NO EXISTEN CAMBIOS
The subject guide has been updated with the changes mentioned here
| SUBJECT NAME |
| SUBJECT NAME |
INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL |
| CODE |
| CODE |
71031079 |
| SESSION |
| SESSION |
2026/2027 |
| DEPARTMENT |
| DEPARTMENT |
INTELIGENCIA ARTIFICIAL
|
| DEGREE IN WHICH IT IS OFFERED |
| DEGREE IN WHICH IT IS OFFERED |
|
|
GRADO EN INGENIERÍA EN INTELIGENCIA ARTIFICIAL
|
| COURSE |
| COURSE |
PRIMER
COURSE
|
| PERIOD |
SEMESTER 2
|
| TYPE |
FORMACIÓN BÁSICA |
| CREDITS NUMBER |
| CREDITS NUMBER |
6 |
| HOURS |
| HOURS |
150 |
| LANGUAGES AVAILABLE |
| LANGUAGES AVAILABLE |
CASTELLANO |
El objetivo general de esta asignatura es abordar la historia, las bases y la metodología de la inteligencia artificial. En concreto, se centra fundamentalmente en dos técnicas ampliamente usadas en este campo: por un lado, la búsqueda en un espacio de estados y, por otro lado, la representación de conocimiento y el razonamiento con el mismo. Como cierre, la asignatura aborda de manera introductoria ciertos enfoques actuales de la inteligencia artificial, ofreciendo una visión panorámica de la evolución reciente del campo y poniendo de relieve su relación con las técnicas clásicas de búsqueda y representación del conocimiento. La asignatura es de carácter básico, consta de 6 créditos y pertenece al segundo semestre del primer curso del Grado en Ingeniería en Inteligencia Artificial.
La presente asignatura pertenece a la materia “IA – Representación e Inferencia” y contribuye de forma decisiva al perfil profesional del estudiante al proporcionarle una formación sólida en los fundamentos de la inteligencia artificial, tanto desde una perspectiva conceptual como técnica. A través del estudio de los métodos de búsqueda y representación de conocimiento, el estudiante adquiere las herramientas necesarias para modelar y resolver problemas complejos formalmente, desarrollando así competencias clave en algoritmia, programación y razonamiento automático. Estos contenidos no solo permiten abordar problemas concretos, sino que sientan las bases para el entendimiento de conceptos más avanzados que se desarrollarán en asignaturas de cursos posteriores, siendo por tanto esenciales para completar un perfil profesional o investigador en inteligencia artificial. Además, la asignatura introduce algunos enfoques recientes del campo, proporcionando una visión integradora que conecta los fundamentos clásicos con la evolución actual de la inteligencia artificial. Por último, la asignatura contribuye al desarrollo de un perfil profesional integral al combinar esta base técnica con una perspectiva metodológica, crítica y multidisciplinar. En particular, fomenta la capacidad de diseñar, implementar y evaluar sistemas inteligentes mediante pequeños proyectos prácticos, como la construcción de sistemas basados en reglas en Prolog, y promueve el uso razonado de herramientas actuales. De este modo, se impulsa la formación de especialistas capaces de integrarse en equipos multidisciplinares, dotados no solo de competencias técnicas, sino también de criterio para valorar la idoneidad, los límites y la evolución de las soluciones de inteligencia artificial, teniendo en cuenta su impacto social, económico y ambiental.
Dado el carácter introductorio de la asignatura, no es necesario ningún requisito específico para abordar el estudio de la materia, aparte de los conocimientos que el alumno debería poseer ya en este nivel de enseñanza. No obstante, conviene haber cursado con anterioridad la asignatura de “Lógica y Estructuras Discretas”.
