República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación Universitaria

Universidad Nacional Experimental de la Gran Caracas
(UNEXCA)
Carrera: Administración Sección: 31611

INTELIGENCIA ARTIFICIAL

Alumno:
Rubén Olivieri
17483064

Urimare- Enero - 2023

 INDICE

Introducción 1
¿Qué es la inteligencia artificial? 2
IA especializada vs. IA general 3
Machine Learning y Deep Learning
Aplicaciones y casos prácticos de la inteligencia artificial 4
La historia de la inteligencia artificial 5

Los peligros de la inteligencia artificial 6

Conclusión 8
 Introducción

La Inteligencia Artificial (IA) es una rama de la informática que busca

desarrollar sistemas capaces de realizar tareas que normalmente requieren
inteligencia humana, como el aprendizaje, la toma de decisiones y el
reconocimiento de patrones. La IA se ha convertido en una de las áreas más
importantes de la tecnología actual, ya que tiene aplicaciones en una amplia
gama de campos, desde la medicina y la robótica hasta la industria del
entretenimiento y los servicios financieros. A medida que la tecnología continúa
avanzando, la IA se está convirtiendo en una herramienta cada vez más
poderosa y versátil, y se espera que tenga un impacto significativo en la forma
en que vivimos y trabajamos en el futuro.
 ¿Qué es la inteligencia artificial?

En 1950, el matemático Alan Turing se hizo una pregunta: «¿Pueden pensar

las máquinas?». De hecho, esta simple pregunta transformaría el mundo.

El artículo de Alan Turing «Computing Machinery and Intelligence» y el

consiguiente «Test de Turing» sentaron las bases de la inteligencia artificial, su
visión y sus objetivos.

De hecho, la inteligencia artificial pretende responder afirmativamente a la

pregunta de Alan Turing. Su objetivo es replicar o simular la inteligencia
humana en las máquinas.

Se trata de un objetivo ambicioso, que también plantea muchos interrogantes y

suscita el debate. Por ello, aún no existe una definición única de inteligencia
artificial.

La descripción de «máquinas inteligentes» no explica qué es realmente la

inteligencia artificial ni qué hace que una máquina sea inteligente. En un intento
de remediar este problema, Stuart Russell y Peter Norvig publicaron el libro
«Artificial Intelligence: A Modern Approach».

En ese libro, los dos expertos unifican sus trabajos sobre el tema de los
agentes inteligentes en las máquinas. Según ellos, «la IA es el estudio de los
agentes que reciben percepciones del entorno y realizan acciones».

En su opinión, cuatro enfoques distintos han definido históricamente el campo

de la inteligencia artificial: el pensamiento humano, el pensamiento racional, la
acción humana y la acción racional.

Los dos primeros enfoques se refieren al razonamiento y al procesamiento del

pensamiento, mientras que los otros dos se refieren al comportamiento. En su
libro, Norvig y Russell se centran principalmente en los agentes
racionales capaces de actuar para conseguir el mejor resultado.

Por su parte, Patrick Winston, profesor de inteligencia artificial del MIT, define
la IA como «algoritmos activados por restricciones, expuestos por
representaciones que soportan modelos que vinculan el pensamiento, la
percepción y la acción».

Otra definición moderna describe la IA como «máquinas que responden a

simulaciones como los humanos, con capacidad de contemplación, juicio e
intención». Estos sistemas son capaces de «tomar decisiones que
normalmente requieren un nivel humano de conocimiento». Tienen tres
cualidades que constituyen la esencia de la inteligencia
artificial: intencionalidad, inteligencia y adaptabilidad.
Estas diferentes definiciones pueden parecer abstractas y complejas. Sin
embargo, ayudan a establecer la inteligencia artificial como una ciencia
informática.

En 2017, durante la Japan AI Experience, el CEO de DataRobot, Jeremy Achin,

dio su propia definición moderna y con un toque de humor de la IA : «La
inteligencia artificial es un sistema informático capaz de realizar tareas que
normalmente requieren inteligencia humana… muchos de estos sistemas de IA
se basan en el Machine Learning, otros en el Deep Learning y otros en cosas
muy aburridas como las reglas«.

IA especializada vs. IA general

Hay dos categorías principales de inteligencia artificial. La inteligencia artificial

de tipo «narrow» (estrecha), también conocida como «weak» (débil), solo
puede funcionar en un contexto limitado. Suele centrarse en la realización de
una única tarea, que es capaz de hacer perfectamente.

Sin embargo, aunque esa máquina pueda parecer inteligente, es mucho más
limitada que la inteligencia humana. No es más que una imitación de esta.

Algunos ejemplos son el motor de búsqueda web de Google, el software de

reconocimiento de imágenes, los asistentes virtuales como Siri de Apple o
Alexa de Amazon, los vehículos autónomos o el software como Watson de
IBM.

En cambio, la segunda categoría es la inteligencia artificial «general». Esa IA

es similar a las que se ven en las películas y libros de ciencia ficción.

