Mente y Cerebro
Código: 108259Créditos: 6
| Titulación | Tipo | Curso |
|---|---|---|
| Inteligencia Artificial / Bachelor in Artificial Intelligence | OB | 4 |
Profesor/a de contacto
- Nombre :
- Margalida Coll Andreu
- Correo electrónico :
- margalida.coll@uab.cat
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Esta asignatura no tiene prerrequisitos.
Objetivos
El objetivo general de este curso es que los estudiantes comprendan cómo funciona el sistema nervioso, cuáles son las bases neuronales de los procesos cognitivos, y la relación bidireccional entre la neurociencia y la inteligencia artificial.
Teniendo en cuenta las consideraciones anteriores, este curso se dirigirá a los siguientes objetivos específicos:
1. Conocer y comprender los fundamentos anatómicos, celulares y moleculares del procesamiento de la información en el sistema nervioso.
2. Comprender los mecanismos de plasticidad en el sistema nervioso, desde el nivel sináptico hasta la reorganización multimodal funcional dependiente de la experiencia.
3. Conocer y comprender las bases neuronales del procesamiento sensorial en los múltiples niveles del sistema nervioso.
4. Conocer y comprender las bases neuronales del aprendizaje y la memoria, y las emociones.
5. Conocer las principales técnicas para el registro y la estimulación de la actividad neuronal, identificando las aplicaciones prácticas basadas en la inteligencia artificial.
Resultados de aprendizaje
- KM27 (Describir los fundamentos anatómicos de los sistemas neuronales que sustentan los procesos cognitivos básicos de procesamiento de información, memoria y aprendizaje) Describir los fundamentos anatómicos de los sistemas neuronales que sustentan los procesos cognitivos básicos de procesamiento de información, memoria y aprendizaje
- SM28 (Relacionar conceptos de los procesos cognitivos y los mecanismos neuronales humanos con el diseño y análisis de algoritmos de aprendizaje y razonamiento automático) Relacionar conceptos de los procesos cognitivos y los mecanismos neuronales humanos con el diseño y análisis de algoritmos de aprendizaje y razonamiento automático
- SM29 (Aplicar técnicas de inteligencia artificial para el análisis de los datos obtenidos mediante técnicas de registro de la actividad neural y entender sus implicaciones para la neurociencia cognitiva) Aplicar técnicas de inteligencia artificial para el análisis de los datos obtenidos mediante técnicas de registro de la actividad neural y entender sus implicaciones para la neurociencia cognitiva
Contenidos
1. Introducción: La interrelación entre la neurociencia y la inteligencia artificial
- Inteligencia artificial bioinspirada
- Aplicaciones de la inteligencia artificial en la neurociencia y en el estudio del comportamiento y las funciones mentales.
2. Estructura y función del sistema nervioso: Niveles molecular, celular y sináptico
2.1. Las células del sistema nervioso
2.2. Potencial de membrana, potencial de acción y transmisión sináptica.
2.3. Mecanismos de plasticidad sináptica.
2.4. Redes neuronales biológicas.
3. Estructura y función del sistema nervioso: nivel de sistemas.
3.1. Principales divisiones del sistema nervioso y su organización.
4. Técnicas de registro y estimulación de la actividad neuronal
4.1. Técnicas electrofisiológicas de estimulación y registro de poblaciones neuronales y neuronas individuales
4.2. Técnicas de imagen de calcio
4.3. Optogenética
4.4. Neuroimagen estructural y funcional.
4.5. Interfaces neuronales
5. Cómo el cerebro percibe el mundo.
5.1. Organización general de los sistemas sensoriales
5.2. Transducción y codificación en los sistemas somatosensoriales
5.3. Transducción y codificación en el sistema auditivo
6. Cómo el cerebro aprende, recuerda y olvida
6.1. Sistemas de memoria cerebrales: bases neuronales de los sistemas implícito y explícito
6.2. Memoria, extinción, olvido y plasticidad sináptica
7. Bases biológicas de las motivaciones y las emociones
7.1. Componentes de las emociones
7.2. Bases neuronales de la expresión y la comprensión de las emociones
7.3. El sistema neural de recompensa y sus alteraciones. Las adicciones
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Estudio, preparación e implementación de actividades | 89 | 3,56 | KM27, SM28, SM29 |
| Tutorías online y presenciales | 52 | 2,08 | KM27, SM28, SM29 |
| Docencia teórica | 0 | 0 | KM27, SM28, SM29 |
En el curso 2026-27 esta asignatura no tendrá docencia presencial, debido a una modificación en el plan de estudios. Esta asignatura sólo se ofrecerá a estudiantes matriculados en cursos anteriores que no la hubieran superado. Por ello, la metodología docente consistirá en tutorías cuando el estudiante las requiera y actividades online.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Actividades de seguimiento | 30 | 4 | 0,16 | KM27, SM28 |
| Examen final | 35 | 2 | 0,08 | KM27, SM28 |
| Presentación basada en artículos científicos | 20 | 2 | 0,08 | SM28, SM29 |
| Examen parcial | 15 | 1 | 0,04 | KM27 |
La evaluación de esta asignatura se lleva a cabo de forma continua. La evaluación tiene una clara función formativa.
