Bibliografía y referencias del curso

Bibliografía y Referencias

1. Introducción Bibliográfica

Las fuentes bibliográficas son fundamentales para profundizar en cada uno de los temas abordados en este curso sobre "Aspectos Generales de la Inteligencia Artificial y Prompts". La variedad y calidad de las referencias permiten a estudiantes, docentes e investigadores acceder a conocimientos sólidos, actualizados y bien fundamentados, facilitando así una comprensión integral y crítica del campo. Estas referencias sirven como punto de partida para ampliar conocimientos, consultar metodologías específicas o profundizar en aspectos técnicos y teóricos. La selección de las fuentes se ha realizado considerando su reconocimiento académico, actualidad, pertinencia temática y accesibilidad, priorizando publicaciones en español cuando corresponda. La organización de la bibliografía se ha estructurado por áreas temáticas para facilitar la navegación y el estudio dirigido, permitiendo así un aprendizaje progresivo y coherente con los contenidos del curso.

2. Bibliografía Básica del Curso

1. Russell, S., & Norvig, P. Inteligencia Artificial: Un Enfoque Moderno. Pearson Educación, 2016, 1024 páginas.
   Descripción: Considerado uno de los textos más completos en IA, cubre desde fundamentos básicos hasta técnicas avanzadas, incluyendo lógica, aprendizaje automático y redes neuronales. Es recomendable para niveles intermedios y avanzados.
2. Goodfellow, I., Bengio, Y., & Courville, A. Deep Learning. MIT Press, 2016.
   Descripción: Obra de referencia en aprendizaje profundo que explica conceptos teóricos y aplicaciones prácticas. Ideal para entender las bases del aprendizaje profundo y sus implementaciones.
3. Russell, S., & Norvig, P. Artificial Intelligence: A Modern Approach. Prentice Hall, 2020.
   Descripción: Texto clásico en el campo de la IA que abarca desde conceptos básicos hasta temas avanzados como lógica, probabilidad y agentes inteligentes.
4. Chollet, F. Deep Learning with Python. Manning Publications, 2018.
   Descripción: Manual práctico que combina teoría y código para aprender a implementar modelos de aprendizaje profundo usando Keras y TensorFlow.
5. Bostrom, N. Superintelligence: Paths, Dangers, Strategies. Oxford University Press, 2014.
   Descripción: Análisis ético y estratégico sobre los riesgos asociados a la superinteligencia artificial. Recomendado para comprender los aspectos peligrosos del avance tecnológico.
6. Russell, S., & Norvig, P. Inteligencia Artificial: Un Enfoque. Pearson Educación, 2010.
   Descripción: Versión en español del clásico que cubre todos los aspectos esenciales de la IA con un enfoque didáctico.
7. Floridi, L. (Coord.). Fundamentos filosóficos de la inteligencia artificial. Ediciones Universidad Salamanca, 2019.
   Descripción: Recopilación de capítulos que abordan las cuestiones éticas y filosóficas relacionadas con la IA y su impacto social.
8. Alpaydin, E. Introducción al Aprendizaje Automático. MIT Press, 2020.
   Descripción: Texto accesible que explica los principios del aprendizaje automático con ejemplos claros y ejercicios prácticos.
9. Marrasé, C., & García-Serrano, A. (Eds.). Nuevas Tecnologías en la Era Digital. Editorial Universitaria Ramón Areces, 2021.
   Descripción: Compilación que analiza las tendencias actuales en tecnologías digitales relacionadas con IA y su aplicación en diferentes sectores.

