Currículo

Inteligência Artificial na Sociedade (EaD) 04950

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

No final da UC, os estudantes deverão ser capazes de: OA1: Conhecer normas, leis e considerações éticas, sociais, de privacidade e de governação relacionadas com a prática profissional em IA. OA2: Discutir criticamente o impacto social da IA e as questões profissionais associadas à sua implementação em sistemas inteligentes, avaliando o impacto da delegação de decisões em máquinas e as implicações em equidade, parcialidade, transparência, responsabilidade e explicabilidade. OA3: Justificar e avaliar estudos de caso e trabalhos de colegas, desenvolvendo competências de análise crítica e capacidade de argumentação. OA4: Comunicar eficazmente com diferentes audiências, através de relatórios técnicos escritos, apresentações visuais e orais, demonstrando clareza e rigor na transmissão de ideias. OA5: Aplicar princípios de investigação e práticas profissionais responsáveis e éticas em IA, escolhendo métodos apropriados para analisar, teorizar e justificar conclusões.

Programa

CP1: Breve história da IA: enquadramento histórico, evolução de métodos, tendências e contextos socioeconómicos. CP2: Como funciona a IA: fundamentos técnicos, abordagens de aprendizagem automática e sistemas inteligentes. CP3: Viés, Ética, Equidade, Privacidade, Robustez e Confiança: análise crítica das implicações sociais, profissionais e legais. CP4: Quadros legais e regulamentares: normas, leis nacionais e internacionais, órgãos reguladores e padrões de cumprimento. CP5: IA no presente: estudos de caso em domínios diversos (saúde, transportes, educação, segurança, media). CP6: Abordagens para tornar modelos e decisões mais transparentes - XAI, Explainable AI. CP7: IA do futuro: tópicos emergentes, prospectiva, cenários de impacto social e técnico, participação pública e responsabilização.

Método de Avaliação

A avaliação, seguindo o previsto em RGACC, recorre à tipologia de avaliação ao longo do semestre, e possui a seguinte composição: (a) [30%] Trabalho de grupo em workshops: - Desenvolvimento de um caso de estudo prático, apresentado e discutido em ambiente online (fóruns ou sessões síncronas). (b) [20%] Avaliar individualmente o resultado do trabalho submetido em (d) (c) [30%] Duas atividades c/ avaliação online individuais (quizzes) (d) [20%] Documento de síntese do estudo de caso (realizado em grupo) Exige nota mínima de 8 valores nas quatro componentes. Para aprovação, o estudante deve obter nota final ≥ 10 valores. Caso contrário, o estudante é reprovado. A não aprovação ao longo do semestre permite a opção por avaliação por exame final. O exame incidirá sobre todos os conteúdos abordados (teóricos e práticos), sendo constituído por uma prova escrita e, se necessário, uma prova oral complementar para esclarecimento de dúvidas. O exame final possui uma ponderação de 100%. A admissão ao exame é possível para quem não atingiu aprovação na tipologia de avaliação ao longo do semestre ou optou por este regime de avaliação, nos termos do RGACC. A melhoria de nota poderá ser obtida repetindo o exame final na época seguinte, conforme regulamento. A presença nas sessões síncronas não é obrigatória, mas recomendada, pela oportunidade de interação direta e feedback imediato. Para além do RGACC, o estudante deve consultar o Regulamento de Estudantes com Estatuto Especial (REEE) e o Código de Conduta Académica (CCA).

Carga Horária

Bibliografia

Principal

• "1. T. Miller. Explanation in artificial intelligence: Insights from the social sciences. Artificial Intelligence, 267, 1–38, 2019. 2. C. Molnar. Interpretable machine learning. A Guide for Making Black Box Models Explainable, 2019. https://christophm.github.io/interpretable-ml-book/. 3. A. Holzinger, P. Kieseberg, E. Weippl & A Min Tjoa. Current Advances, Trends and Challenges of Machine Learning and Knowledge Extraction: From Machine Learning to Explainable AI. Springer Lecture Notes in Computer Science LNCS 11015. Cham: Springer, pp. 1-8, 2018. 4. S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach. Pearson, Upper Saddle River, NJ, 2009." : . .

Secundária

• "1. ALLEA The European Code of Conduct for Research Integrity, European Union, URL: https://allea.org/code-of-conduct/ 2. Artificial intelligence Act, URL: https://www.europarl.europa.eu/RegData/etudes/BRIE/2021/698792/EPRS_BRI(2021)698792_EN.pdf" : . .

Disciplinas de Execução