1.

PRESENTACIN
2.CONTEXTUALIZACIN
3.CONOCIMIENTOS PREVIOS RECOMENDABLES
4.RESULTADOS DE APRENDIZAJE
ASIGNATURA DE MSTER:
MTODOS NEURONALES
BIOINSPIRADOS
Curso 2014/2015
(Cdigo:31101201)

El objetivo del curso es proporcionar al alumno una visin global de los cuatro tipos de mecanismos neuronales (de
percepcin, accin motora, asociacin y adaptacin-aprendizaje) que subyacen al comportamiento adaptativo de un sistema
biolgico que interacta con su medio. A la vez se explora la utilidad de estos mecanismos bio-inspirados en visin artificial y
en robtica. El contenido del curso se estructura en torno al lazo de realimentacin medio-sistema que integra la percepcin
con la accin, tal como corresponde a una visin de la inteligencia de abajo hacia arriba, dejando explcitos los
mecanismos conexionistas de los que emerge el comportamiento adaptativo al que un observador externo llama inteligente.

Esta asignatura optativa de 6 crditos se encuadra en el mdulo "Mtodos de solucin de problemas en IA" dentro de la
especialidad "IA.1: Sistemas Inteligentes de diagnstico, planificacin y control" de la titulacin de posgrado "Master de IA
Avanzada. Fundamentos Mtodos y Aplicaciones".

No hay requisitos previos diferentes de los generales de acceso a este programa de postgrado orientado a la investigacin.
Sin embargo, dada la orientacin bio-inspirada y metodolgica de esta asignatura sera conveniente que el alumno conociera
los distintos paradigmas, la distincin entre los distintos niveles y dominios en los que se puede describir un clculo y algunas
bases neurofisiolgicas de la computacin neuronal.
Tener una visin amplia de la evolucin histrica de la IA.
Distinguir los distintos tipos de mtodos usados para abordar la solucin de tareas en IA en trminos de su
carcter simblico o conexionista y saber cundo son adecuados unos u otros en funcin del balance entre datos
y los conocimientos declarativos explcitos disponibles y en funcin tambin del tipo de interfaz con el medio (un
humano a un robot).
Tener argumentos para defender el carcter no excluyente, ni reduccionista, de la aproximacin basada en
mecanismos.
Conocer al modelo general de computacin neuronal y la forma de codificar las seales de entrada y salida en
trminos de lneas etiquetadas.
Conocer los modelos ms usados en funciones de clculo local analgicas estticas y dinmicas (sumadores
seguidos de sigmoides, funciones de base radial, integradores "con prdidas", ...).
Conocer los modelos discretos ms usuales en redes determinsticas y probabilsticas.
Conocer los algoritmos bsicos de aprendizaje (retropropagacin del gradiente de una funcin del error y
mtodos Hebbianos).
Saber usar algunos de los neurosimuladores bsicos.
Conocer algunas de las propuestas ms representativas de arquitecturas para la cognicin y su relacin con las
propuestas computacionales en torno a los sistemas multiagentes y a la robtica.
Saber distinguir entre funcin de un circuito o un tejido con una localizacin muy concreta (un fotorreceptor que
detecta luz) y un sistema funcional completo que involucra la cooperacin de distintas estructuras neuronales.
Comprender las enormes dificultades que arrastra el asociar funciones externas a la actividad coordinada de un
5.CONTENIDOS DE LA ASIGNATURA

conjunto de redes neuronales (problema de la ingeniera inversa).

