Currículo
Inteligência Artificial na Sociedade IAS
Contextos
Groupo: Inteligência Artificial > 2º Ciclo > Parte Escolar > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
OA1 Explicar normas e leis relevantes, considerações éticas, sociais, de privacidade e de governação, demonstrando compreensão das questões relacionadas com a prática de um profissional em Inteligência Artificial (IA). OA2 Discutir o impacto social e as questões profissionais relacionadas com a IA, a implantação de sistemas de IA, avaliando as implicações de delegar o controlo e a tomada de decisão em sistemas inteligentes, incluindo questões sobre equidade, parcialidade, transparência, responsabilidade e explicabilidade da IA. OA3 Justificar a avaliação de estudos de caso e do trabalho dos seus pares. OA4 Comunicar eficazmente com audiências através de uma série de modos e meios de comunicação, especificamente, através de relatórios técnicos escritos e apresentações visuais e orais. OA5 Aplicar princípios de investigação responsáveis e éticos e escolher métodos apropriados para analisar, teorizar e justificar conclusões na prática e investigação profissional em IA.
Programa
P1 Introdução: uma breve história da IA. P2 Como funciona a IA: taxonomia. P3 Viés, Ética, Equidade, Privacidade, Robustez e Confiança;. P4 Quadros legais e regulamentares. P5 AI para o presente: estudos de caso - aplicações conhecidas e AI4Good. P6 O desafio da interpretabilidade e comprensabilidade: XAI. P7 IA para o futuro: tópicos especiais em IA.
Método de Avaliação
Sendo uma UC que trabalha maioritariamente conceitos e métodos de ponta num estado da arte ainda em evolução, não configura a figura de exame escrito a 100%. Os estudantes são avaliados através de: (a) um trabalho de grupo em workshops (GW), (b) apresentando aos pares um artigo de conferência ou revista (RP) num tópico específico (no final do semestre) (c) mini-testes individuais (RI) efetuados durante o semestre, de acordo com a fórmula: 0,3 x GW + 0,4 x RP + 0,3 x RI. Para aprovação, qualquer elemento em avaliação requer uma nota mínima de 8 valores.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 119.0
Carga Total -
Bibliografia
Principal
- S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach. Pearson, Upper Saddle River, NJ, 2009. 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. C. Molnar. Interpretable machine learning. A Guide for Making Black Box Models Explainable, 2019. https://christophm.github.io/interpretable-ml-book/. T. Miller. Explanation in artificial intelligence: Insights from the social sciences. Artificial Intelligence, 267, 1–38, 2019.:
Secundária
- ALLEA The European Code of Conduct for Research Integrity, European Union, URL: https://allea.org/code-of-conduct/ Artificial intelligence act, URL: https://www.europarl.europa.eu/RegData/etudes/BRIE/2021/698792/EPRS_BRI(2021)698792_EN.pdf Material de leitura a determinar ao longo das aulas e de acordo com os temas a tratar, nomeadamente: artigos em revistas científicas/artigos de opinião/livros para discussão em aula.: