Salta el contingut

Mòdul 5071 — Models d'Intel·ligència Artificial

Benvingut/da al website del mòdul 5071 — Models d'Intel·ligència Artificial, corresponent al Curs d'especialització Intel·ligència Artificial i Big Data (CEIABD) de l'Institut Sa Palomera (Blanes).

Descripció del mòdul

El mòdul 5071 — Models d'Intel·ligència Artificial és el mòdul d'entrada al curs IABD. Amb 66 hores lectives, ofereix els fonaments teòrics i pràctics imprescindibles per comprendre com funcionen els sistemes intel·ligents actuals i com s'apliquen en entorns professionals reals.

L'any 2026, la intel·ligència artificial ha deixat de ser una promesa de futur per convertir-se en una realitat omnipresent: els assistents de veu, els sistemes de recomanació, els diagnòstics mèdics assistits per IA, els vehicles autònoms i els models de llenguatge com GPT, Claude o Gemini formen part del paisatge tecnològic quotidià. Aquest mòdul dota l'alumnat dels conceptes, vocabulari i perspectiva crítica necessaris per navegar amb solvència en aquest escenari.

Organització del mòdul

El mòdul s'imparteix al primer trimestre del curs IABD. Els coneixements adquirits aquí constitueixen la base sobre la qual es construeixen els mòduls 5072 (Aprenentatge Automàtic) i 5073 (Programació d'IA). No es requereix experiència prèvia en IA, però sí coneixements bàsics de programació (Python) i matemàtiques de batxillerat.

Objectius generals del mòdul

En finalitzar el mòdul l'alumnat ha de ser capaç de:

  1. Caracteritzar sistemes d'IA relacionant-los amb la millora de l'eficiència operativa de les organitzacions.
  2. Utilitzar models d'IA implementant sistemes per a la resolució de problemes reals.
  3. Relacionar el processament del llenguatge natural amb les seves aplicacions, determinant potencial i limitacions.
  4. Analitzar sistemes robotitzats avaluant opcions de disseny i implementació.
  5. Aplicar sistemes experts avaluant la influència dels controladors intel·ligents.
  6. Aplicar els principis legals i ètics vigents al desenvolupament de sistemes d'IA.

Organització del mòdul

El mòdul s'organitza en sis resultats d'aprenentatge (RA), que es treballen de forma seqüencial i progressiva:

flowchart LR
    A["RA1\nFonaments\ndels sistemes\nintel-ligents"] --> B["RA2\nModels d IA i\nAutomatitzacio"]
    B --> C["RA3\nProcessament del\nLlenguatge Natural"]
    C --> D["RA4\nSistemes\nRobotitzats"]
    D --> E["RA5\nSistemes\nExperts"]
    E --> F["RA6\nEtica i\nLegalitat en IA"]

    style A fill:#3949ab,color:#fff,stroke:#283593
    style B fill:#3949ab,color:#fff,stroke:#283593
    style C fill:#3949ab,color:#fff,stroke:#283593
    style D fill:#3949ab,color:#fff,stroke:#283593
    style E fill:#3949ab,color:#fff,stroke:#283593
    style F fill:#3949ab,color:#fff,stroke:#283593

RA1 — Fonaments dels sistemes intel·ligents

Història i paradigmes de la IA, arquitectura d'agents intel·ligents (PEAS) i panorama d'aplicació per sectors.

RA2 — Models d'IA i Automatització

Taxonomia dels models d'IA, RPA/IPA, lògica difusa, sistemes basats en regles i criteris de selecció de models.

RA3 — Processament del Llenguatge Natural

Evolució del PLN, arquitectura Transformer, models de llenguatge actuals, tasques NLP i RAG.

RA4 — Sistemes Robotitzats

Tipus de robots, cinemàtica, ROS 2, visió artificial i casos d'ús industrials.

RA5 — Sistemes Experts

Arquitectura clàssica, xarxes bayesianes, knowledge graphs i IA neuro-simbòlica.

RA6 — Ètica i Legalitat en IA

AI Act de la UE, principis ALTAI, biaixos algorítmics, RGPD i Security by Design.

Qüestionari inicial

Qüestionari inicial — Mòdul 5071

Respon les següents preguntes abans de començar el mòdul. No cal que les respostes siguin perfectes: l'objectiu és detectar els coneixements previs i les idees preconcebudes que tens sobre la IA. Revisarem les respostes al final del mòdul.

