A1 AI

Inteligencia ArtificialInteligencia Artificial Fernando Berzal, Fernando Berzal, [email protected]@acm.org

Inteligencia ArtificialInteligencia Artificial

Qu es la Inteligencia Artificial?Qu es la Inteligencia Artificial?

Definiciones de Inteligencia ArtificialDefiniciones de Inteligencia Artificial

Racionalidad computacionalRacionalidad computacional

Historia de la Inteligencia ArtificialHistoria de la Inteligencia Artificial

AplicacionesAplicaciones

11


Algo que ver con la ciencia ficcin?Algo que ver con la ciencia ficcin?

22


Algo que ver con la ciencia ficcin?Algo que ver con la ciencia ficcin?

33


Qu significa ser inteligente?Qu significa ser inteligente?

La inteligencia se puede definir como la capacidad de La inteligencia se puede definir como la capacidad de La inteligencia se puede definir como la capacidad de La inteligencia se puede definir como la capacidad de resolver problemas o elaborar productos que sean resolver problemas o elaborar productos que sean valiosos en una o ms culturas.valiosos en una o ms culturas.

---- Howard Gardner, Universidad de HarvardHoward Gardner, Universidad de Harvard

44


Definiciones de Inteligencia ArtificialDefiniciones de Inteligencia Artificial

Sistemas queSistemas que

( piensan | actan ) ( piensan | actan ) ( piensan | actan ) ( piensan | actan )

( racionalmente | como humanos )( racionalmente | como humanos )

55


Definiciones de Inteligencia Artificial:Definiciones de Inteligencia Artificial:

Sistemas que piensan como humanosSistemas que piensan como humanos

El nuevo y excitante esfuerzo de hacer que los El nuevo y excitante esfuerzo de hacer que los ordenadores piensen mquinas con mentes en el ordenadores piensen mquinas con mentes en el ordenadores piensen mquinas con mentes en el ordenadores piensen mquinas con mentes en el ms amplio sentido literal (ms amplio sentido literal (HaugelandHaugeland, 1985), 1985)

[La automatizacin de] actividades que vinculamos [La automatizacin de] actividades que vinculamos con procesos de pensamiento humano, actividades con procesos de pensamiento humano, actividades como la toma de decisiones, resolucin de problemas, como la toma de decisiones, resolucin de problemas, aprendizaje (aprendizaje (BellmanBellman, 1978), 1978)

66



Sistemas que piensan racionalmenteSistemas que piensan racionalmente

El estudio de las facultades mentales mediante el uso El estudio de las facultades mentales mediante el uso de los modelos computacionales de los modelos computacionales de los modelos computacionales de los modelos computacionales ((CharniakCharniak & & McDermottMcDermott, 1985), 1985)

El estudio de clculos que hacen posible percibir, El estudio de clculos que hacen posible percibir, razonar y actuar (razonar y actuar (WinstonWinston, 1992), 1992)

77



Sistemas que actan racionalmenteSistemas que actan racionalmente

La inteligencia computacional es el estudio del diseo La inteligencia computacional es el estudio del diseo de agentes inteligentes (de agentes inteligentes (PoolePoole et al., 1998)et al., 1998)de agentes inteligentes (de agentes inteligentes (PoolePoole et al., 1998)et al., 1998)

IA est relacionada con conductas inteligentes en IA est relacionada con conductas inteligentes en artefactos (artefactos (NilssonNilsson, 1998), 1998)

IA construccin de agentes que se comportan IA construccin de agentes que se comportan racionalmente (dados los recursos disponibles) racionalmente (dados los recursos disponibles) (Russell & (Russell & NorvigNorvig, 1995), 1995)

88



Sistemas que actan como humanosSistemas que actan como humanos

El arte de desarrollar mquinas con capacidad para El arte de desarrollar mquinas con capacidad para realizar funciones que cuando son realizadas por realizar funciones que cuando son realizadas por realizar funciones que cuando son realizadas por realizar funciones que cuando son realizadas por personas requieren inteligencia (personas requieren inteligencia (KurzweilKurzweil, 1990), 1990)

El estudio de cmo lograr que los El estudio de cmo lograr que los computadores realicen tareas que, computadores realicen tareas que, por el momento, los humanos hacen mejor por el momento, los humanos hacen mejor ((RichRich & & KnightKnight, 1991), 1991)

99

La ciencia de construir mquinas queLa ciencia de construir mquinas que

ppienseniensen piensen piensen

como humanoscomo humanos racionalmenteracionalmente


acten acten acten acten

como humanoscomo humanos racionalmenteracionalmente

Berkeley CS188Berkeley CS188

1010


Racionalmente?Racionalmente?