En esta asignatura, el alumno dispone de los siguientes medios para facilitar el proceso de aprendizaje:
(1) Curso virtual de la asignatura desde el que se puede plantear cualquier duda sobre la asignatura y acceder a los recursos de apoyo al estudio
(2) Tutorías virtuales o presenciales en el Centro Asociado correspondiente
(3) Horario de guardia del equipo docente en el que atenderá dudas a través del correo electrónico, del teléfono o presencialmente. Los datos de contacto con el equipo docente y sus horarios de guardia son los siguientes:
Ángeles Manjarrés Riesco
Dpto. de Inteligencia Artificial (Despacho: 3.08)
E.T.S.I. Informática (UNED)
C/ Juan del Rosal, nº 16
28040 Madrid (España)
Tfno.: +34 91 3988125
Correo-e: amanja@dia.uned.es
Horario de guardia: jueves lectivos, de 10:15 hrs. a 14:15 hrs.
Horario de asistencia al estudiante: lunes y miércoles lectivos, de 10:15 hrs. a 14:15 hrs.
Severino Fernández Galán
Dpto. de Inteligencia Artificial (Despacho: 3.23)
E.T.S.I. Informática (UNED)
C/ Juan del Rosal, nº 16
28040 Madrid (España)
Tfno.: +34 91 3987300
Correo-e: seve@dia.uned.es
Horario de guardia: lunes lectivos, de 16 hrs. a 20 hrs.
Horario de asistencia al estudiante: martes y miércoles lectivos, de 16 hrs. a 20 hrs.
En el enlace que aparece a continuación se muestran los centros asociados y extensiones en las que se imparten tutorías de la asignatura. Estas pueden ser:
Consultar horarios de tutorización de la asignatura 71031079
Horarios de
INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
Loading, this may take a while
Cargando...
Véase la sección "Resultados de Aprendizaje" de la presente guía.
Esta asignatura facilita la adquisición por parte del alumno, en mayor o menor medida, de un conjunto de competencias que se pueden dividir en dos tipos principales:
(1) Competencias básicas:
RA01: Al finalizar el aprendizaje, el o la estudiante será capaz de aplicar los conocimientos necesarios de álgebra, cálculo, análisis, matemática discreta, lógica y estadística para la resolución de los problemas propios de la inteligencia artificial. TIPO: Habilidades o destrezas
RA06: Al finalizar el aprendizaje, el o la estudiante será capaz de analizar las necesidades en algorítmica, complejidad computacional, programación, sistemas operativos, bases de datos, estructura, interconexión de sistemas informáticos necesarios para la resolución de problemas de ciencias e ingeniería, de acuerdo con los principios de calidad, fiabilidad y seguridad necesarios. TIPO: Habilidades o destrezas
RA08: Al finalizar el aprendizaje, el o la estudiante será capaz de demostrar conocimiento de los procedimientos algorítmicos básicos y los tipos de datos de las tecnologías informáticas necesarios para la resolución de los problemas de inteligencia artificial. TIPO: Conocimientos o contenidos
RA09: Al finalizar el aprendizaje, el o la estudiante será capaz de identificar los algoritmos, estructuras de datos, paradigmas de la programación y lenguajes más adecuados para asegurar la fiabilidad, seguridad y calidad de aplicaciones en problemas que requieran una solución de inteligencia artificial. TIPO: Habilidades o destrezas
RA13: Al finalizar el aprendizaje, el o la estudiante será capaz de demostrar conocimientos y técnicas básicas de los diferentes enfoques de la inteligencia artificial y su integración como profesionales de inteligencia artificial en equipos multidisciplinares. TIPO: Habilidades o destrezas
RA14: Al finalizar el aprendizaje, el o la estudiante será capaz de integrar las técnicas y metodologías avanzadas de su especialidad en problemas que requieran una solución mediante inteligencia artificial con equipos humanos multidisciplinares. TIPO: Competencias
(2) Competencias específicas:
