Profesores: Felipe Bravo Márquez y Claudio Gutierrez
El curso tiene como propósito desarrollar en los y las estudiantes la capacidad de analizar críticamente la arquitectura conceptual, los fundamentos científico técnicos y las tradiciones que sustentan la Inteligencia Artificial contemporánea. A partir de modelos formales, enfoques computacionales y teorías cognitivas, se estudian los principales paradigmas de la IA y sus bases epistemológicas. Asimismo, el curso busca que evalúen rigurosamente la aplicación de métodos de IA en la modelación de problemas cognitivos y sistémicos, y que examinen con rigor las tendencias actuales del campo, así como sus proyecciones futuras, reconociendo sus límites, implicancias éticas y efectos sociales. En conjunto, el curso promueve una comprensión integrada de la IA que articula perspectivas computacionales, científicas y filosóficas, ancladas en desarrollos técnicos concretos.
- Horario: Jueves de 12pm a 14pm a partir del 09/03/26.
- Lugar: Auditorio Ramón Picarte, Departamento de Ciencias de la Computación, Avenida Beauchef 851, Piso 3, Edificio Norte.
- Desde la semana 1 a la 14 existe una lectura obligatoria semanal.
- Cada lectura obligatoria es evaluada mediante un control breve en clase, consistente en una prueba de selección múltiple de 6 preguntas.
- Las clases consideran discusión guiada de las lecturas obligatorias.
- Desde la semana 2 a la 12, cada semana incluye una presentación grupal de estudiantes de 20 minutos.
- Las semanas 13 y 14 están dedicadas exclusivamente a presentaciones de estudiantes sobre perspectivas de la IA.
- La semana 15 corresponde al cierre del curso, sin evaluaciones.
- El curso contempla un examen final.
- Controles de lectura: 50%
- Presentaciones orales: 30%
- Examen: 20%
Tema: ¿Qué es la Inteligencia Artificial? 
Lectura obligatoria
Russell, S. y Norvig, P.
Artificial Intelligence: A Modern Approach, 4th Edition, Capítulo 1
Lecturas complementarias
- McCarthy, J. What is Artificial Intelligence?
- Rusell, S. Human Compatible Artificial Intelligence, Apéndice (introducción breve a la búsqueda, lógica, incertidumbre y aprendizaje)
Tema: Agentes
Lectura obligatoria
Russell, S. y Norvig, P.
Artificial Intelligence: A Modern Approach, 4th Edition, Capítulo 2
Presentación estudiantes Park, J. S. et al. Generative Agents: Interactive Simulacra of Human Behavior
Tema: Aprendizaje profundo
Lectura obligatoria
Schmidhuber, J.
Deep Learning in Neural Networks: An Overview
Presentación estudiantes Serre, T. Deep Learning: The Good, the Bad, and the Ugly
Tema: Aprendizaje de representaciones
Lectura obligatoria
Bengio, Y., Courville, A. y Vincent, P.
Representation Learning: A Review and New Perspectives
Presentación estudiantes Chen, T. et al. A Simple Framework for Contrastive Learning of Visual Representations
Tema: Aprendizaje por refuerzo
Lectura obligatoria
Hugging Face.
Deep Reinforcement Learning Course, Capítulos 1 y 2
Presentación estudiantes Silver, D. et al. Reward is Enough
Tema: Razonamiento y conocimiento
Lecturas obligatorias
-
Brachman, R. y Levesque, H. Knowledge Representation and Reasoning, Capítulo 1
-
Nilsson, N. The Quest for Artificial Intelligence, Capítulo 26: Reasoning and Representation
Presentación estudiantes Davis, R., Shrobe, H. y Szolovits, P. What is a Knowledge Representation?
Tema: Percepción y visión
Lectura obligatoria
Torralba, A., Isola, P. y Freeman, W.
Foundations of Computer Vision, Capítulo 1
Presentación estudiantes Marr, D. Vision, Capítulo 1
Tema: Lenguaje
Lecturas obligatorias
-
Smith, N. A. Contextual Word Representations: A Contextual Introduction
-
Bender, E. y Koller, A. Climbing Towards NLU: On Meaning, Form, and Understanding in the Age of Data
Presentación estudiantes Brown, T. et al. Language Models are Few Shot Learners
Tema: Cognición y Mente
Lectura obligatoria
Bermúdez, J.
Introduction to Cognitive Science, Capítulos introductorio y 1
Presentación estudiantes Friston, K. The Free Energy Principle: A Unified Brain Theory?
Tema: Conciencia
Lecturas obligatorias
-
Chalmers, D. The Conscious Mind, Capítulo 1
-
Chalmers, D. Could a Large Language Model be Conscious?
Presentación estudiantes Identifying Indicators of Consciousness in AI Systems
Tema: Robótica
Lectura obligatoria
Bermúdez, J.
Introduction to Cognitive Science, Capítulo 14 - Robotics: From GOFAI to Situated Cognition and Behavior-Based Robotics
Presentación estudiantes International Federation of Robotics. Artificial Intelligence in Robotics
Lectura complementaria Capuano, F. et al. Robot Learning: A Tutorial
Tema: Interpretabilidad, equidad y ética
Lecturas obligatorias
-
Doshi Velez, F. y Kim, B. Towards a Rigorous Science of Interpretable Machine Learning
-
Barocas, S., Hardt, M. y Narayanan, A. Fairness in Machine Learning: Limitations and Opportunities, Capítulo 1
Presentación estudiantes Bryson, J. The Oxford Handbook of Ethics of AI, Capítulo 1: The Artificial Intelligence of the Ethics of Artificial Intelligence - An Introductory Overview for Law and Regulation
Lecturas complementarias
- Bengio, Y., et al. International AI Safety Report - The International Scientific Report on the Safety of Advanced AI
- Bengio, Y., et al. International ai safety report - First Key Update: Capabilities and Risk Implications
- Bengio, Y., et al. International ai safety report - Second Key Update: Technical Safeguards and Risk Management
Tema: Perspectivas en Inteligencia Artificial
Presentaciones estudiantes
- Brooks, R. Intelligence Without Representation
- Schmidhuber, J. Formal Theory of Creativity, Fun, and Intrinsic Motivation
- Silver, D. y Sutton, R. Welcome to the Era of Experience
- Marcus, G. The Next Decade in AI
- Bengio, Y. The Consciousness Prior
- LeCun, Y. A Path Towards Autonomous Machine Intelligence
- Besold, T. R. et al. Neural-Symbolic Learning and Reasoning: A Survey and Interpretation
- Hooker, S. The Hardware Lottery
Tema: Cierre del curso - El Futuro de la IA
Lectura
Russell, S. y Norvig, P.
Artificial Intelligence: A Modern Approach, Capítulo 28: The Future of AI
Lecturas complementarias
- Sutton, R. The Bitter Lesson
- Hooker, S. On the slow death of scaling