Objetivos predefinidos.Objetivos predefinidos.

Racionalidad referida a las decisionesRacionalidad referida a las decisiones Racionalidad referida a las decisionesRacionalidad referida a las decisionesque se toman, no al proceso mental utilizado:que se toman, no al proceso mental utilizado:el cerebro es a la inteligencia lo que las alas al vueloel cerebro es a la inteligencia lo que las alas al vuelo

Objetivos definidos en trminos de la utilidad de los Objetivos definidos en trminos de la utilidad de los resultados obtenidos (funcin de utilidad).resultados obtenidos (funcin de utilidad).

Ser racional es, en este sentido,Ser racional es, en este sentido,maximizar la utilidad esperada.maximizar la utilidad esperada. 1111


Un nombre alternativo para la I.A.Un nombre alternativo para la I.A.

Racionalidad ComputacionalRacionalidad Computacional

o cmo maximizar la utilidad esperadao cmo maximizar la utilidad esperada

Berkeley Berkeley CS188CS188

1212

HistoriaHistoria

Nacimiento de la I.A.Nacimiento de la I.A.

1943 1943 Circuitos Circuitos booleanos como modelos del cerebrobooleanos como modelos del cerebroMcCullochMcCulloch & & PittsPitts: : A logical calculus of the ideas immanent in nervous A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5:115activity. Bulletin of Mathematical Biophysics, 5:115--133.133.

ThresholdThreshold LogicLogic UnitUnit (TLU(TLU):):Primer modelo de neurona artificialPrimer modelo de neurona artificial 1313

HistoriaHistoria


1950 1950 Test de Test de TuringTuringAlan M. Alan M. Turing: Computing Machinery and Intelligence", Turing: Computing Machinery and Intelligence", Mind Mind LIX LIX 236:433236:433460460, , doi:10.1093/mind/LIX.236.433doi:10.1093/mind/LIX.236.433

Conducta inteligenteConducta inteligente

Capacidad Capacidad de lograr eficiencia de lograr eficiencia a a nivel humano en todas las nivel humano en todas las actividades actividades de tipo de tipo cognoscitivo,cognoscitivo,suficiente suficiente para engaar para engaar a a un evaluador un evaluador humanohumano

1414

HistoriaHistoria


1956 1956 Inteligencia ArtificialInteligencia ArtificialDartmouth Summer Research Conference on Artificial Intelligence Dartmouth Summer Research Conference on Artificial Intelligence (John McCarthy, Marvin (John McCarthy, Marvin MinskyMinsky, Nathaniel Rochester, Claude Shannon,, Nathaniel Rochester, Claude Shannon,Ray Ray SolomonoffSolomonoff, Oliver Selfridge, , Oliver Selfridge, TrenchardTrenchard More, Arthur Samuel, More, Arthur Samuel, Ray Ray SolomonoffSolomonoff, Oliver Selfridge, , Oliver Selfridge, TrenchardTrenchard More, Arthur Samuel, More, Arthur Samuel, Herbert Simon & Allen NewellHerbert Simon & Allen Newell))

ConjeturaConjetura inicialinicial

Every Every aspect of learning or any other feature of intelligence can aspect of learning or any other feature of intelligence can bebe

so so precisely described that a machine can be made to simulate itprecisely described that a machine can be made to simulate it..

http://wwwhttp://www--formal.stanford.edu/jmc/history/dartmouth/dartmouth.htmlformal.stanford.edu/jmc/history/dartmouth/dartmouth.html

1515

HistoriaHistoria

Primeros xitosPrimeros xitos

Aos 50: Primeros Aos 50: Primeros programas con programas con IAIA

Juego de damas, 1952Juego de damas, 1952Arthur Samuel, IBMArthur Samuel, IBMArthur Samuel, IBMArthur Samuel, IBM

Poda Poda --

Resolucin de problemas:Resolucin de problemas:Allen Allen Newell, Herbert A. Simon & J. C. Shaw, RAND CorporationNewell, Herbert A. Simon & J. C. Shaw, RAND Corporation

LT LT [[LogicLogic TheoristTheorist], ], 19551955--19561956

GPS GPS [General [General ProblemProblem SolverSolver], 1959], 1959

Demostracin de teoremas usando bsqueda heurstica.Demostracin de teoremas usando bsqueda heurstica. 1616

HistoriaHistoria

Look, Look, MaMa, no , no handshands!!

