Presentación

Al término de esta asignatura, el maestrante será capaz de comprender la relación entre la computación cognitiva y la inteligencia artificial (IA). Así también, propondrá criterios para la creación de ecosistemas cognitivos y de representación del conocimiento aplicables a modelos computacionales cuya plausibilidad se puede establecer en comparación con los mecanismos implicados en la cognición humana (memoria, lenguaje, emoción, motivación y otros procesos cognitivos).

Tema 1. Origen y evolución de la inteligencia artificial

• Introducción y objetivos
• Definición y origen del concepto inteligencia artificial
• Fundamentos de la inteligencia artificial
• Historia de la inteligencia artificial
• Inteligencia artificial y conceptos relacionados

Tema 2. Soluciones empresariales de inteligencia artificial

• Introducción y objetivos
• La inteligencia artificial en la empresa
• Herramientas comerciales para inteligencia artificial
• Tecnologías comerciales de inteligencia artificial
• El futuro de la inteligencia artificial

Tema 3. Implicaciones filosóficas, éticas y legales en la aplicación de la inteligencia artificial

• Introducción y objetivos
• Contexto legal aplicable a proyectos de inteligencia artificial
• Sesgos, legalidad y responsabilidad
• Seguridad y tolerancia ante ataques
• Explicabilidad de algoritmos

Tema 4. Computación cognitiva

• Introducción y objetivos
• Introducción a la computación cognitiva
• Elementos de un sistema cognitivo
• Aplicaciones de la computación cognitiva

Tema 5. Modelos cognitivos

• Introducción y objetivos
• Introducción a la cognición y la ciencia cognitiva
• Inteligencia artificial en la ciencia cognitiva
• Procesos básicos de la cognición humana y funciones cognitivas superiores
• Modelos computacionales basados en la cognición humana

Tema 6. Funciones perceptivas y motoras

• Introducción y objetivos
• Mecanismos perceptivos
• Modelos computacionales de la visión
• Organización del sistema motor

Tema 7. Emoción y motivación

• Introducción y objetivos
• Psicología de la emoción
• Modelos computacionales de la emoción
• Psicología de la motivación
• Modelos computacionales de la motivación

Tema 8. Memoria y lenguaje

• Introducción y objetivos
• Organización de la memoria
• Modelos de memoria operativa
• Psicología del lenguaje
• Modelos computacionales del lenguaje

Tema 9. Las funciones ejecutivas

• Introducción y objetivos
• Componentes de las funciones ejecutivas
• Supervisión de la conducta
• Modelos computacionales de las funciones ejecutivas

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 bajo conducción de un académico de esta asignatura son las siguientes:

• Diálogo e interacción virtual con profesor a través del chat, correo web, foros y sesiones virtuales a lo largo de la asignatura.
• Elaboración de un mapa conceptual sobre la representación del conocimiento en IA y computación cognitiva.
• Análisis sobre el sistema Watson de IBM, enfatizando ventajas y debilidades.
• Ejercicio práctico de diseño colaborativo de una posible aplicación de control para un equipo de robots basado en las soluciones propuestas por los alumnos en el trabajo sobre un ecosistema cognitivo.
• Lectura comentada sobre las concepciones de la emoción.
• Sesión de explicación del modelo de examen.

Las actividades independientes de esta asignatura son las siguientes:

• Elaboración de una tabla comparativa sobre los modelos simbólico, conexionista, evolutivo y corpóreo.
• Lectura y comentario de un artículo sobre las diferencias entre los mecanismos de procesamiento de información en el cerebro y en los sistemas de computación artificiales.
• Resolución de un trabajo sobre el desarrollo de un prototipo de un sistema artificial.
• Cuadro sinóptico sobre la importancia de las funciones ejecutivas.
• Realización de test parciales al finalizar cada tema.
• Interacción en un foro de debate sobre las diferencias entre emoción y cognición.