RA-IA02: Al finalizar el aprendizaje, el o la estudiante será capaz de desarrollar sistemas basados en conocimiento orientados a la resolución de problemas y toma de decisiones que requieran conducta inteligente, en problemas de clasificación supervisada y no supervisada, de búsqueda de relaciones de independencia condicional entre variables relacionadas, o que puedan percibir su entorno para la manipulación, navegación y planificación de su comportamiento, con cierto grado de autonomía. TIPO: Habilidades o destrezas
Además, la presente asignatura permite alcanzar los siguientes logros a la finalización del curso académico:
R1. Conocer la historia y los paradigmas de la inteligencia artificial
R2. Conocer, aplicar y evaluar algoritmos para la resolución de problemas de búsqueda
R3. Representar e inferir conocimiento mediante lógica, reglas, redes y marcos
Bloque 1: Aspectos Conceptuales de la Inteligencia Artificial y la Ingeniería del Conocimiento
1.1 Introducción
1.2 La Inteligencia Artificial como Ciencia y como Ingeniería de Conocimiento
1.3 Perspectiva histórica: fundamentos y metodología
1.4 Paradigmas actuales en Inteligencia Artificial
1.5 El conocer humano y el conocer de las máquinas
1.6 Algunas sugerencias
Bloque 2: Introducción a las Técnicas de Búsqueda
2.1 Introducción
2.2 Algunos ejemplos
2.3 Formulación de problemas de búsqueda
2.4 Métodos de búsqueda sin información
Bloque 3: Técnicas Basadas en Búsquedas Heurísticas
3.1 Introducción
3.2 Búsqueda primero el mejor
3.3 El algoritmo A*
3.4 Búsqueda con memoria limitada
3.5 Algoritmos voraces
3.6 Algoritmos de ramificación y poda
3.7 Algoritmos de mejora iterativa o búsqueda local
Bloque 4: Lógica y Representación del Conocimiento
4.1 Introducción: ¿Por qué la Lógica?
4.2 Lógica proposicional
4.3 Lógica de primer orden
4.4 Extensiones de las lógicas clásicas
4.5 Aplicaciones: el ejemplo de las lógicas temporales
Bloque 5: Sistemas Basados en Reglas
5.1 Introducción
5.2 Componentes básicos de los Sistemas Basados en Reglas
5.3 Inferencia
5.4 Técnicas de equiparación
5.5 Técnicas de resolución de conflictos
5.6 Ventajas e inconvenientes
5.7 Dominios de aplicación
Bloque 6: Redes Semánticas y Marcos
6.1 Introducción
6.2 Redes Semánticas
6.3 Inferencia de conocimiento en redes semánticas
6.4 Marcos
6.5 Inferencia de conocimiento en Sistemas Basados en Marcos
Esta asignatura se imparte conforme a la metodología no presencial que caracteriza a la UNED, en la cual prima el autoaprendizaje del alumno, pero asistido por el profesor mediante diversos sistemas de comunicación docente-discente mayoritariamente asíncronos y por las tutorías en los centros asociados, que pueden ser presenciales o permitir la conexión del alumnado con independencia de su localización geográfica. Además, la docencia se imparte con apoyo de una plataforma virtual interactiva en la que se combinan distintos recursos como contenidos, foros de discusión, glosario de términos, tareas y enlaces.
Al constar esta asignatura de 6 créditos y corresponder cada crédito a 25 horas de trabajo del alumno, la carga total de trabajo se corresponde con 150 horas. Las actividades formativas realizadas por el alumno se distribuyen entre el trabajo autónomo (estimado en 120 horas) y el tiempo de interacción con el equipo docente o con el tutor a través de los distintos medios existentes (estimado en 30 horas). El trabajo autónomo del alumno se divide entre el trabajo con contenidos teóricos (estimado en 60 horas) y el desarrollo de tareas prácticas (estimado en 60 horas) como, por ejemplo, la realización del plan de actividades o la resolución de problemas.
El alumno estudiará los contenidos teóricos presentes en el texto base de la asignatura. Como complemento a lo anterior, podrá realizar los ejercicios prácticos (propuestos o resueltos) incluidos tanto en el texto base de la asignatura como en el curso virtual de la misma. Además, deberá realizar dos actividades evaluables preparadas por el equipo docente y corregidas por un profesor tutor.
