Saltar al contenido principal
- -

Razonamiento automático
Course is full

En este curso trataremos diferentes esquemas de razonamiento deductivo, con énfasis en la lógica borrosa, y varias herramientas de este ámbito.

Duración

4,5 ECTS

Acerca de este curso

En este curso trataremos diferentes esquemas de razonamiento deductivo, con énfasis en la lógica borrosa, y varias herramientas de este ámbito.

Qué aprenderé

En primer lugar, conocerás tres de los principales modelos de incertidumbre y sus aspectos lógicos: probabilístico (ya iniciado en "Técnicas avanzadas de representación del conocimiento y razonamiento"), evidencial y posibilístico. También trataremos los fundamentos lógicos para razonar con información borrosa, y otros aspectos de razonamiento, como la no-monotonía, la inconsistencia y la argumentación computacional.

En el segundo bloque veremos la representación del conocimiento y el razonamiento aproximado difuso, tratando los esquemas de tipo Mamdani y TSK, el silogismo difuso o las reglas temporales. También conoceremos los modelos descriptivos y aproximativos (reglas para regresión) y trataremos cómo aprender automáticamente bases de reglas difusas, partiendo de algoritmos básicos como el de Wang-Mendel hasta llegar a otros más complejos como los "genetic fuzzy systems."

En el tercer bloque veremos diferentes herramientas y aplicaciones lógicas como el answer-set programming, la verificación de modelos y el problema de satisfacción booleana.

Prerrequisitos

Es muy conveniente haber cursado la materia obligatoria "Técnicas avanzadas de representación del conocimiento y razonamiento" o bien tener formación en probabilidades y lógica.

Unidades

  1. Lógica, incertidumbre e imprecisión
    • 1.1. Incertidumbre versus imprecisión. Nociones básicas.
    • 1.2. Modelos de incertidumbre: probabilístico, evidencial y posibilístico
    • 1.3. Lógicas de creencias: epistémica, probabilística y posibilística
    • 1.4. Lógicas borrosas basadas en t-normas
    • 1.5. Razonamiento con información inconsistente: lógicas no-monótonas, revisión de creencias y sistemas de argumentación computacional.
  2. Lógica difusa
    • 2.1. Principio de extensión de Zadeh
    • 2.2. Cuantificación borrosa
    • 2.3. Modelos de Razonamiento borroso
    • 2.4. Modelos descriptivos y aproximativos
    • 2.5. Regresión fuzzy (reglas TSK)
    • 2.6. Aprendizaje automático de sistemas basados en reglas fuzzy
  3. Herramientas
    • 3.1: Answer-set programming
    • 3.2: SAT (problema de satisfacción booleana)
    • 3.3: Verificación de modelos ("Model checking")
  4. Evaluación
    • 4.1: Cuestionario final (todos los temas)
    • 4.2: Trabajo final (correspondiente a uno de los temas)

Bibliografía

Joseph Halpern. Reasoning about Uncertainty. MIT Press, 2003.

Petr Hájek. Metamathematics of Fuzzy Logic, Vol 4 of Trends in Logic, Kluwer, 1998.

Didier Dubois, Henri Prade. Possibility Theory, probability theory and multiple-valued logics: a clarification. Annals of Mathematics and Artificial Intelligence 32, 35-66, 2001.

Didier Dubois, Henri Prade. Possibilistic logic: a retrospective and prospective view. Fuzzy Sets and Systems 144, 3-23, 2004.

Didier Dubois, Francesc Esteva, Lluis Godo, Henri Prade. Fuzzy-set based logics: an history-oriented presentation of their main developments. Handbook of the History of Logic, Volume 8, 325-449, 2007.

Inteligencia Artificial. Técnicas, métodos y aplicaciones. McGraw-Hill, 2008. ISBN 978-84-481-5618-3.

Handbook of Artificial Intelligence. Springer-Verlag, 2015. ISBN 978-3-662-43505-2.