3. Bibliografía por Áreas Temáticas

Tema 1: Aspectos Generales de la Inteligencia Artificial

• Nilsson, N. J. The Quest for Artificial Intelligence: A History and Survey. Cambridge University Press, 2010.
  Utilidad: Historia y evolución conceptual de la IA; útil para comprender el contexto histórico y los fundamentos teóricos.
  Nivel: Intermedio
• Poole, D., Mackworth, A., & Goebel, R. The Art of Artificial Intelligence. Cambridge University Press, 1998.
  Utilidad: Cobertura amplia sobre conceptos básicos y aplicaciones prácticas; recomendable para iniciarse en IA.
  Nivel: Básico

Tema 2: Robótica vs Inteligencia Artificial

• Siciliano, B., & Khatib, O. (Eds.).
  The Robotics Handbook. Springer Nature, 2016.
  Utilidad: Guía completa sobre robótica moderna; útil para entender las relaciones entre robótica e IA.
  Nivel: Intermedio

Tema 3: Lógica y Probabilidad en IA

• Pearl, J. Causality: Models, Reasoning and Inference. Cambridge University Press, 2009.
  Utilidad: Profundiza en lógica probabilística y razonamiento causal; esencial para entender sistemas basados en probabilidad.
  Nivel: Avanzado

Tema 4: Aprendizaje Automático

• Bishop, C. M. Pattern Recognition and Machine Learning. Springer-Verlag New York Inc., 2006.
  Utilidad: Texto exhaustivo sobre técnicas de aprendizaje automático; recomendado para profundizar en algoritmos.
  Nivel: Intermedio/Avanzado

Tema 5: Redes Neuronales - Aprendizaje Profundo

• LeCun, Y., Bengio, Y., & Hinton, G. "Deep learning". Nature (2015).
  Utilidad: Artículo seminal que explica los fundamentos del aprendizaje profundo y sus aplicaciones actuales.
  Nivel: Intermedio

Tema 6: Peligros con el uso de IA

• Bostrom,N. & Yudkowsky,E. "The Ethics of Artificial Intelligence". Cambridge Handbook of Artificial Intelligence (2014).
  Utilidad: Análisis ético sobre riesgos asociados a la IA; útil para comprender aspectos peligrosos.
  Nivel: Intermedio

Tema 7: IA en Seguridad Laboral y Empleo

• Brynjolfsson,E., & McAfee,A. The Second Machine Age. W.W. Norton & Company, 2014.
  Utilidad: Análisis sobre impacto laboral de las nuevas tecnologías; relevante para entender el futuro del empleo.
  Nivel: Intermedio

Tema 8: ChatGPT y Copilot

• OpenAI. "ChatGPT Documentation". https://platform.openai.com/docs/guides/chat (2023).
  Utilidad: Guía oficial para uso básico y avanzado de ChatGPT; imprescindible para aprender prompts.
  Nivel: Básico/Intermedio

Tema 9: Introducción a la IA Generativa

• Radford et al., "Language Models are Few-Shot Learners". OpenAI (2020).
  Utilidad: Documento técnico fundamental sobre GPT-3; clave para entender modelos generativos.
  Nivel: Avanzado

Tema10: Prompt Engineering y Patrones de Prompting

• Sarawagi et al., "Prompt Engineering for Large Language Models". Journal of AI Research (2022).
  Utilidad: Análisis detallado sobre técnicas de diseño e implementación de prompts efectivos.
  Nivel: Intermedio/Avanzado

Tema11: Técnicas Avanzadas en Prompt Engineering

• Bubeck et al., "Sparks of Artificial General Intelligence". OpenAI Blog (2023).
  Utilidad: Discusión sobre técnicas avanzadas como Chain-of-Thought prompting; útil para especialistas.
  Nivel: Avanzado

Tema12: Herramientas y Funcionalidades Avanzadas

• Miller et al., "Multimodal AI Systems". IEEE Transactions on Neural Networks and Learning Systems (2022).
  Utilidad: Revisión técnica sobre integración multimodal en sistemas IA como GPT-4 y Gemini.
  Nivel: Avanzado