El enfoque pedagógico estará guiado por los objetivos y resultados de aprendizaje señalados en secciones anteriores. Estos implican en primer lugar la comprensión en profundidad de distintos paradigmas, técnicas y aplicaciones de la inteligencia artificial en el contexto general de la ingeniería informática, y la práctica de su aplicación en problemas sencillos. Suponen también el desarrollo de una actitud crítica y un juicio inteligente de sus ventajas e inconvenientes, la formación de criterios de evaluación de su idoneidad y límite de aplicabilidad en diferentes ámbitos. Todo lo anterior requiere un aprendizaje activo y significativo.
El aprendizaje activo se estimulará mediante la experimentación con ejercicios prácticos que ilustrarán el fundamento y objeto de los diferentes conceptos teóricos. Por otro lado, los recursos didácticos utilizados estarán orientados al aprendizaje significativo, con énfasis en situar los contenidos en el contexto general de aprendizaje del alumno. De este modo, los conceptos teóricos se situarán en el contexto global de las ciencias de la computación, y los contenidos de carácter práctico en el contexto general de los paradigmas, técnicas y aplicaciones de la ingeniería informática. Se fomentará asimismo la argumentación en torno a las ventajas de las soluciones tecnológicas propuestas.
Las habilidades técnicas específicas de la materia se desarrollarán mediante los ejercicios prácticos de carácter optativo y mediante las actividades evaluables. Con estas últimas se ejercitarán particularmente las competencias profesionales genéricas mencionadas previamente. Estas actividades tendrán el formato de pequeños proyectos informáticos e implicarán la redacción de una breve memoria y la práctica de competencias cognitivas superiores, competencias de expresión y comunicación, y usos de recursos de la Sociedad del Conocimiento. Los objetivos de formación integral se atenderán también particularmente al abordar los primeros capítulos de temario, “Perspectiva Histórica y Conceptual” y “Aspectos Metodológicos en Inteligencia Artificial”. Los ejercicios prácticos relativos a estos temas instarán al alumno a la reflexión sobre las dimensiones filosóficas, y humanistas en general, de la disciplina mediante técnicas pedagógicas constructivistas, basadas en la consulta de documentación diversa y el trabajo en grupo.
Las dudas de estudio, y las relativas a los ejercicios y actividades prácticas, podrán consultarse durante las tutorías presenciales que tienen lugar en los centros asociados, o haciendo uso de los foros del curso virtual. Cada alumno tendrá asociado un profesor tutor que atenderá a sus dudas y orientará su estudio. Adicionalmente, los profesores de la asignatura proporcionarán asimismo pautas de estudio e intervendrán para la aclaración de los aspectos más complejos de la materia. En todo momento, el alumno dispondrá de los medios necesarios para una adecuada educación a distancia.
ONSITE TEST
|
| Type of exam |
| Type of exam |
Examen tipo test |
| Quiz questions |
| Quiz questions |
30 |
| Duration of the exam |
| Duration of the exam |
120 (minutes) |
| Material allowed in the exam |
| Material allowed in the exam |
Ninguno |
| Assessment criteria |
| Assessment criteria |
La prueba presencial constará de alrededor de 30 preguntas tipo test que podrán versar tanto sobre los contenidos del temario como sobre la actividad evaluable "Construcción en Prolog de un Sistema Basado en Reglas Básico". Cada pregunta tiene una única respuesta correcta. Siendo “n” el número total de preguntas, cada pregunta bien contestada contribuye con 10/n sobre 10 a la nota del examen. Si no se contesta una pregunta, la misma contribuye con un 0 a la nota del examen. Por último, cada pregunta mal contestada resta 5/n sobre 10 a la nota del examen. |
| % Concerning the final grade |
| % Concerning the final grade |
80 |
| Minimum grade (not including continuas assessment) |
| Minimum grade (not including continuas assessment) |
|
| Maximum grade (not including continuas assessment) |
| Maximum grade (not including continuas assessment) |
|
| Minimum grade (including continuas assessment) |
| Minimum grade (including continuas assessment) |
|
| Coments |
| Coments |
