web
• Micrófono
• Altavoces o auriculares
• Sistema operativo Windows o Mac OS (algunas actividades pueden presentar dificultades sobre Linux. En esta circunstancia se recomienda consultar con el profesor de la asignatura)
• Acceso de administrador al sistema (es necesario la instalación de programas, emuladores, compiladores…)
• Navegador web Netscape, Chrome, Safari o Firefox actualizado (versiones no actualizadas pueden presentar problemas funcionales y/o de seguridad)

Bibliografía

Bibliografía básica

Los textos necesarios para el estudio de la asignatura han sido elaborados por UNIR y están disponibles en formato digital para consulta, descarga e impresión en el aula virtual.

Además, en algunos temas deberás estudiar la siguiente bibliografía:

Tema 1

Russell, S.J. & Norvig, P. (2004). Inteligencia Artificial: un enfoque moderno. Madrid: Pearson Educación.
ISBN: 84-205-4003-X
Disponible en el aula virtual (bajo licencia CEDRO).

Temas 6 y 8

Pastor, J.A. (2011). Tecnologías de la Web Semántica. Barcelona: Editorial UOC.
ISBN: 978-84-978-8474-7
Disponible en la Biblioteca Virtual de UNIR.

Tema 9

Monreal, C.S., & Leiva, I.G. (2010). Posibilidades y límites de los tesauros frente a otros sistemas de organización del conocimiento: folksonomías, taxonomías y ontologías. Revista Interamericana de Bibliotecología, Vol. 33, Nº 2. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_abstract&pid=S0120-09762010000200004&lng=es&nrm=iso&tlng=es

Tema 10

Cardona, S.A. (2010). Lógica matemática para Ingeniería de Sistemas y Computación. Ediciones Elizcom.
EISBN: 978-95-899-3259-9
Disponible en la Biblioteca Virtual de UNIR.

Russell, S.J. & Norvig, P. (2004). Inteligencia Artificial: un enfoque moderno. Madrid: Pearson Educación.
ISBN: 84-205-4003-X
Disponible en el aula virtual (bajo licencia CEDRO).

Giannesini, F.; Kanoui, H.; Pasero, R. & van Caneghem, M. (1989). Prolog. Madrid: Pearson Addison-Wesley.
ISBN: 978-84-7829-003-1
Disponible en el aula virtual (bajo licencia CEDRO).

Orenga, J. M. & Sánchez, J.P. (1987). Prolog: Introducción a la programación de los sistemas expertos. Madrid: Ra-Ma Editorial.
ISBN: 978-84-86381-35-6
Disponible en el aula virtual (bajo licencia CEDRO).

Tema 12

Marín, R. y Palma, J.T. (2008). Inteligencia artificial: métodos, técnicas y aplicaciones. McGraw-Hill España.
ISBN: 978-84-481-5618-3
Disponible en la Biblioteca Virtual de UNIR.

Bibliografía complementaria

Arenas, A.C. (2005). Mapas conceptuales, mapas mentales y otras formas de representación del conocimiento. Coop. Editorial Magisterio.

Asimov, I. (1984). Cómo descubrimos los números. Barcelona: Editorial Molino.

Baader, F.; Horrocks, I. & Sattler, U. (2009). Description logics. En Handbook on ontologies. Springer Berlin Heidelberg.

Chandrasekaran, B.; Josephson, J.R. & Benjamins, V.R. (1999). What are ontologies, and why do we need them? IEEE Intelligent systems.

Cumming, M. (2003). Tomatoes are not the only fruit: a rough guide to taxonomies, thesauri, ontologies and the like. Records Management Bulletin.

Currás, E. (2005). Ontologías, taxonomía y tesauros: manual de construcción y uso. Gijón: Trea, DL.

Davenport, T. & Prusak, L. (2000). Working Knowledge: How Organizations Manage What They Know. Massachusetts: Harvard Business Review Press.

Gaines, B.R. & Shaw, M.L. (1992). Integrated knowledge acquisition architectures. Journal of Intelligent Information Systems.

Gilchrist, A. (2001). Getting the measure of taxonomies. Information World Review.

Jarke, M.; Jeusfeld, M.A.; Quix, C. & Vassiliadis, P. (1998). Architecture and Quality of Data Warehouses: An Extended Repository Approach. Advanced Information Systems Engineering, Lecture Notes in Computer Science.

Prarchett, T. (2011). Ronda de Noche. Barcelona: Debolsillo.

Soler Monreal (2010). Posibilidades y límites de los tesauros frente a otros sistemas de organización del conocimiento: folksonomías, taxonomías y ontologías. Revista Interamericana de Bibliotecología.

Stake, R.E., & Savolainen, R. (1995). The art of case study research. Thousand Oaks, CA: Sage publications.

Evaluación y calificación

El sistema de calificación se basa en la siguiente escala numérica:

La calificación se compone de dos partes principales:

El examen se realiza al final del cuatrimestre y es de carácter PRESENCIAL y OBLIGATORIO. Supone el 60% de la calificación final (6 puntos sobre 10) y para que la nota obtenida en este examen se sume a la nota final, es obligatorio APROBARLO (es decir, obtener 3 puntos de los 6 totales del examen).

La evaluación continua supone el 40% de la calificación final (es decir, 4 puntos de los 10 máximos). Este 40% de la nota final se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo durante el cuatrimestre.

Ten en cuenta que la suma de las puntuaciones de las actividades de la evaluación continua es de 15 puntos. Así, puedes hacer las que prefieras hasta conseguir un máximo de 10 puntos (que es la calificación máxima que se puede obtener en la evaluación continua). En la programación semanal de la asignatura, se detalla la calificación máxima de cada actividad o evento concreto puntuables.

Orientaciones para el estudio

Obviamente, al tratarse de formación on-line puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de actividades, trabajos y exámenes. Nosotros, para ayudarte, te proponemos los siguientes pasos:

1. Desde el Campus virtual podrás acceder al aula virtual de cada asignatura en la que estés matriculado y, además, al aula virtual del Grado. Aquí podrás consultar la documentación disponible sobre cómo se utilizan las herramientas del aula virtual y sobre cómo se organiza una asignatura en la UNIR y también podrás organizar tu plan de trabajo personal con tu profesor-tutor.
2. Observa la programación semanal. Allí te indicamos qué parte del temario debes trabajar cada semana.
3. Ya sabes qué trabajo tienes que hacer durante la semana. Accede ahora a la sección Temas del aula virtual. Allí encontrarás el material teórico y práctico del tema correspondiente a esa semana.
4. Comienza con la lectura de las Ideas clave del tema. Este resumen te ayudará a hacerte una idea del contenido más importante del tema y de cuáles son los aspectos fundamentales en los que te tendrás que fijar al estudiar el material básico. Lee siempre el primer apartado, ¿Cómo estudiar este tema?, porque allí te especificamos qué material tienes que estudiar. Consulta, además, las secciones del tema que contienen material complementario (Lo + recomendado y + Información).
5. Dedica tiempo al trabajo práctico (sección Actividades y Test). En la programación semanal te detallamos cuáles son las actividades correspondientes a cada semana y qué calificación máxima puedes obtener con cada una de ellas.
6. Te recomendamos que participes en los eventos del curso (sesiones presenciales virtuales, foros de debate…). Para conocer la fecha concreta de celebración de los eventos debes consultar las herramientas de comunicación del aula vitual. Tu profesor y tu profesor-tutor te informarán de las novedades de la asignatura.