Las competencias de esta asignatura se evaluarán mediante: actividades de seguimiento, informe y presentación individual y exámenes.
Las evidencias de aprendizaje que el estudiante deberá entregar harán referencia a los contenidos y competencias basadas en las informaciones disponibles online, así como en libros y artículos.
- Evidencia 1. Actividades continuas basadas en ejercicios que se realizarán a lo largo del semestre: 30%.
Retroalimentación a través de Moodle oa las tutorías en cuanto se haya realizado cada actividad.
- Evidencia 2. Presentación oral y defensa de un trabajo individual basado en artículos científicos: 20%.
Retroalimentación a través de Moodle o tutorías las semanas 15 y 16.
- Evidencia 3. Examen parcial, que se realizará a mediados del semestre: 15%.
Retroalimentación en las tutorías después de la publicación de las notas.
- Evidencia 4. Examen final, que se realizará al final del semestre y que incluirá contenido de toda la asignatura: 35%.
Retroalimentación en las tutorías después de la publicación de las notas.
Asignatura superada
La asignatura estará superada si el estudiante cumple las dos condiciones siguientes:
a) ha obtenido una calificación de al menos 5 puntos (sobre 10) en el conjunto de las evidencias
b) ha obtenido una puntuación de al menos 4,5 puntos (sobre 10) en la Evidencia 4.
Si no se cumplen estas dos condiciones, la calificación del expediente académico será la suma ponderada de las calificaciones de las cuatro evidencias si esta suma es inferior o igual a 4,5, y 4,5 en caso contrario (por tanto, la calificación máxima disponible para los estudiantes que no cumplan ambos criterios será de 4,5).
Recuperación
Para poder optar a la recuperación, el estudiante debe cumplir los siguientes requisitos: 1) haberse presentado a pruebas de evaluación con un peso mínimo de dos tercios de la nota total de la asignatura; 2) tener una nota igual o superior a 3,5 puntos e inferior a 5 puntos.
La recuperación consistirá en un examen sobre toda la asignatura, que contendrá preguntas sobre todos los contenidos teóricos. La nota máxima que podrá obtenerse en el curso, en caso de superar la recuperación, será de 5.
Asignatura 'no evaluable'
Un estudiante que haya presentado pruebas de aprendizaje con un peso inferior a 4 puntos (40%) tendrá la calificación de "no evaluable" en el expediente académico.
Acto de evaluación única
Esta asignatura no ofrece la posibilidad de realizar una única evaluación (acto de evaluación única).
Bibliografía
Libros y artículos
Carlson, N.R.; Birkett, M.A. (2017). Physiology of Behavior, Global edition. Pearson Education (la biblioteca de la UAB dispone tanto de ejemplares en papel como versiones electrónicas).
Cohen Y, Engel TA, Langdon C, Lindsay GW, Ott T, Peters MAK, Shine JM, Breton-Provencher V, Ramaswamy S. Recent Advances at the Interface of Neuroscience and Artificial Neural Networks. J Neurosci.
2022 Nov 9;42(45):8514-8523. doi: 10.1523/JNEUROSCI.1503-22.2022.
Jeon I, Kim T. Distinctive properties of biological neural networks and recent advances in bottom-up approaches toward a better biologically plausible neural network. Front Comput Neurosci. 2023 Jun
28;17:1092185. doi: 10.3389/fncom.2023.1092185
Páginas web
https://www.ebrains.eu/
https://www.neuroanatomy.ca/
http://lifesciencedb.jp/bp3d
Software
Neurosim
https://www.st-andrews.ac.uk/~wjh/neurosim/index.html
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