Principio de resolucin, 1965Principio de resolucin, 1965John Allan Robinson, Rice John Allan Robinson, Rice UniversityUniversity

Algoritmo completo para Algoritmo completo para razonamiento razonamiento lgicolgicoAlgoritmo completo para Algoritmo completo para razonamiento razonamiento lgicolgico

1717

cb

caba

,

HistoriaHistoria

Optimismo desbordadoOptimismo desbordado

Machines will be capable, within twenty years, of Machines will be capable, within twenty years, of doing any work doing any work a man a man can do. can do. Herbert Herbert SimonSimon Herbert Herbert SimonSimon

Within Within 10 years the problems of artificial intelligence 10 years the problems of artificial intelligence will will be substantially be substantially solved. solved. Marvin Marvin MinskyMinsky

I I visualize a time when we will be to robots what dogs visualize a time when we will be to robots what dogs are are to humansto humans, and I'm rooting for the machines. , and I'm rooting for the machines. Claude Claude ShannonShannon 1818

HistoriaHistoria

resultados decepcionantes resultados decepcionantes

TraduccinTraduccin automticaautomtica [Machine Translation][Machine Translation]

The The spirit is willing but the flesh is weakspirit is willing but the flesh is weak..The The spirit is willing but the flesh is weakspirit is willing but the flesh is weak..

(Russian(Russian))

The vodka is good but the meat is rotten.The vodka is good but the meat is rotten.

ALPAC report, 1966 ALPAC report, 1966 EliminacinEliminacin de la de la financiacinfinanciacin gubernamentalgubernamental parapara sistemassistemas MTMT 1919

HistoriaHistoria

El invierno de la I.A.El invierno de la I.A.

19661966 ALPAC report ALPAC report ((traduccintraduccin automticaautomtica))

19691969 Marvin Marvin MinskyMinsky & & SeymoutSeymout Paper: Paper: PerceptronsPerceptrons((abandonoabandono de de modelosmodelos conexionistasconexionistas,,((abandonoabandono de de modelosmodelos conexionistasconexionistas,,la la investigacininvestigacin en en redesredes neuronalesneuronales casicasi desaparecedesaparece))

19731973 LighthillLighthill report report ((investigacininvestigacin en IA en el en IA en el ReinoReino UnidoUnido))

1974 1974 DecepcinDecepcin en en DARPA con CMUDARPA con CMU((programasprogramas de de reconocimientoreconocimiento de de vozvoz))

RecortesRecortes de DARPA a la de DARPA a la investigacininvestigacin en IAen IA

http://en.wikipedia.org/wiki/AI_winterhttp://en.wikipedia.org/wiki/AI_winter2020

HistoriaHistoria

Estudios sobre complejidad computacionalEstudios sobre complejidad computacional

Aos 70Aos 70

Problemas NPProblemas NP--difciles: Problemas que para resolverlos difciles: Problemas que para resolverlos de forma exacta requieren realizar una bsqueda en de forma exacta requieren realizar una bsqueda en un espacio un espacio de tamao exponencial (de tamao exponencial (nadie sabe nadie sabe cmo cmo un espacio un espacio de tamao exponencial (de tamao exponencial (nadie sabe nadie sabe cmo cmo evitar evitar esa esa bsqueda y no se espera que bsqueda y no se espera que se consiga se consiga evitar).evitar).

Todos Todos los problemas de los que se ocupa la los problemas de los que se ocupa la IA IA son son NPNP--difciles.difciles.