La PEC "Búsqueda en un Espacio de Estados" y la prueba evaluable "Construcción en Prolog de un Sistema Basado en Reglas Básico" computan el 20% de la nota final: - La nota mínima del examen para aprobar sin haber realizado ninguna de las pruebas es 6,2 - La nota máxima que aporta el examen a la calificación final es 8 - La nota mínima del examen para considerar las notas de las pruebas es 5 Adicionalmente, la autoevaluación constituye un aspecto primordial en cualquier proceso de aprendizaje. A través del curso virtual de la asignatura se ofrece al alumno la posibilidad de realizar tests, contestar a preguntas teóricas y desarrollar la solución a problemas prácticos. Dado que las soluciones estarán disponibles para los alumnos, éstos podrán autoevaluarse de forma continua a lo largo del desarrollo de la asignatura, de cara a abordar con garantías de éxito la prueba presencial final. |
CONTINUOUS ASSESSMENT TEST (PEC)
|
| PEC? |
| PEC? |
Si |
| Description |
| Description |
"Búsqueda en un Espacio de Estados" |
| Assessment criteria |
| Assessment criteria |
Debido a su extensión, los criterios de evaluación detallados de la PEC se especifican en su enunciado, tal como se refleja en la sección de Plan de Trabajo de la versión ampliada de esta guía. |
| Weighting of the PEC in the final grade |
| Weighting of the PEC in the final grade |
10% |
| Approximate submission date |
| Approximate submission date |
Primeros de abril |
| Coments |
| Coments |
Para la realización de esta PEC no será necesario que el alumno acuda al Centro Asociado, ya que podrá realizarse a distancia. Se entregará a través del curso virtual y será corregida por un profesor tutor. Es importante tener en cuenta que sólo se corregirá la PEC una vez durante el curso (previamente a la convocatoria de junio). Por tanto, la nota asignada de cara a junio será la única válida tanto para la convocatoria de junio como para la de septiembre. En caso de que el alumno no realice la entrega de la PEC de cara a la convocatoria de junio, se le asignará un cero al 10% de la nota final correspondiente a la PEC, tanto para la convocatoria de junio como para la de septiembre. A menos que el equipo docente indique lo contrario en el curso virtual, la nota obtenida en la PEC es válida únicamente para las convocatorias del curso académico en que se entrega. Las competencias requeridas para la realización de la PEC serán igualmente objeto de evaluación en la prueba presencial. |
OTHER GRADEABLE ACTIVITIES
|
| Are there other evaluable activities? |
| Are there other evaluable activities? |
Si |
| Description |
| Description |
"Construcción en Prolog de un Sistema Basado en Reglas Básico" |
| Assessment criteria |
| Assessment criteria |
Debido a su extensión, los criterios de evaluación detallados de esta actividad se especifican en su enunciado, tal como se refleja en la sección de Plan de Trabajo de la versión ampliada de esta guía. |
| Weighting in the final grade |
| Weighting in the final grade |
10% |
| Approximate submission date |
| Approximate submission date |
Primeros de mayo |
| Coments |
| Coments |
Para la realización de esta actividad no será necesario que el alumno acuda al Centro Asociado, ya que podrá realizarse a distancia. Se entregará a través del curso virtual y será corregida por un profesor tutor. Es importante tener en cuenta que sólo se corregirá una vez durante el curso (previamente a la convocatoria de junio). Por tanto, la nota asignada de cara a junio será la única válida tanto para la convocatoria de junio como para la de septiembre. En caso de que el alumno no realice su entrega de cara a la convocatoria de junio, se le asignará un cero al 10% de la nota final correspondiente, tanto para la convocatoria de junio como para la de septiembre. El equipo docente indicará en el curso virtual si la nota obtenida en esta actividad es válida para convocatorias distintas a las del curso académico en que se entrega. Las competencias requeridas para la realización de esta actividad serán igualmente objeto de evaluación en la prueba presencial. |
How to obtain the final grade?
|
La nota final sobre 10 se obtiene aplicando la siguiente fórmula:
NOTA FINAL = (0.8 x NOTA EXAMEN) + (0.1 x NOTA PEC) + (0.1 x NOTA ACTIVIDAD EVALUABLE),
donde NOTA EXAMEN es la nota de la prueba presencial sobre 10, NOTA PEC es la nota de la PEC sobre 10. y NOTA ACTIVIDAD EVALUABLE es la nota de la actividad evaluable sobre 10.