Michael Huth, Mark Ryan. Logic in Computer Science: Modelling and reasoning about systems. Cambridge University Press, 2004. ISBN 978-0-521-54310-1.

Profesores del curso

Lluis Godo Lacasa

Lluis Godo Lacasa

Lluis Godo es doctor en Ciencias Matemáticas por la Universidad Politécnica de Cataluña y en la actualidad es Profesor de Investigación en el Instituto de Investigación en Inteligencia Artificial del CSIC, Bellaterra (Barcelona). La mayoría de los trabajos que ha realizado durante su carrera investigadora se pueden enmarcar en el estudio de lógicas para la Inteligencia Artificial. Éstos incluyen trabajos sobre el desarrollo de marcos lógicos para el razonamiento aproximado y bajo incertidumbre, sistemas formales de lógica matemática fuzzy y sistemas argumentativos. Es autor de cerca de 200 publicaciones en revistas y conferencias internacionales. Fue Program co-chair del FUZZ-IEEE’1997, general chair de ECSQARU-2005, y program co-chair de SUM’2009. Actualmente es co-editor-in-chief de la revista Fuzzy Sets and Systems, y associate editor de las revistas Artificial Intelligence Journal, Soft Computing y del Journal of Autonomous Agents and Multi-agent Systems. En 2006 fue nombrado Fellow del European Coordinating Committee for Artificial Intelligence (ECCAI), y en 2013 Fellow de la International Fuzzy Sets Association (IFSA).

Más información...

Alberto Bugarín

Alberto J. Bugarín Diz

Es Catedrático de Ciencia de la Computación e Inteligencia Artificial en el Centro de Investigación en Tecnologías de la Información de la USC (CiTIUS). Su área de investigación son los sistemas inteligentes con incertidumbre (reglas borrosas), aprendizaje automático de modelos de predicción (escalables a Big Data) y data mining descriptivo (sistemas "Data-To-Text"). Ha sido investigador principal en 14 proyectos de I+D y contratos con empresas. Es coautor de unos 200 trabajos científicos en las áreas anteriormente indicadas.

Más información...

Luis Magdalena Layos

Luis Magdalena Layos

Es Doctor Ingeniero de Telecomunicación por la Universidad Politécnica de Madrid. Cuenta con más de veinticinco años de experiencia en docencia e investigación en el ámbito del Soft Computing, y más concretamente los sistemas fuzzy y la computación evolutiva. Ha sido Profesor Titular de Universidad en el área de Ciencia de la Computación e Inteligencia Artificial de la UPM y Director General del European Center for Soft Computing ubicado en Mieres (Asturias). Además ha desempeñado diversos cargos en organizaciones científicas: Presidente de la European Society for Fuzzy Logic and Technologies, Vicepresidente de la International Fuzzy Systems Association o Miembro electo del Administrative Committee de la Computational Intelligence Society del IEEE. Ha sido General Chair del Congreso IFSA-EUSFLAT 2015, y co-chair de IPMU 2000, HIS2008 y GEFS 2010. Es autor de más de ciento cincuenta publicaciones en revistas y congresos, incluyendo el libro “Genetic Fuzzy Systems: Evolutionary Tuning and Learning of Fuzzy Knowledge Bases”. Ha editado 6 números especiales en revistas y 10 libros. Ha participado en más de 35 proyectos y contratos de investigación con financiación pública y privada, siendo investigador principal en 20 de ellos. Es coautor de cuatro patentes y ha dirigido 9 Tesis Doctorales.

Algunas publicaciones...