Si Si tenemos un algoritmo que encuentra la solucin de tenemos un algoritmo que encuentra la solucin de forma rpida y casi siempre correcta, podemos forma rpida y casi siempre correcta, podemos considerarlo inteligenteconsiderarlo inteligente

IA IA implica bsqueda implica bsqueda sujeta sujeta a erroresa errores.. 2121

HistoriaHistoria

Sistemas basados en el conocimientoSistemas basados en el conocimiento

Aos 70: Primeros sistemas expertosAos 70: Primeros sistemas expertosDENDRALDENDRAL, MYCIN, , MYCIN, PROSPECTOR, R1/XCONPROSPECTOR, R1/XCON

Aos 80: La industria Aos 80: La industria de la I.A. de la I.A. (boom (boom de los sistemas expertos)de los sistemas expertos)(boom (boom de los sistemas expertos)de los sistemas expertos)

2222

Base deconocimiento

Memoria de trabajo

Motor de inferencia

HistoriaHistoria

Renacimiento de la I.A.Renacimiento de la I.A.

Aos 80Aos 80

Modelo Modelo conexionista: conexionista: backpropagationbackpropagation,, 19861986(las (las redes neuronales retoman su redes neuronales retoman su popularidad)popularidad)(las (las redes neuronales retoman su redes neuronales retoman su popularidad)popularidad)David EDavid E. . RumelhartRumelhart, , Geoffrey EGeoffrey E. Hinton & . Hinton & Ronald J. Ronald J. WilliamsWilliams"Learning "Learning representations by backrepresentations by back--propagating propagating errorserrorsNature 323(6088):533Nature 323(6088):533536, 1986. 536, 1986. doidoi::10.1038/323533a010.1038/323533a0

SAT SAT solverssolvers((problemas de satisfaccin de problemas de satisfaccin de restricciones)restricciones)

Modelos Modelos ocultos de ocultos de MarkovMarkov((procesamiento del lenguaje natural)procesamiento del lenguaje natural)

2323

HistoriaHistoria

I.A. modernaI.A. moderna

Aos 90Aos 90

KnowledgeKnowledge DiscoveryDiscovery & Data & Data MiningMiningKDD workshop, Detroit, MI, August 20KDD workshop, Detroit, MI, August 20thth, 1989., 1989.KDD workshop, Detroit, MI, August 20KDD workshop, Detroit, MI, August 20thth, 1989., 1989.

Business rule Business rule enginesengines(versin moderna de los sistemas expertos de los 80(versin moderna de los sistemas expertos de los 80))

Tcnicas estadsticas (aprendizaje bajo incertidumbre)Tcnicas estadsticas (aprendizaje bajo incertidumbre)

Agentes Agentes inteligentesinteligentes 2424

Capacidades de la I.A.Capacidades de la I.A.

QuQu puedepuede hacerhacer actualmenteactualmente la I.A.?la I.A.?

JugarJugar al pingal ping--pong?pong?

ConducirConducir un un vehculovehculo porpor unauna carreteracarretera montaosamontaosa??

ConducirConducir un un vehculovehculo porpor el Camino de Ronda en el Camino de Ronda en obrasobras??

HacerHacer la la compracompra semanalsemanal porpor Internet?Internet? HacerHacer la la compracompra semanalsemanal porpor Internet?Internet?

HacerHacer la la compracompra en un en un mercadillomercadillo??

ConversarConversar con con unauna persona persona durantedurante unauna horahora??

RealizarRealizar unauna operacinoperacin quirrgicaquirrgica??

RecogerRecoger los los platosplatos y y doblardoblar la la roparopa??

JugarJugar al 50x15 en al 50x15 en EspaaEspaa / Jeopardy! en USA?/ Jeopardy! en USA?

TraducirTraducir un un idiomaidioma habladohablado en en tiempotiempo real?real?

EscribirEscribir, a , a propsitopropsito, , unauna historiahistoria divertidadivertida?? 2525

CreatividadCreatividad? ? HistoriasHistorias divertidasdivertidas (sin (sin quererquerer))TALETALE--SPIN System, James Meehan, UC Irvine, 1976SPIN System, James Meehan, UC Irvine, 1976

http://http://en.wikipedia.org/wiki/Computational_creativityen.wikipedia.org/wiki/Computational_creativity

One day Joe Bear was hungry. He asked his One day Joe Bear was hungry. He asked his friend friend Irving Irving Bird where some honey was. Irving told Bird where some honey was. Irving told himhim


Irving Irving Bird where some honey was. Irving told Bird where some honey was. Irving told himhimthere there was a beehive in the oak tree. Joe walked was a beehive in the oak tree. Joe walked totothe the oak tree. He ate the beehive. The End.oak tree. He ate the beehive. The End.