Descargar programación

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

• Estudio personal
• Tutorías. Las tutorías se pueden articular a través de diversas herramientas y medios. Durante el desarrollo de la asignatura, el profesor programa tutorías en días concretos para la resolución de dudas de índole estrictamente académico a través de las denominadas “sesiones de consultas”. Como complemento de estas sesiones se dispone también del foro “Pregúntale al profesor de la asignatura” a través del cual se articulan algunas preguntas de alumnos y las correspondientes respuestas en el que se tratan aspectos generales de la asignatura. Por la propia naturaleza de los medios de comunicación empleados, no existen horarios a los que deba ajustarse el alumno.
• Examen final online

Bibliografía básica

Recuerda que la bibliografía básica es imprescindible para el estudio de la asignatura. Cuando se indica que no está disponible en el aula virtual, tendrás que obtenerla por otros medios: librería UNIR, biblioteca...

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.

Bibliografía complementaria

• Arel, I., Rose, D. C. y  T. P. Karnowski (2010). Deep Machine Learning - A New Frontier in Artificial Intelligence Research. IEEE Computational Intelligence Magazine, 5(4), 13-18.
• Duan, Y. ¡ Edwards, J. S. Y K Dwivedi (2019). Artificial intelligence for decision making in the era of Big Data – evolution, challenges and research agenda. International Journal of Information Management, 48, 63-71.
• European Commission (2021). Strategy for Artificial Intelligence.
• Ong, Y. S. y A. Gupta (2005). AIR5: Five Pillars of Artificial Intelligence Research. IEEE Transactions on Emerging Topics in Computational Intelligence, 3(5), 411-415.
• Parker, L. E. (2018). Creation of the National Artificial Intelligence Research and Development Strategic Plan. AI Magazine, 39(2), 25-32.
• Rusell, S. y Norving, P. (2020). Artificial Intelligence: A Modern Approach (4th Edition). Pearson.
  ISBN 978-0134610993.
• Zobel, J. (1997). Writing for computer science: The art of effective communication. Springer.

La calificación se compone de dos partes principales:

Examen: se realiza al final de la asignatura, es de carácter ONLINE y OBLIGATORIO. El examen se valora sobre 10 puntos. Supone el 30 % de la calificación final.

Evaluación continua: supone el 70 % de la calificación final. Este 70 % se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo a lo largo de la asignatura.

La nota final debe sumar mínimo 7 puntos para aprobar la asignatura.

Sistema de evaluación	%
Test parciales al finalizar cada tema	10
Trabajo: Tabla comparativa sobre los modelos simbólico, conexionista, evolutivo y corpóreo	10
Lectura: Diferencias entre los mecanismos de procesamiento de información en el cerebro y en los sistemas de computación artificiales	10
Trabajo: Desarrollo de un prototipo de un sistema artificial	20
Cuadro sinóptico: La importancia de las funciones ejecutivas	10
Foro de debate: Diferencias entre emoción y cognicións	10
Examen final online	30

Al tratarse de formación online 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 Curso de introducción al campus virtual. 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. También podrás organizar tu plan de trabajo con tu tutor personal.
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 material es el que debes estudiar para superar la asignatura. Consulta, además, las secciones del tema que contienen material complementario: con esto podrás tener una visión más amplia sobre el tema que estás trabajando.
5. Dedica tiempo al trabajo práctico (sección Tareas 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 (clases en directo, foros de debate…). Para conocer la fecha concreta de celebración de los eventos debes consultar las herramientas de comunicación del aula virtual. Tu profesor y tu tutor personal te informarán de las novedades de la asignatura.

En el aula virtual del Curso de introducción al campus virtual encontrarás siempre disponible la documentación donde te explicamos cómo se estructuran los temas y qué podrás encontrar en cada una de sus secciones.

También puedes consultar ahí el funcionamiento de las distintas herramientas del aula virtual: correo, foro, clases en directo, envío de tareas, etc.