• Inicio

    Del 15 de julio al 23 de agosto de 2013.

    Materia corta del Programa de Profesores Visitantes.

    Profesor: Dr. Hector Geffner (ICREA & Universitat Pompeu Fabra, Barcelona, España).

    Objetivos: La planificación (planning) en inteligencia artificial se refiere al enfoque donde el comportamiento autónomo se deriva a partir de un modelo de las acciones, los sensores, y los objetivos. Los desafíos principales en la planificación son computacionales ya que todos los modelos, tanto los que incluyen incertidumbre y realimentación, como los que no, son intratables en el peor de los casos cuando son representados de manera compacta. En este curso, examinaremos la variedad de modelos utilizados en la planificación y las técnicas que se han desarrollado para resolver estos modelos de manera efectiva. El objetivo del curso es brindar una visión moderna y coherente de la planificación que sea precisa, concisa, y mayormente auto-contenida, sin ser superficial. Está dirigido a estudiantes, profesores, e investigadores interesados en el comportamiento autónomo desde la perspectiva de la inteligencia artificial, la ingeniería, o las ciencias cognitivas.

    Puntaje: 2 puntos para la Licenciatura; 2 puntos para el Doctorado (en trámite).

    Carga horaria: Clases teórico/prácticas, 8 horas semanales, 5 semanas. (Se cursa en las semanas del 15/7, 29/7, 5/8, 12/8 y 19/8. La semana del 22/7 no se cursa porque es la ECI.)

    Horario: Martes y jueves de 9 a 13h.

    Prerrequisitos: Conocimientos básicos de Ciencias de la Computación (estructuras de datos y algoritmos, grafos), de Matemática y de Probabilidades (por ejemplo, se sugiere tener Algoritmos y Estructuras de Datos 3 aprobada).

    Modo de evaluación: Examenes parcial y final.

    Inscripción: Por mail a dcosta (at) dc.uba.ar.

    Nota: Las clases serán dadas en castellano, pero los materiales estarán en inglés.

     

    Programa:

    1. Introducción a la Inteligencia Artificial y la Planificación. Plan del curso.
    2. Modelos de estados, grafos y búsqueda. Búsqueda heurística.
    3. Planificación clásica: modelo y lenguaje. Planificación como búsqueda heurística.
    4. Planificación clásica como satisfactibilidad (SAT). Estructura y anchura (width) de los problemas clásicos.
    5. Transformaciones: Objetivos débiles (soft goals), reconocimiento de objetivos y planes, objetivos temporales extendidos (LTL), información incompleta, derivación de controladores de estado finito.
    6. Planificación con realimentación (sensing): modelos lógicos, mantenimiento de creencias (beliefs), anchura (width) y complejidad. Planificación fuerte y cíclica.
    7. Modelos estocásticos completamente observables: MDPs, programación dynamic y búsqueda heurística, planificación MDP en-línea, aprendizaje por reforzamiento.
    8. Modelos estocásticos parcialmente observables: POMDPs, algoritmos exactos y aproximados. Mantenimiento de creencias probabilísticas.
    9. Redes Bayesianas y Redes Bayesianas Dinámicas. Planificación probabilística como inferencia probabilística.
    10. Desafíos y problemas abiertos.

     

    Bibliografía:

    1. "Advanced Introduction to Planning: Models and Methods", H. Geffner and B. Bonet, Morgan & Claypool, a ser publicado en Mayo 2013.
    2. "Artificial Intelligence: A Modern Approach", S. Russell, P. Norvig, 3rd Edition, Prentice 2009.
    3. "Automated Planning: Theory and Practice", M. Ghallab, D. Nau, P. Traverso. Morgan Kauffmann, 2004.

     

    Acerca del profesor:

    Hector Geffner

    Hector Geffner es Profesor ICREA de la Universitat Pompeu Fabra, Barcelona donde coordina el grupo de investigación en inteligencia artificial y dirige el Master on Intelligent Interactive Systems. Hector nació y se crió en Lomas de Zamora, Argentina, obteniendo luego el grado en ingenierí electrónica de la Universidad Simón Bolívar, Caracas, y el doctorado en ciencias de la computación de la Universidad de California, Los Angeles (UCLA). Después de su doctorado, Hector trabajó en el IBM T.J. Watson Research Center de Nueva York desde 1989 a 1992, y en la Universidad Simón Bolívar, en Caracas, desde 1992 a 2001. Hector is conocido por el enfoque heurístico en la planificación, trabajo por el cual recibió el ICAPS Influential Paper Award en 2009 y 2010. Su tesis doctoral, bajo la supervisión de Judea Pearl, recibió el 1990 ACM Dissertation Award. Hector es fellow de AAAI e ECCAI, y Editor Asociado de las revistas Artificial Intelligence (AIJ) y Journal of Artificial Intelligence Research (JAIR). Es author del libro Default Reasoning, MIT Press, 1992, co-editor junto con Rina Dechter y Joseph Halpern del libro "Heuristics, Probability and Causality: A Tribute to Judea Pearl", College Publications, 2010, and co-autor junto con Blai Bonet de Advanced Introduction to Planning: Models and Methods, a ser publicado por Morgan and Claypool, en Mayo 2013.