Henry Henry Squirrel was thirsty. He walked over to Squirrel was thirsty. He walked over to the riverthe riverbank bank where his good friend Bill Bird was sittingwhere his good friend Bill Bird was sitting. Henry. Henryslipped slipped and fell in the river. Gravity drownedand fell in the river. Gravity drowned. The . The End.End.

Once Once upon a time there was a dishonest fox and a vain crow. upon a time there was a dishonest fox and a vain crow. One day One day the crow the crow was sitting in his tree, holding a piece of was sitting in his tree, holding a piece of cheese in his mouth. He cheese in his mouth. He noticed that noticed that he was holding the he was holding the piecepieceof of cheese. He became hungry, and cheese. He became hungry, and swallowed the swallowed the cheese. cheese. The The fox walked over to the crow. The End.fox walked over to the crow. The End.

2626

Berkeley CS188

CreatividadCreatividad? ? AlgunaAlguna mejoramejora??


2727

DemosDemos

CapacidadesCapacidades de la I.A.de la I.A.

2828


Sistemas de planificacinSistemas de planificacin

Google Google MapsMaps 2929

Visin artificialVisin artificial


UC Berkeley UC Berkeley projectproject, , fundedfunded byby CaltransCaltrans, 1994, 1994 3030

Visin artificial: Microsoft Visin artificial: Microsoft KinectKinect, 2010, 2010


3131

Visin artificial Visin artificial

2010 Microsoft 2010 Microsoft KinectKinect

2009 Project Natal2009 Project Natal


ImageImage--based 3D reconstructionbased 3D reconstruction

Depth sensorDepth sensor= infrared projector (laser) = infrared projector (laser)

+ monochrome camera (CMOS)+ monochrome camera (CMOS) 3232

Visin artificialVisin artificial

2010 Microsoft 2010 Microsoft KinectKinect

2009 Project Natal2009 Project Natal


3333


RobticaRobtica

RoombaRoomba iRobotiRobot QRIO & AIBO SonyQRIO & AIBO Sony 3434


Vehculos autnomosVehculos autnomos

Stanley Stanley 2005 DARPA Grand 2005 DARPA Grand ChallengeChallenge WinnerWinner 3535


2005 Stanley 2005 Stanley (DARPA Grand (DARPA Grand ChallengeChallenge))

2007 Junior 2007 Junior (DARPA (DARPA UrbanUrban ChallengeChallenge))

2010 Google 2010 Google driverlessdriverless carcar


SensoresSensoresToyota Toyota PriusPrius

GPS: Google GPS: Google StreetStreet ViewView

Cmara de vdeo (parabrisas): Semforos y obstculos mvilesCmara de vdeo (parabrisas): Semforos y obstculos mviles

LIDAR [LIDAR [Light Detection And Ranging]: Light Detection And Ranging]: MapaMapa 3D del 3D del entornoentorno

RadaresRadares (3 (3 frontalesfrontales, 1 , 1 traserotrasero): ): DistanciasDistancias a a objetosobjetos lejanoslejanos

Sensor de Sensor de posicinposicin ((ruedarueda traseratrasera): ): PequeosPequeos movimientosmovimientos3636


2005 Stanley 2005 Stanley (DARPA Grand (DARPA Grand ChallengeChallenge))

2007 Junior 2007 Junior (DARPA (DARPA UrbanUrban ChallengeChallenge))

2010 Google 2010 Google driverlessdriverless carcar


SoftwareSoftware

LocalizacinLocalizacin GPS + GPS + histogramhistogram//KalmanKalman//particleparticle filtersfilters

NavegacinNavegacin A*, programacin dinmicaA*, programacin dinmica

ControlControl PIDPID3737


JuegosJuegos

IBM IBM DeepDeep Blue, 1997Blue, 1997 3838


JuegosJuegos

RoboCupRoboCup 3939


Reconocimiento de vozReconocimiento de voz

AndroidAndroid VoiceVoice SearchSearch KinectKinect ((micmic arrayarray))