Entender el problema de la representacin del medio y las tres fases usadas por la biologa: sensacin (repetida
para cada modalidad sensorial), percepcin (primer nivel de semntica) y conceptualizacin (a travs de la
asociacin plurisensorial).
Ser consciente de los procesos espacio-temporales que son necesarios realizar sobre un conjunto de seales
fsicas para dotarlas de la capacidad de abstraer, de forma econmica y eficiente, la mejor representacin de un
medio concreto, por un animal concreto en vistas a conseguir una reaccin eficiente.
Enlazar neurofisiologa y robtica considerando estos mecanismos sensoriales como fuente de inspiracin para el
diseo de robots a partir de las limitaciones especficas de sus sensores y efectores.
Saber seguir el flujo de informacin en circuitos anatmicos para formular los esquemas de conectividad
subyacentes e identificar los mecanismos asociados (realimentacin, inhibicin mtua, convergencia-divergencia,
retardo y/o modulacin).
Entender la diferencia entre circuito anatmico y modelo formal. Entender las exigencias de invariancia espacial
para usar la convolucin.
Saber asociar la forma y tamao de un ncleo en diferencias con el clculo realizado por la red.
Poder abstraer el nivel de conocimiento del lenguaje de seales propio del nivel fsico.
Tener la opcin de usar mtodos de Inhibicin Lateral en la solucin de problemas de visin activa y de
cooperacin.
Tener una idea razonablemente completa del conjunto de mecanismos y principios de organizacin que nos
ofrece la biologa como fuente de inspiracin para el diseo de nuevos robots y para fundamentar el concepto de
inteligencia "de abajo hacia arriba".
El alumno deber tambin tener argumentos para defender la visin "situada" de la IA y para distinguirla y
combinarla con la visin simblica en funcin de la tarea y del conocimiento disponible.
Saber distinguir la idea de plasticidad cuando se describe en el dominio propio del sistema fsico que la soporta
de cuando se describe en el dominio del observador externo.
Entender que los mecanismos del dominio propio son realmente "sencillos" (asociacin, cambio de eficacia
sinptica, sntesis de proteinas) y que las dificultades estn en encontrar materiales y arquitecturas para
construir nuestros computadores y robots con esa plasticidad.
Entender la diferencia entre la arquitectura de un sistema adaptativo y la de un programa en una mquina de
propsito general.
El contenido de la asignatura se estructura en 5 temas. A continuacin se incluye una breve descripcin de
los objetivos de los mismos:
1. El paradigma conexionista en IA. Aspectos metodolgicos.
El objetivo global del tema es situar la visin del conexionismo basado en mecanismos neuronales en el contexto
general de la IA, estableciendo la distincin y el carcter complementario de los dos tipos bsicos de aproximaciones:
descripciones externas, en lenguaje natural de las tareas y comportamientos que deseamos automatizar y descripciones
internas basadas en los mecanismos neuronales de los que emergen esos comportamientos en los seres vivos.
2. Arquitectura y funciones de clculo local en el conexionismo convencional.
El objetivo de este tema es resumir los aspectos conceptuales y formales del conexionismo convencional (RNAs). En
particular se resumen las funciones de clculo local analgicas y lgicas, haciendo nfasis en su carcter paramtrico.
Tambin se resumen los dos tipos bsicos de aprendizaje supervisado y no supervisado usados para modificar la
conectividad (el valor de los parmetros de las funciones de clculo local). La enseanza prctica asociada se focaliza en
el diseo de clasificadores numricos adaptativos. No es difcil de probar, aunque queda fuera del alcance de este tema,
que otras tareas tales como el control o la prediccin de series temporales, siempre pueden reescribirse en forma de
clasificadores.
3. Espacios de representacin sensorial.
Los objetivos de este tema son: (1) plantear el concepto de espacio de representacin como generalizacin de los
espacios de seales propios de la Fsica, (2) resumir las dos aproximaciones dominantes en Neurociencia y en
Computacin sobre cmo construyen los animales y los humanos sus espacios de representacin (Marr y Gibson), (3)
plantear el problema del enorme salto semntico que hay entre las seales y los conceptos (entre las magnitudes
fsicas y numricas y las magnitudes cognitivas) y (4) resumir algunos de los mecanismos neuronales bsicos para ir
6.EQUIPO DOCENTE
7.METODOLOGA
8.BIBLIOGRAFA BSICA

asociando significados a las seales en su camino ascendente, desde los receptores sensoriales (extraccin de
caractersticas espacio-temporales locales, deteccin de contrastes, movimiento, etc.) y para la percepcin directa (filtros
sintonizados y otros mecanismos de resonancia). Haremos nfasis a lo largo del tema en la necesidad de comprender la
dificultad asociada a la construccin automtica (robot con sensores) de espacios de representacin como fase previa a
la programacin de sistemas automticos de interpretacin de escenas.
4. Mecanismos de accin.
Los objetivos del tema son: (1) conocer las bases neurofisiolgicas del acto motor voluntario, (2) formular las
enseanzas que ofrece la biologa al mundo de la IA y la robtica a la hora de disear planificadores, programas y
controles de actos motores en robots concretos con sensores y efectores concretos y (3) desarrollar algunas actividades
prcticas encaminadas a ilustrar el carcter preprogramado de los patrones motores y el resto de los conceptos descritos
en la parte terica.
5. Funciones de asociacin y de aprendizaje.
El tema tiene dos objetivos globales que despus se desdoblan en otros de alcance ms limitado. El primer objetivo
global es que el alumno entienda el concepto de conducta como secuencia temporal de asociaciones percepcin-accin y
la formulacin de estas conductas como secuencias de transiciones de estados y produccin de salidas en un autmata
finito determinista o probabilstico. Le recordamos al alumno que ya hemos visto en los dos temas anteriores que estos
patrones sensoriales y motores, cuya asociacin estudiamos ahora, estn en gran medida precalculados. Esta es
tambin la recomendacin que hacemos para el diseo de nuestros sistemas artificiales. El segundo objetivo de este
tema es formular el aprendizaje como un proceso de modificacin del patrn de asociaciones percepcin-accin en
funcin de la experiencia del animal (o del robot) en un medio concreto. Aqu estudiamos los distintos tipos de
aprendizaje y su implementacin neuronal, basndonos siempre en la generacin de una seal de control, z(t), que
hace que aumente o disminuya la eficacia de una determinada sinapsis en funcin de que su participacin en una serie
de asociaciones percepcin-accin haya sido premiada o castigada.

