Com s'hauria de modelar la intel·ligència? Sembla haver-hi un acord general dins de les Ciències Cognitives (Psicologia, Neurociència, Intel·ligència Artificial) en què la intel·ligència és principalment computació. Malgrat aquest acord, aquestes disciplines difereixen en el nivell adequat d'explicació en què s'ha de caracteritzar tal computació. La Neurociència Computacional, per exemple, intenta comprendre com "computa" el cervell, però emfatitza descripcions biològicament realistes de les neurones i de la seva fisiologia. Però, és aquest un nivell adequat d'explicació? Els objectius del curs són discutir aquests temes i presentar breument als estudiants d'IA els camps de la neurociència computacional, la neurociència i la psicologia per veure com aquestes disciplines es poden enriquir mútuament.
Professorat
Responsable
Alfredo Vellido Alcacena (
)
Ruth De Diego Balaguer (
)
Altres
Ignasi Cos Aguilera (
)
Hores setmanals
Teoria
2.5
Problemes
0
Laboratori
0
Aprenentatge dirigit
0.33333334
Aprenentatge autònom
5.5
Competències
Competències Tècniques Generals
Genèriques
CG1 - Capacitat per a projectar, dissenyar i implantar productes, processos, serveis i instal·lacions en tots els àmbits de la Intel·ligència Artificial.
Competències Tècniques de cada especialitat
Acadèmiques
CEA3 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals d'Aprenentatge Automàtic, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
CEA4 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals d'Intel·ligència Computacional, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
CEA8 - Capacitat de realitzar investigació en noves tècniques, metodologies, arquitectures, serveis o sistemes en l'àrea de la Intel·ligència Artificial.
CEA11 - Capacitat de comprendre les tècniques avançades d'Intel·ligència Computacional, i saber dissenyar, implementar i aplicar aquestes tècniques en el desenvolupament d'aplicacions, serveis o sistemes intel·ligents.
Professionals
CEP5 - Capacitat de dissenyar noves eines informàtiques i noves tècniques d'Intel·ligència Artificial en l'exercici professional.
Competències Transversals
Treball en equip
CT3 - Ser capaç de treballar com a membre d'un equip interdisciplinari, ja sigui com un membre més o duent a terme tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, tot assumint compromisos considerant els recursos disponibles.
ús solvent dels recursos d'informació
CT4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació de l'àmbit d'especialitat, i valorar de forma crítica els resultats d'aquesta gestió.
Actitud adequada davant el treball
CT5 - Estar motivat pel desenvolupament professional, per a afrontar nous reptes i per a la millora contínua. Tenir capacitat de treball en situacions de falta d'informació.
Raonament
CT6 - Capacitat d'avaluar i analitzar de manera raonada i crítica sobre situacions, projectes, propostes, informes i estudis de caracter cientific-tecnic. Capacitat d'argumentar les raons que expliquen o justifiquen aquestes situacions, propostes, etc.
Analisis i sintesis
CT7 - Capacitat d'anàlisi i resolució de problemes tècnics complexos.
Bàsiques
CB6 - Que els estudiants sàpiguen aplicar els coneixements adquirits y la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contexts més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi.
CB8 - Que els estudiants sàpiguen comunicar les seves conclusions i els coneixements i raons darreres que les sustenten- a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.
CB9 - Que els estudiants posseeixin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma.
Objectius
Understanding some Neuroscience basics
Competències relacionades:
CT4,
CB6,
CB8,
CB9,
Understanding some Neuroimaging basics as a basis for Neuroscience
Competències relacionades:
CT4,
CT6,
CT7,
CB6,
CB8,
CB9,
Understanding some basics of Computational Neuroscience
Competències relacionades:
CT4,
CT5,
CT6,
CT7,
CB6,
CB8,
CB9,
Application of Machine Learning and Computational Intelligence to Computational Neuroscience
Competències relacionades:
CEA3,
CEA4,
CEP5,
CT3,
CT4,
CT5,
CT6,
CT7,
CB6,
CB8,
CB9,
Reward processing as a Computational Neuroscience problem
Competències relacionades:
CT4,
CT6,
CT7,
CB6,
CB8,
CB9,
This course will build on different teaching methodology (TM) aspects, including:
TM1: Expositive seminars
TM2: Expositive-participative seminars
TM3: Orientation for individual assignments (essays)
TM4: Individual tutorization
Mètode d'avaluació
The course will be evaluated through a final essay that will take one of these three modalities:
1. State of the art on an specific IDA-DM topic
2. Evaluation of an IDA-DM software tool with original experiments
3. Pure research essay, with original experimental content
Students are expected to have at least some basic background in the area of artificial intelligence and, more specifically, with the areas of Machine Leaning and Computational Intelligence.
Some basic knowledge of probability theory and statistics, as well as neuroscience would be beneficial, but not essential.
Other than this, the course is open to students and researchers of all types of background