4040


Procesamiento del lenguaje naturalProcesamiento del lenguaje natural

IBM Watson, 2011 IBM Watson, 2011 JeopardyJeopardy!! 4141

Stuart Russell & Peter Stuart Russell & Peter NorvigNorvig::Artificial Intelligence: Artificial Intelligence: A Modern Approach A Modern Approach PrenticePrentice--Hall, 3Hall, 3rdrd edition, 2009edition, 2009ISBN 0136042597ISBN 0136042597

BibliografaBibliografa

ISBN 0136042597ISBN 0136042597http://aima.cs.berkeley.edu/http://aima.cs.berkeley.edu/

Nils J. NilssonNils J. NilssonThe Quest for Artificial Intelligence The Quest for Artificial Intelligence Cambridge University Press, 2009Cambridge University Press, 2009ISBN ISBN 05211229370521122937httphttp://ai.stanford.edu/~://ai.stanford.edu/~nilsson/QAI/qai.pdfnilsson/QAI/qai.pdf

4242

Bibliografa complementariaBibliografa complementaria

Elaine Rich & Kevin Knight: Elaine Rich & Kevin Knight: Artificial IntelligenceArtificial Intelligence. . McGrawMcGraw--Hill, 1991.Hill, 1991.

Patrick Henry Winston: Patrick Henry Winston: Artificial IntelligenceArtificial Intelligence. . AddisonAddison--Wesley, 1992. Wesley, 1992.

BibliografaBibliografa

AddisonAddison--Wesley, 1992. Wesley, 1992.

Nils J. Nilsson: Nils J. Nilsson: Principles of Artificial IntelligencePrinciples of Artificial Intelligence. . Morgan Kaufmann, 1986.Morgan Kaufmann, 1986.

Daniel Daniel JurafskyJurafsky & James H. Martin: & James H. Martin: Speech and Speech and Language ProcessingLanguage Processing. Prentice Hall, 2008.. Prentice Hall, 2008.

YoavYoav ShohamShoham & Kevin & Kevin LeytonLeyton--Brown: Brown: MultiagentMultiagentSystems: Algorithmic, GameSystems: Algorithmic, Game--Theoretic, and Theoretic, and Logical FoundationsLogical Foundations. Cambridge University Press, . Cambridge University Press, 2008. 2008. 4343

CursosCursos de de intersinters

Introduction to AIIntroduction to AIPeter Peter NorvigNorvig & & SebastianSebastian ThrunThrun ((StanfordStanford & Google)& Google)https://www.aihttps://www.ai--class.com/class.com/

CS221 CS221 Artificial Artificial IntelligenceIntelligence: : PrinciplesPrinciples & & TechniquesTechniques CS221 CS221 Artificial Artificial IntelligenceIntelligence: : PrinciplesPrinciples & & TechniquesTechniqueshttp://www.stanford.edu/class/cs221/http://www.stanford.edu/class/cs221/StanfordStanford UniversityUniversity

CS188 CS188 IntroductionIntroduction toto Artificial Artificial IntelligenceIntelligenceDan Klein & Peter Dan Klein & Peter AbbeelAbbeel (UC Berkeley)(UC Berkeley)https://www.edx.org/https://www.edx.org/ @ @ edXedXhttp://inst.eecs.berkeley.edu/~cs188/http://inst.eecs.berkeley.edu/~cs188/ @ Berkeley@ Berkeley

4444

CursosCursos de de intersinters

TemasTemas msms especficosespecficos

Machine Learning Machine Learning Andrew T. Ng, Stanford UniversityAndrew T. Ng, Stanford Universityhttps://www.coursera.org/course/mlhttps://www.coursera.org/course/ml

AI AI PlanningPlanning AI AI PlanningPlanningGerhard Gerhard WicklerWickler & Austin & Austin TateTate, , UniversityUniversity of Edinburghof Edinburghhttps://www.coursera.org/course/aiplanhttps://www.coursera.org/course/aiplan

Natural Natural LanguageLanguage ProcessingProcessingDan Dan JurafskyJurafsky & Christopher & Christopher ManningManning, , StanfordStanford UniversityUniversityhttps://www.coursera.org/course/nlphttps://www.coursera.org/course/nlp

ProgrammingProgramming a a RoboticRobotic Car Car SebastianSebastian ThrunThrun, , StanfordStanford UniversityUniversity & Google & Google http://www.udacity.com/overview/Course/cs373/http://www.udacity.com/overview/Course/cs373/ 4545

A1 AI

Documents

Transcript of A1 AI