
Lógica Computacional
Código: 106569Créditos: 6
| Titulación | Tipo | Curso |
|---|---|---|
| Inteligencia Artificial / Bachelor in Artificial Intelligence | FB | 1 |
Profesor/a de contacto
- Nombre :
- Roger Deulofeu Batllori
- Correo electrónico :
- roger.deulofeu@uab.cat
Equipo docente (externo a la UAB)
- Roger Deulofeu Batllori
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
No hay prerrequisitos.
Objetivos
Ya sea como método de representación del conocimiento, como sistema de razonamiento, como herramienta de análisis o incluso como lenguaje de programación, el papel de la lógica en la inteligencia artificial (IA) ha sido destacado desde los inicios de la disciplina. El objetivo de este curso es, por tanto, profundizar en el papel de la lógica dentro de la IA, proporcionando al alumnado una comprensión de sus conceptos, técnicas y métodos fundamentales, de manera que pueda aplicarlos en estas diferentes facetas de la IA.
Al mismo tiempo, la asignatura pretende contribuir al desarrollo del pensamiento abstracto y del razonamiento lógico, competencias esenciales para la formación de un futuro ingeniero o ingeniera en IA, tanto para formalizar problemas como para analizar estructuras, evaluar inferencias y justificar soluciones de manera rigurosa.
Resultados de aprendizaje
- CM06 (Integrar estrategias de razonamiento basadas en modelización lógica y en algoritmos de búsqueda en aplicaciones de inteligencia artificial) Integrar estrategias de razonamiento basadas en modelización lógica y en algoritmos de búsqueda en aplicaciones de inteligencia artificial
- KM19 (Explicar los conceptos de la modelización de problemas en lenguajes lógicos y su resolución utilizando algoritmos basados en satisfactibilidad) Explicar los conceptos de la modelización de problemas en lenguajes lógicos y su resolución utilizando algoritmos basados en satisfactibilidad
- SM22 (Aplicar modelización con formalismos lógicos y métodos de satisfacción de restricciones en la resolución de problemas de razonamiento en inteligencia artificial) Aplicar modelización con formalismos lógicos y métodos de satisfacción de restricciones en la resolución de problemas de razonamiento en inteligencia artificial
Contenidos
I. Breve introducción a la teoría de conjuntos
- Noción de conjunto, elemento y pertenencia; formas de definición de un conjunto por extensión y por comprensión.
- Operaciones básicas con conjuntos: unión, intersección, diferencia, complemento e inclusión.
- Producto cartesiano y pares ordenados como base para el estudio de las relaciones y las funciones.
II. Lógica proposicional (lógica veritativo-funcional, TFL)
- Sintaxis de TFL: alfabeto, conectivas, enunciados, etc.
- Semántica de TFL: conectivas veritativo-funcionales, tablas de verdad características, tablas de verdad completas y tablas de verdad parciales.
- Formalización del lenguaje natural mediante TFL y sus limitaciones.
- Razonamiento en TFL. Deducción natural.
- Formas normales y estructuras de datos.
III. Lógica de primer orden (FOL)
- Sintaxis de FOL: cuantificadores, fórmulas, enunciados, etc.
- Semántica de FOL: extensionalidad, interpretaciones, etc.
- Formalización del lenguaje natural mediante FOL y sus limitaciones.
- Resolución en FOL: transformación de fórmulas en formas normales.
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Presentación y discusión sobre los conceptos teóricos principales | 30 | 1,2 | KM19 |
| Ejercicios en clase | 14 | 0,56 | SM22 |
| Prácticas en el aula | 24 | 0,96 | CM06, SM22 |
| Preparación y resolución de ejercicios. | 25 | 1 | SM22 |
| Trabajo autónomo y lecturas. | 25 | 1 | CM06 |
La metodología del curso se basa en clases teóricas del profesor/a, resolución de problemas en clase y aprendizaje invertido (es decir, el alumnado completará las clases con lecturas y trabajos en casa). En algunas clases se dedicará tiempo a revisar y corregir las prácticas evaluativas.
Habrá una parte de prácticas en el aula aproximadamente cada semana, en la que se trabajará tanto de forma individual como colectiva.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Examen parcial 2 | 35% | 12 | 0,48 | CM06, KM19, SM22 |
| Prácticas y ejercicios en el aula | 30% | 8 | 0,32 | CM06, SM22 |
| Examen parcial 1 | 35% | 12 | 0,48 | CM06, KM19, SM22 |
La evaluación se puede llevar a cabo de dos maneras: única o continua.
Evaluación continua
La evaluación continua consta de dos exámenes parciales, cada uno de los cuales vale el 35% de la nota final, y de unas prácticas que se realizarán semanalmente y que valen el 30%. Para aprobar la asignatura será necesario obtener una nota final mínima de 5, calculada a partir de la media ponderada de las tres partes, y la nota mínima de cada parcial no podrá ser inferior a 3,5. Si el resultado de un parcial es inferior a 3,5, deberá recuperarse esa parte en el examen de recuperación, aunque la nota media de las tres actividades sea igual o superior a 5.
Para poder ser evaluado de la parte de prácticas, será necesario haber entregado como mínimo 8 prácticas.
Evaluación única
Constará de un solo examen, que valdrá el 100% de la nota. El estudiante que opte por la evaluación única deberá entregar, el día del examen, todas las prácticas realizadas durante el curso, según las indicaciones del profesorado, como condición para poder presentarse al examen.
Recuperación
Para poder presentarse a la recuperación, la nota media de las tres actividades, en el caso de la evaluación continua, o del examen, en el caso de la evaluación única, deberá ser igual o superior a 3,5. La recuperación para los estudiantes de evaluación continua consistirá en un examen que podrá ser de tres tipos: recuperación del primer parcial, recuperación del segundo parcial o recuperación de los dos parciales. La recuperación para los estudiantes de evaluación única consistirá en un solo examen.
Revisión de calificaciones
Después de cada actividad de evaluación, el profesorado informará a través de Moodle sobre las notas obtenidas, así como sobre el procedimiento y la fecha de revisión.
No evaluable
El estudiante recibirá la calificación de “No evaluable” si no se presenta a uno de los dos exámenes parciales, en el caso de la evaluación continua, o si no se presenta al examen de evaluación única.
Irregularidades
Cualquier irregularidad que pueda alterar significativamente la calificación de una actividad comportará una nota de cero en dicha actividad. En caso de múltiples irregularidades, la nota final de la asignatura será cero, independientemente de cualquier proceso disciplinario.
Los estudiantes de intercambio que soliciten adelantar un examen deberán presentar al profesor un documento escrito de su universidad de origen que justifique su solicitud.
Bibliografía
Básica
P. D. Magnus, Forallx, University at Albany. With additions under a Creative Commons License by T. Button, J. R. Loftis, and R.Trueman, 2021, http://forallx.openlogicproject.org/.
Complementaria:
Ben-Ari, M. (2012). Mathematical logic for computer science. Springer Science & Business Media.
Badesa, C., Jané, I., & Ferrer, R. J. (2019). Elementos de lógica formal. Ariel.
van Benthem, J., van Ditmarsch, H., van Eijck, J. & J. Jaspars. (2016). Logic in Action. Open Course Project, 2016, https://www.logicinaction.org/.
Zhang, H, & J. Zhang (2025). Logic in Computer Science. Springer.
Software
Por determinar.
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Tipo de docencia | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (PAUL) Prácticas de aula | 1 | Inglés | primer cuatrimestre | tarde |
| (TE) Teoría | 71 | Inglés | primer cuatrimestre | tarde |