Bloc A — Fonaments i història

  1. Quan creus que es va encunyar per primera vegada el terme "intel·ligència artificial"? Qui ho va fer i en quin context?

  2. Quina diferència hi ha entre la IA forta (AGI) i la IA feble (Narrow AI)? Posa un exemple de cadascuna.

  3. Explica amb les teves paraules en què consisteix el Test de Turing. Creus que superar-lo és suficient per demostrar que una màquina és "intel·ligent"?

  4. Quins dels tres paradigmes principals de la IA — simbòlic, connexionista i evolucionari — et sembla més prometedor? Per què?

  5. Esmenta tres aplicacions d'IA que hagis usat personalment en els darrers 7 dies.

Bloc B — Models i aprenentatge automàtic

  1. Quina és la diferència entre aprenentatge supervisat i no supervisat? Posa un exemple pràctic de cada tipus.

  2. Què enteneu per "model d'IA"? Quin és el paper de les dades en la creació d'un model?

  3. Explica de forma senzilla com funciona una xarxa neuronal artificial. Quina relació té amb el cervell humà?

  4. Què és el "sobreajustament" (overfitting) en un model de Machine Learning? Per què és un problema?

  5. Quina diferència hi ha entre RPA (Robotic Process Automation) i la IA? Poden complementar-se?

Bloc C — Processament del Llenguatge Natural

  1. Com creus que un model com ChatGPT "entén" el text que li escrius? Descriu el procés tal com te l'imagines.

  2. Què és un "token" en el context dels LLMs (Large Language Models)? Per què és important per al cost i el rendiment?

  3. Has notat alguna vegada que un model d'IA "al·lucina" (genera informació falsa amb seguretat)? Descriu l'experiència.

  4. Quina creus que és la diferència principal entre un model propietari (p. ex. GPT-4o d'OpenAI) i un model obert (p. ex. LLaMA de Meta)?

  5. Per a quines tasques professionals creus que el PLN té més potencial als propers 5 anys?

Bloc D — Robòtica, sistemes experts i ètica

  1. Quina diferència hi ha entre un robot industrial tradicional i un cobot (robot col·laboratiu)? On s'usa cada un?

  2. Quan va ser l'última vegada que has interactuat amb un sistema expert? (Pensa en sistemes de diagnòstic, recomanació, configuradors de productes, etc.)

  3. L'AI Act de la UE classifica els sistemes d'IA per nivells de risc. Quins nivells creus que existeixen? Posa un exemple de sistema d'alt risc.

  4. Has sentit a parlar del "biaix algorítmic"? Descriu un cas real (o imaginat) en el qual un sistema d'IA podria discriminar un col·lectiu.

  5. Creus que la IA suposarà la destrucció neta de llocs de treball o la creació de nous perfils professionals? Argumenta la teva resposta amb dades si pots.

  • Programació

    Resultats d'aprenentatge, criteris d'avaluació, continguts i planificació temporal del mòdul.

    Programació

  • RA1 · Fonaments dels sistemes intel·ligents

    Història i paradigmes de la IA, agents intel·ligents i panorama d'aplicació.

    RA1

  • RA2 · Models d'IA i Automatització

    Taxonomia de models, RPA/IPA, lògica difusa i sistemes basats en regles.

    RA2

  • RA3 · Processament del Llenguatge Natural

    Transformers, LLMs, tasques NLP i RAG.

    RA3

  • RA4 · Sistemes Robotitzats

    Cinemàtica, ROS 2, visió artificial i casos d'ús industrials.

    RA4

  • RA5 · Sistemes Experts

    Arquitectura clàssica, xarxes bayesianes i IA neuro-simbòlica.

    RA5

  • RA6 · Ètica i Legalitat en IA

    AI Act, principis ALTAI, biaixos algorítmics i RGPD.

    RA6

  • Programació d'aula

    Calendari de sessions, activitats i CAs treballats al llarg del curs.

    Programació d'aula

  • Recursos

    Documentació oficial, eines i bibliografia recomanada.

    Recursos

  • Validació Criteris d'Avaluació

    Mapa de cobertura RA-CA-Instruments i taula completa d'activitats del mòdul.

    Validació