Juan Antonio Rodríguez Aguilar

Juan Antonio Rodríguez Aguilar

Científico Titular en el Instituto de Investigación en Inteligencia Artificial del Consejo Superior de Investigaciones Científicas (CSIC) donde dirige el Departamento de Sistemas Multi-Agente. Obtuvo un master en Visión por Computador (1998) y un doctorado en Inteligencia Artificial (2001) por la Universidad Autónoma de Barcelona. En 1999 trabajó como investigador para la Sloan School of Management del Massachusetts Institute of Technology (MIT). Entre 2001 y 2003 trabajó como investigador para iSOCO S.A., donde desarrolló productos innovadores de subastas y optimización. Ha participado en un amplio número de proyectos de investigación financiados por la Comisión Europea y el Gobierno español, y ha publicado más de ciento noventa artículos en revistas científicas especializadas, conferencias y talleres. Es editor asociado de las revistas Knowledge Engineering Review y Electronic Commerce Research and Applications. Actúa regularmente como revisor de las principales revistas en inteligencia artificial (p.ej. AI Journal, Autonomous Agents and Multi-agent Systems, IEEE Internet Computing, ACM Transactions on Autonomous Agents and Adaptive Systems) y en la organización de las principales conferencias internacionales en IA (IJCAI, ECAI, AAMAS, AAAI). Colabora regularmente con agencias de evaluación científica de varios países (UK, Israel, USA, Portugal, Suiza) y como revisor de la Comisión Europea. En 2013 fue elegido Fellow de la European Association for Artificial Intelligence (EurAI).

Más información...

Felip Manyà

Felip Manyà

Felipe Manyà es Doctor en Informática por la Universidad Autónoma de Barcelona y Científico Titular el Instituto de Investigación en Inteligencia Artificial del Consejo Superior de Investigaciones Científicas (CSIC). Durante su carrera, también ha sido profesor en la Universidad de Lleida y Contratado Ramón y Cajal en el CSIC, habiendo realizado estancias de larga duración en la Universidad de Karlsruhe (Alemania), Universidad de Cornell (EEUU), Universidad Politécnica de Lisboa (Portugal) y Universidad de Picardie (Francia). Sus intereses científicos abarcan las lógicas multivaluadas,la programación con restricciones y los problemas de satisfactibilidad. En estos temas, ha hecho tanto aportaciones teóricas como algorítmicas, ha dirigido 5 tesis doctorales, ha publicado más de 100 artículos en congresos y revistas, y ha dirigido 7 proyectos y convenios de investigación. Ha sido miembro del comité científico de los principales congresos de su área de investigación, y miembro del comité editorial del Journal of Artificial Intelligence Research. Además, ha sido General Chair del IEEE 40th International Symposium on Multiple-Valued Logics y de la 14th International Conference of the Catalan Association for Artificial Intelligence, y PC co-chair del IEEE 47th International Symposium on Multiple-Valued Logics. También ha sido fundador y organizador de la International MaxSAT Evaluation.

Más información...

Roberto Confalonieri

Roberto Confalonieri

Roberto Confalonieri es Doctor en Inteligencia Artificial por la Universidad Politécnica de Cataluña y actualmente es ingeniero de I+D en NaradaRobotics S.L y profesor asociado en la Universidad de Barcelona. Previamente ha trabajado como investigador postdoctoral en el Instituto de Investigación en Inteligencia Artificial del Consejo Superior de Investigaciones Científicas (2013-2016), en el Departamento de Computación de la Goldsmiths College, University of London (2012-2013) y en el Institute de Recherche en Informatique de Toulouse (2011-2012). Su actividad investigadora se ha concentrado en problemáticas de razonamiento con información incompleta y bajo incertidumbre, representación de preferencias del usuario y toma de decisiones bajo incertidumbre en el marco de Answer Set Programming (ASP), y sistemas multiagentes, Más recientemente, su investigación se centra en el implementación de algoritmos de creatividad computacional. Ha participado en numerosos proyectos de investigación financiados por la Comisión Europea y ha publicado más de 40 artículos en revistas científicas especializadas, conferencias y workshops. En 2016 ha sido galardonado con el Best Paper Award en la Conferencia International de Creatividad Computacional.

Más información...

Alejandro Ramos Soto

ASISTENTE DE DOCENCIA: Alejandro Ramos Soto

Alejandro Ramos es Doctor en Tecnologías de la Información por la Universidad de Santiago de Compostela. Actualmente es Honorary Research Fellow en la Universidad de Aberdeen e investigador postdoctoral en el Centro Singular de Investigación en Tecnologías de la Información de la Universidad de Santiago de Compostela. Sus áreas de interés abarcan la lógica difusa, la generación de lenguaje natural y la hibridación entre ambas disciplinas. En esta línea de trabajo ha publicado 5 artículos de revista y más de 20 trabajos en conferencias nacionales, internacionales y workshops. Cuenta en su haber con dos registros software y ha recibido varios premios que reconocen su trabajo de investigación, como el Premio Sociedad Científica Informática de España-Fundación BBVA o el Best PhD Thesis Award otorgado por la European Society for Fuzzy Logic and Technology (EUSFLAT). En el ámbito docente ha colaborado en asignaturas del Grado en Ingeniería en Informática y el Grado en Ingeniería Química de la Universidad de Santiago de Compostela. Así mismo, ha sido codirector de diversos Trabajos de Fin de Grado y Fin de Máster.

Más información...

MOOC es el acrónimo en inglés de Massive Online Open Course (que puede traducirse como Curso masivo abierto online).

Las siglas MOOC se utilizan para referirse a una iniciativa que comenzó en 2011 con un curso de Introducción a la Inteligencia artificial de la Universidad de Stanford en el que se inscribieron 160.000 estudiantes de 190 países, y que se ha convertido ya en un movimiento global al que se han incorporado las mejores universidades del mundo con la creación de diversas plataformas MOOC y miles de cursos que comparten un objetivo: proporcionar acceso gratuito a una formación superior de calidad a cualquiera que tenga una conexión a internet.

Los MOOCs están basados en la integración de tecnologías que existen desde hace tiempo en Internet: el vídeo en red, la evaluación automática a distancia y los foros de preguntas y respuestas en la web. Pero es ahora cuando los usuarios se han acostumbrado a usar el vídeo en red y las redes sociales en su día a día en Internet, lo que facilita que se creen comunidades de alumnos situados en cualquier parte del mundo que comparten conocimientos y experiencias y se ayudan en el proceso de aprendizaje, dándole a la formación online un nuevo enfoque colaborativo. Esto, unido a la disponibilidad de acceso a los cursos MOOC en cualquier momento y desde cualquier lugar en donde se tenga acceso a Internet, ha permitido crear una nueva comunidad global de estudiantes.

Los MOOCs de UPV[X] están diseñados para ayudarte a aprender trabajando a tu ritmo de forma independiente y proporcionarte el apoyo de la comunidad de aprendizaje si te hace falta.

Para ello los MOOCs están estructurados en módulos que suelen corresponder a una semana de trabajo (aunque no siempre es así). Los módulos se estructuran en lecciones con un vídeo, que dura normalmente entre 3 y 10 minutos, y una pregunta de refuerzo al final para ayudarte a fijar su contenido. Las lecciones están orientadas a tratar un concepto (o un número reducido de ellos) de forma que sean lo más atómicas que sea posible.

Los cursos MOOC de UPV[X] pueden tener distintos esquemas de evaluación, pero lo habitual es que al terminar cada módulo haya un examen (normalmente tipo test) que te permitirá comprobar tu evolución y fijar los conocimientos, y que cuenta en cierto porcentaje para la evaluación final. Con ello tendrás una realimentación frecuente de tu progreso que te permitirá ir mejorar tu proceso de aprendizaje.

Al acabar el MOOC habrá a un examen final para evaluar si has alcanzado los objetivos de aprendizaje que contará en un porcentaje mayor para la evaluación final.

En los MOOC también hay un foro de debate moderado por el equipo del curso donde los alumnos pueden consultar sus dudas sobre el contenido del curso y comentar aquellas cosas que les parezcan interesantes. El acceso a una comunidad online de internautas con tus mismos intereses y que están aprendiendo a la vez enriquece la experiencia del curso.

Esperamos sinceramente que disfrutes de nuestros MOOCs y aprendas con nosotros