ANA ESPERANZA DELGADO GARCIA

JOSE MANUEL CUADRA TRONCOSO
JOSE RAMON ALVAREZ SANCHEZ

La metodologa es la general del programa de postgrado adaptada a las directrices del EEES, de acuerdo con las
recomendaciones del Instituto Universitario de Educacin a Distancia de la UNED. La asignatura no tiene clases presenciales.
Los contenidos tericos se impartirn a distancia, de acuerdo con las normas y estructuras de soporte telemtico de la
enseanza en la UNED. Tratndose de un mster orientado a la investigacin, las actividades de aprendizaje se estructuran
en torno al estado de la cuestin en cada una de las materias del curso y a los problemas en los que se van a focalizar las
actividades asociadas a cada uno de los temas sobre las que se realizar la evaluacin final.
Habr un material didctico elaborado por el propio equipo docente que incluye un resumen de los contenidos de cada tema
y distintos tipos de actividades relacionadas con la simulacin e implementacin de diversos ejemplos de los distintos
mecanismos descritos en la teora. Junto a las actividades y enlaces con fuentes de informacin externas y otros materiales
tambin elaborados por el equipo docente.

Comentarios y anexos:
El equipo docente ha elaborado un Gua Didctica especfica donde se detalla todo el material de estudio recomendado y
necesario. Esa gua contiene las indicaciones de los materiales adecuados para preparar la asignatura, as como material
complementario necesario. Cuando se requiera material externo a esa gua, se indicar su forma de obtencin, aunque en la
mayora de los casos (al igual que la propia Gua Didctica) habr una copia disponible para descarga en el repositorio de
material de la asignatura Mtodos Neuronales Bio-inspirados de cursos de posgrado en la plataforma aLF de comunidades
9.BIBLIOGRAFA COMPLEMENTARIA
10.RECURSOS DE APOYO AL ESTUDIO
11.TUTORIZACIN Y SEGUIMIENTO
12.EVALUACIN DE LOS APRENDIZAJES
virtuales de la UNED http://www.innova.uned.es/dotlrn/.

Comentarios y anexos:
En la Gua Didctica especfica elaborada por el equipo docente se incluyen para cada tema gran cantidad
de referencias bibliogrficas para consultar y ampliar conocimientos, as como tambin recomendaciones de
software para hacer otras prcticas adicionales.

La plataforma de e-Learning aLF, proporcionar la adecuada interfaz de interaccin entre el alumno y sus
profesores. aLF es una plataforma de e-Learning y colaboracin que permite impartir y recibir formacin,
gestionar y compartir documentos, crear y participar en comunidades temticas, as como realizar
proyectos online. En esta plataforma se incluir como documento especfico la Gua Didctica elaborada por
el equipo docente y los materiales necesarios.

La tutorizacin de los alumnos se llevar a cabo principalmente a travs del curso virtual en la plataforma de e-Learning aLF,
que proporciona foros y chats para comunicacin, almacenes de material y mecanismos para la recogida de las actividades
de evaluacin. Por supuesto, adicionalmente el equipo docente tambin atender por correo electrnico y telfono los
problemas particulares de los alumnos sobre la asignatura.
D Ana Esperanza Delgado Garca:
Guardia: Lunes de 15:00 a 19:00 horas
Asistencia al Estudiante: Lunes y Jueves de 11:00 a 15:00 horas

La evaluacin total de la asignatura se realizar por la acumulacin de las evaluaciones correspondientes a las actividades
indicadas en cada capitulo como evaluables, y que el alumno debe realizar de forma individual (no se admiten grupos) por s
mismo, y entregar por los medios y en los formatos descritos en la Gua Didctica especfica (normalmente a travs del
curso virtual). Los plazos de entrega se especificarn en cada tema y corresponden con la planificacin temporal apropiada a
la cantidad de horas de dedicacin requerida.
Las actividades del contenido principal de cada captulo en la Gua Didctica son necesarias, lo cual significa que es
necesario que el alumno las realice para progresar en los conocimientos de la asignatura y tendr que realizarlas para poder
completar con xito las actividades evaluables. Slo las actividades indicadas especficamente como evaluables son de
entrega obligatoria, en el plazo indicado, para todos los alumnos y son un requisito necesario para aprobar la asignatura.
La valoracin en puntos indicada en cada una de las actividades evaluables de cada captulo, ser utilizada por el equipo
docente para la evaluacin y nota final.
Tambin es necesario que la puntuacin obtenida est equilibrada o compensada entre las diferentes actividades, es decir,
que es necesario obtener puntos de las actividades de todos los temas y tambin de los dos tipos de actividades (tericas o
prcticas) de cada tema.
Las actividades voluntarias al final de cada captulo no son evaluables ni obligatorias, aunque se recomienda al alumno la
realizacin de algunas de ellas para ayudarle a una mejor comprensin de los temas.