Logo UAB

Introducción a la IA

Código: 106558 Créditos ECTS: 3
2024/2025
Titulación Tipo Curso
2504392 Inteligencia Artificial / Artificial Intelligence OB 1

Contacto

Nombre:
Pedro Meseguer Gonzalez
Correo electrónico:
pedro.meseguer@uab.cat

Idiomas de los grupos

Puede consultar esta información al final del documento.


Prerrequisitos

No tiene prerrequisitos. Es una asignatura de 1er curso, 1er semestre.


Objetivos y contextualización

En esta materia se ofrecerá una introducción a la Inteligencia Artificial, con el fin de dar una perspectiva histórica y general de la inteligencia artificial así cómo dejar claro cuál es la realidad del estado del arte y limitaciones de esta tecnología con un énfasis en las implicaciones sociales.


Competencias

  • Comunicarse de manera efectiva, tanto de forma oral como escrita, utilizando adecuadamente los recursos comunicativos necesarios y adaptándose a las características de la situación y de la audiencia.
  • Concebir, diseñar, analizar e implementar agentes y sistemas ciber-físicos autónomos capaces de interactuar con otros agentes y/o personas en entornos abiertos, teniendo en cuenta las demandas y necesidades colectivas.
  • Desarrollar pensamiento crítico para analizar de forma fundamentada y argumentada alternativas y propuestas tanto propias como ajenas.
  • Identificar, analizar y evaluar el impacto ético y social, el contexto humano y cultural, y las implicaciones legales del desarrollo de aplicaciones de inteligencia artificial y de manipulación de datos en diferentes ámbitos.
  • Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
  • Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  • Trabajar de forma autónoma, con responsabilidad e iniciativa, planificando y gestionando el tiempo y los recursos disponibles, adaptándose a las situaciones imprevistas.

Resultados de aprendizaje

  1. Comprender las implicaciones sociales, éticas y legales de la práctica profesional en IA.
  2. Comunicarse de manera efectiva, tanto de forma oral como escrita, utilizando adecuadamente los recursos comunicativos necesarios y adaptándose a las características de la situación y de la audiencia.
  3. Desarrollar pensamiento crítico para analizar de forma fundamentada y argumentada alternativas y propuestas tanto propias como ajenas.
  4. Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
  5. Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  6. Ser capaz de incorporar los principios de la investigación e innovación responsable en los desarrollos basados en la IA.
  7. Trabajar de forma autónoma, con responsabilidad e iniciativa, planificando y gestionando el tiempo y los recursos disponibles, adaptándose a las situaciones imprevistas.

Contenido

INTRODUCTION TO AI

            Origins

            The first relevant advances

            AI winter

            New approaches

            Successful cases

            Future and open problems

            Ethical issues

SEARCH

            Heuristic search

            Combinatorial explosion

            Metaheuristics

            Successful cases

KNOWLEDGE REPRESENTATION - LOGIC

            The role of knowledge

            Logic: proof, models

            Propositional and predicate logic

            Limitations of logic

LEARNING

            Symbolic learning

            Neural learning

            Deep learning

            Successful cases

NATURAL LANGUAGE

            Natural language tasks

            Question answering

            Machine translation

            Successful cases

ROBOTICS

            Sensors and effectors

            Architectures

            Service robotics

            Industrial robotics

ETHICS

            Ethics in engineering

            Moral agents

            Alignment with individual/societal values

            Autonomous car dilemmas

 


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tipo: Dirigidas      
Sesiones de teoría, problemas y presentaciones 25 1 2, 3, 6, 5, 4, 1, 7
Tipo: Autónomas      
Asimilacion de sesiones de teoría y problemas 25,8 1,03 2, 3, 5, 4, 7
Preparación de presentaciones 20 0,8 6, 1

Las sesiones serán presenciales en clase y se organizarán para introducir los contenidos de la asignatura mediante clases magistrales. Además se propondrán lecturas de artículos y un conjunto de presentaciones que se podrán realizar por grupos a lo largo del curso y que se evaluarán y discutirán en las sesiones presenciales. En las presentaciones todos y cada uno de los miembros del grupo deben participar activamente, es decir que deben organizarse entre ellos cómo se dividirán las presentaciones.
 
Las sesiones se organizarán en dos horas semanales con todos los estudiantes. De cara a las presentaciones, la división de los estudiantes en grupos se realizará al principio y será fija por todo el curso. Las sesiones se realizarán en un aula con ordenadores para facilitar, eventualmente, el acceso a internet por parte del estudiante. Se alienta a que el alumno lleve su propio portátil a clase si dispone de uno.
En las sesiones presenciales se irán trabajando los conceptos que se detallan en el temario de la asignatura. En algunos casos, se considerará la posibilidad de poner a disposición del estudiante vídeos explicativos que el estudiante deberá visionar antes de la sesión de clase.
Las clases de problemas servirán para ejemplificar lo que se ha explicado en las clases de teoría. Las presentaciones pondrán a los estudiantes en contacto directo con aplicaciones recientes de IA.
El estudiante tendrá que completar las clases presenciales con el trabajo personal autónomo en la realización de las lecturas y presentaciones que se vayan proponiendo y que deben servir para acabar de entender los contenidos de la asignatura. Hay que tener presente que el temario de la asignatura tiene una continuidad lógica a lo largo del curso, de modo que para poder seguir correctamente una clase es necesario haber asimilado lo que se ha explicado en las sesiones anteriores. 
La gestión de la docencia la asignatura se hará a través de la plataforma Campus Virtual UAB, que servirá para poder ver los materiales, gestionar los grupos de prácticas, realizar las entregas correspondientes, ver las notas, comunicarse con los profesores, etc .

Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.


Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Parcial 1 0,3 2 0,08 2, 3, 5, 4, 7
Parcial 2 0,3 2 0,08 2, 3, 5, 4, 7
Presentaciones 0,4 0,2 0,01 6, 1

La evaluación de la asignatura tendrá en cuenta tres tipos de actividades de evaluación: Dos exámenes parciales en tanto que evaluación individual y entrega de presentaciones por parte de grupos de estudiantes.
La nota final de la asignatura se obtiene combinando la evaluación de estas 3 actividades de la siguiente forma: 
Nota Final = (0.6 las dos pruebas parciales de evaluación individual) + (0.4 Presentaciones por grupos)
Presentaciones: se tendrá que conseguir una nota mínima de 5 en esta actividad para poder aprobar la asignatura.

Se tendrá que conseguir una nota mínima de 5 en la nota de la evaluación individual para poder aprobar la asignatura.
Evaluación individual: en este apartado se incluye el resultado de las pruebas individuales que se realizarán a lo largo del curso. Habrá pruebas parciales que se harán durante el período lectivo del curso y una prueba final durante el período oficial de exámenes. Esta prueba final será de recuperación y sólo tendrán que hacerla los estudiantes que no hayan superado alguno de los dos parciales. Si se ha superado uno de los dos parciales, pero el otro no, en esta prueba sólo debe recuperarse la parte de la asignatura correspondiente al parcial que no se haya superado.
• Se tendrá que conseguir una nota mínima de 4,5 en cada uno de los dos parciales para poder aprobar la asignatura.
• La nota final será la media de los dos parciales:
 
Evaluación Individual = (0.5 * Parcial1) + (0.5 * Parcial 2)
 
La evaluación de la asignatura tendrá en cuenta tres tipos de actividades de evaluación: Dos exámenes parciales en tanto queevaluación individual y entrega de presentaciones por parte de grupos de estudiantes.
  
Recuperación:
• Primer parcial: un alumno que suspenda el primer parcial puede recuperarlo en el examen final.
• Segundo parcial: un alumno que suspenda el primer parcial puede recuperarlo en el examen final.
• Presentación / Trabajo: en caso de no alcanzar el 5 en la presentación/trabajo, el grupo debe volver a entregar el trabajo corregido (obviamente, ya no hay tiempo para hacer una segunda presentación) en el examen final, de forma que incluya las indicaciones de los profesores.
No evaluable: Un alumno se considerará no evaluable (NA) si no participa en la presentación y no realiza ninguna de las siguientes pruebas de evaluación: parcial 1, parcial 2, prueba final de recuperación.
 
Suspendidos: Si el cálculo de la nota final es igual o superior a 5 pero no se alcanza el mínimo exigido en alguna de las actividades de evaluación, la nota final será suspendido y se pondrá un 4.5 en la nota del expediente de el alumno.
 
 Matrículas de honor: Otorgar una calificación de matrícula de honor es decisión del profesorado responsable de la asignatura. La normativa de la UAB indica que las MH sólo podrán concederse a estudiantes que hayan obtenido una calificación final igual o superior a 9.00. Puede otorgarse hasta un 5% de MH del total de estudiantes matriculados.
 
Nota importante: copias y plagios
Sin perjuicio de otras medidas disciplinarias que se estimen oportunas, y de acuerdo con la normativa académica vigente, las irregularidades cometidas por un estudiante que puedan conducir a una variación de la calificación se calificarán con un cero (0). Las actividades de evaluación calificadas de esta forma y por este procedimiento no serán recuperables. Si es necesario superar cualquiera de estas actividades de evaluación para aprobar la asignatura, esta asignatura quedará suspendida directamente, sin oportunidad de recuperarla en el mismo curso. Estas irregularidades incluyen, entre otras:
• La copia total o parcial de una práctica, informe, o cualquier otra actividad de evaluación
• Dejar copiar
• Presentar un trabajo de grupo no realizado íntegramente por los miembros del grupo
• Presentar como propios materiales elaborados por un tercero, aunque sean traducciones o adaptaciones, y en general trabajos con elementos no originales y exclusivos del estudiante
• Tener dispositivos de comunicación (como teléfonos móviles, smart watches, etc.) accesibles durante las pruebas de evaluación teórico-prácticas individuales (exámenes).
• Hablar con compañeros durante las pruebas de evaluación teórico-prácticas individuales (exámenes);
• Copiar o intentar copiar de otros alumnos durante las pruebas de evaluación teórico-prácticas (exámenes);
• Usar o intentar usar escritos relacionados con la materia durante la realización de las pruebas de evaluación teórico-prácticas (exámenes), cuando éstos no hayan sido explícitamente permitidos.
 
En estos casos, la nota numérica del expediente será el valor menor entre 3.0 y la media ponderada de las notas (y por tanto no será posible el aprobado por compensación).
En la evaluación de las entregas de problemas y prácticas se utilizarán herramientas de detección de copia del código del programa. 
Nota sobre la planificación de las actividades de evaluación:
Las fechas de evaluación continua y entrega de trabajos se publicarán al principio de curso y pueden estar sujetas a cambios de programación por motivos de adaptación a posibles incidencias. Siempre se informará al Campus Virtual sobre estos cambios ya que se entiende que ésta es la plataforma habitual de intercambio de información entre profesores y estudiantes

 


Bibliografía

Inteligencia Artificial. Ramon López de Mántaras, Pedro Meseguer, en la colección “Qué Sabemos de…”, Los libros de la Catarata, 2017.

Artificial Intelligence. A modern approach. Stuart Russell, Peter Norvig. Cuarta edición. Pearson, 2020.

 


Software

Ninguno.


Lista de idiomas

Nombre Grupo Idioma Semestre Turno
(TE) Teoría 71 Inglés primer cuatrimestre tarde