Es necesario obtener una nota mínima de 5 (sobre 10) en la prueba presencial para que puedan computarse la nota de la PEC y la nota de la actividad evaluable en la nota final. Si el alumno no obtiene dicha nota mínima en la prueba presencial, estará suspenso independientemente del resto de notas obtenidas. |
La asignatura consta de un libro de texto base. Los capítulos específicos que hay que estudiar de este libro se detallan en la versión extendida de esta guía.
Texto base:
Inteligencia Artificial: Técnicas, Métodos y Aplicaciones
José Tomás Palma Méndez y Roque Marín Morales
McGraw-Hill, 2008
ISBN: 9788448156183
La elección de este texto como texto base de la asignatura se ha visto motivada por el objetivo esencial de formar a profesionales críticos, capaces de evaluar con juicio inteligente las diferentes opciones tecnológicas y aplicaciones características de la inteligencia artificial. El texto se caracteriza por su visión crítica del campo, reconociendo sus retos y valorando sus logros en su justa medida. Se ha valorado también que los diferentes capítulos hayan sido redactados por expertos reputados en sus respectivos campos, profesores experimentados de diferentes universidades españolas, que transmiten tanto su clara visión como su erudito conocimiento, proporcionando referencias clave para la profundización en los tópicos implicados. Estos aspectos son coherentes con un enfoque pedagógico activo, constructivista y significativo. Se trata de un texto didáctico aunque exhaustivo, que incluye adicionalmente una amplia colección de ejercicios propuestos de gran interés. Por último, indicar que este texto está disponible como e-book.
Como material complementario con el que profundizar de forma voluntaria en los contenidos del texto que conforma la bibliografía básica, el equipo docente recomienda los siguientes libros:
- Problemas Resueltos de Inteligencia Artificial Aplicada: Búsqueda y Representación
Severino Fernández Galán, Jesús González Boticario y José Mira Mira
Addison-Wesley, 1998
ISBN: 9788478290178
Este libro contiene una extensa colección de problemas resueltos sobre búsqueda en un espacio de estados y representación de conocimiento mediante lógica, reglas, redes semánticas y marcos. Por un lado, la consulta de estos ejercicios ilustra al alumno en la aplicación de los contenidos teóricos del texto base y, por otro lado, complementa los ejercicios propuestos y resueltos del propio texto base y del curso virtual.
- Artificial Intelligence: A Modern Approach
Stuart Russell and Peter Norvig
Pearson, 2021, 4th Edition
ISBN: 9781292401133
Este libro es un clásico de la literatura del campo, utilizado desde su primera edición en una importante mayoría de universidades del mundo para la docencia de la inteligencia artificial. De naturaleza similar a la del texto base de la asignatura, ofrece una visión alternativa, centrada en el concepto de agente inteligente. Constituye un compendio muy completo que incorpora las áreas más innovadoras y constituye una referencia obligada, pero para el propósito de esta asignatura se ha considerado menos adecuado, desde el punto de vista pedagógico, que el mencionado texto base.
La presente asignatura está virtualizada a través de un curso virtual en el que se ponen a disposición del alumno los siguientes materiales de apoyo al estudio:
(1) Una versión ampliada de la presente guía de estudio
(2) Una lista de preguntas frecuentes sobre la asignatura
(3) Tests y ejercicios resueltos que el alumno puede usar para su autoevaluación
Además, el curso virtual constituye una canal de comunicación de gran utilidad para el intercambio de ideas entre alumnos y profesores.