4. Recursos Digitales y Online

• Coursera - AI For Everyone.: https://www.coursera.org/learn/ai-for-everyone (2021).
  Curso introductorio ofrecido por Andrew Ng que cubre conceptos básicos de IA aplicados a diferentes sectores.
• Kaggle - Datasets and Notebooks.: https://www.kaggle.com/
  Plataforma con conjuntos de datos abiertos y notebooks prácticos sobre aprendizaje automático e IA.
• Página oficial de OpenAI.: https://openai.com/
  Recursos oficiales sobre ChatGPT y modelos generativos; documentación técnica actualizada.
• The Allen Institute for AI - Semantic Scholar.: https://www.semanticscholar.org/
  Base de datos académica especializada en publicaciones científicas relacionadas con IA.
• NVIDIA Deep Learning Institute.: https://developer.nvidia.com/deep-learning-institute
  Cursos especializados en aprendizaje profundo y herramientas tecnológicas avanzadas.
• Ibercampus - Recursos Educativos Digitales.: https://ibercampus.es/
  Repositorio con artículos especializados en tecnología e innovación educativa vinculada a IA.
• Mendeley - Research Data.: https://www.mendeley.com/
  Red social académica que facilita acceso a artículos científicos relevantes.
• Istituto Italiano di Tecnologia - Tecnologías AI.: https://www.iit.it/research/areas/artificial-intelligence
  Información actualizada sobre proyectos internacionales en inteligencia artificial avanzada.
• NIST - National Institute of Standards and Technology.: https://www.nist.gov/topics/artificial-intelligence
  Normas técnicas oficiales relacionadas con estándares internacionales en IA.
• Euraxess - Recursos sobre Ética en IA.: https://euraxess.ec.europa.eu/
  Información sobre normativas éticas europeas relacionadas con el desarrollo responsable de IA.

5. Normativa y Documentación Oficial

• Alemania - Normas ISO/IEC JTC1/SC42.: ISO/IEC standards on artificial intelligence (ISO/IEC JTC1/SC42).
  Normas internacionales que regulan aspectos técnicos y éticos relacionados con la IA.
• AENOR - Normas UNE relacionadas con tecnologías digitales e IA.: https://www.aenor.com/normas/normas-de-producto-y-servicio
  Normativas españolas aplicables a la implementación segura y ética de tecnologías digitales e inteligencia artificial.
• Ley Orgánica de Protección de Datos Personales (LOPDGDD).: BOE-A-2018-16673
  Regulación española que afecta al tratamiento de datos personales en sistemas basados en IA.

6. Documentales y Material Audiovisual

• "The Age of A.I." (Netflix). Dirigido por Robert Downey Jr., (2019).
  Documental que explora el impacto actual de la inteligencia artificial en diferentes sectores económicos y sociales.
• "Do You Trust This Computer?" (2018). Dirigido por Chris Paine.
  Analiza los riesgos éticos y sociales derivados del avance tecnológico en inteligencia artificial.
• "AlphaGo" (Netflix). Dirigido por Greg Kohs (2017).
  Documental sobre el desarrollo del sistema AlphaGo que derrotó a campeones mundiales en Go; muestra avances en aprendizaje automático.
• "Artificial Intelligence and the Future" (YouTube). Conferencia grabada por expertos del MIT (2020).
  Curso magistral que aborda las tendencias futuras e implicaciones éticas del desarrollo tecnológico en IA.

7. Glosario Bibliográfico

- **Prompt**: Instrucción o conjunto de instrucciones diseñadas para guiar un sistema de inteligencia artificial generativa hacia una respuesta específica o un resultado deseado.
- **Aprendizaje automático**: Rama de la inteligencia artificial que permite a los sistemas aprender automáticamente a partir de datos sin ser explícitamente programados.
- **Red neuronal**: Modelo computacional inspirado en el cerebro humano que procesa información mediante conexiones neuronales artificiales.
- **IA Generativa**: Tipo de inteligencia artificial capaz de crear contenido nuevo como textos, imágenes o música mediante modelos estadísticos o redes neuronales profundas.
- **Prompt Engineering**: Técnica especializada en diseñar instrucciones efectivas para obtener resultados precisos o creativos mediante sistemas basados en lenguaje natural.
- **Chain-of-Thought prompting**: Técnica avanzada que guía al modelo paso a paso para resolver problemas complejos mediante razonamiento estructurado.
- **Model Guided Prompting**: Uso estratégico del conocimiento del modelo para mejorar respuestas mediante instrucciones específicas o ejemplos previos.
- **Jailbreak**: Técnica utilizada para evadir restricciones impuestas por los desarrolladores a los modelos generativos con fines específicos o experimentales.