Es una máquina dotada de una inteligencia artificial general, comparable a la

de un ser humano y capaz de resolver cualquier tipo de problema. Un algoritmo
universal, capaz de aprender y actuar en cualquier entorno.

Sin embargo, en realidad, este tipo de IA aún no existe. Ninguna tecnología

está lo suficientemente avanzada hasta la fecha como para competir con el
cerebro humano.

Por ese motivo, la creación de la IA general sigue siendo, por el momento, el

«Santo Grial» de los investigadores de IA. Es una búsqueda ambiciosa, pero
llena de obstáculos. A pesar de los avances técnicos, sigue siendo muy difícil
diseñar una máquina con plenas capacidades cognitivas.

Machine Learning y Deep Learning

El Machine (aprendizaje automático) y el Deep Learning (aprendizaje profundo)

son las dos técnicas principales de inteligencia artificial que se utilizan en la
actualidad. La distinción entre IA, ML y DL puede prestarse a confusión.

En realidad, la inteligencia artificial puede definirse como una serie de

algoritmos y técnicas que pretenden imitar la inteligencia humana. El Machine
Learning es una categoría de IA, y el Deep Learning es una técnica de Machine
Learning.

El Machine Learning es el proceso de alimentar un ordenador con datos. La

máquina utiliza técnicas de análisis sobre estos datos para «aprender» a
realizar una tarea.

Para conseguirlo, no necesita ninguna programación específica con millones de

líneas de código. Por eso se denomina aprendizaje «automático».

El Machine Learning puede ser «supervisado» o «no supervisado». El

aprendizaje supervisado se basa en series de datos etiquetados, mientras que
el aprendizaje no supervisado se basa en series de datos no etiquetados.

El Deep Learning es un tipo de Machine Learning directamente inspirado en la

arquitectura de las neuronas del cerebro humano. Una red neuronal artificial
está compuesta por múltiples capas, a través de las cuales se procesan los
datos. Esto es lo que permite que la máquina «profundice» en su aprendizaje,
identificando conexiones y alterando los datos introducidos para conseguir los
mejores resultados.

Aplicaciones y casos prácticos de la inteligencia artificial

La inteligencia artificial tiene muchos propósitos, como el aprendizaje, el

razonamiento y la percepción. Se utiliza en todos los sectores, hasta el punto
en que las aplicaciones son infinitas e imposibles de enumerar con
exhaustividad.

En el ámbito de la salud, se utiliza para desarrollar tratamientos

personalizados, descubrir nuevos fármacos o analizar imágenes médicas como
radiografías y resonancias magnéticas. Los asistentes virtuales también
pueden ayudar a los pacientes y recordarles que se tomen sus pastillas o que
hagan ejercicio para mantenerse en forma.

El sector del comercio minorista está utilizando la IA para ofrecer

recomendaciones y publicidad personalizadas a los clientes. También puede
utilizarse para optimizar la disposición de los productos o gestionar mejor el
inventario.

En las fábricas, la inteligencia artificial analiza los datos de los equipos IoT para
predecir la carga y la demanda mediante Deep Learning. También puede
anticiparse a posibles fallos de funcionamiento e intervenir en una fase
temprana.

Los bancos, por su parte, están utilizando la IA para prevenir y detectar el

fraude. La tecnología también puede utilizarse para comprobar si un cliente
podrá pagar el crédito que solicita y para automatizar las tareas de gestión de
datos.
Estos son solo algunos ejemplos de sectores que utilizan la inteligencia
artificial. Como puede verse, esta revolucionaria tecnología está llamada
a revolucionar todos los sectores de actividad en los próximos años.

La historia de la inteligencia artificial

La historia de la inteligencia artificial comenzó en 1943 con la publicación del

artículo «A Logical Calculus of Ideas Immanent in Nervous Activity» de Warren
McCullough y Walter Pitts. En ese trabajo, los científicos presentaron el primer
modelo matemático para la creación de una red neuronal.

El primer ordenador de red neuronal, Snarc, fue creado en 1950 por dos
alumnos de Harvard: Marvin Minsky y Dean Edmonds. Ese mismo año, Alan
Turing publicó el Test de Turing, que todavía se utiliza hoy para valorar las IA.

En 1952, Arthur Samuel creó un software capaz de aprender a jugar al

ajedrez de forma autónoma. El término inteligencia artificial fue utilizado por
primera vez en la conferencia «Dartmouth Summer Research Project on
Artificial Intelligence» de John McCarthy en 1956.

En ese acto, los investigadores presentaron los objetivos y la visión de la IA.

Muchos consideran esta conferencia como el verdadero nacimiento de la
inteligencia artificial, tal y como se conoce hoy en día.

En 1959, Arthur Samuel acuñó el término Machine Learning mientras trabajaba

en IBM. Por su parte, John McCarthy y Marvin Minsky fundaron el MIT Artificial
Intelligence Project. En 1963, John McCarthy también creó el «AI Lab» en la
Universidad de Stanford.

En los siguientes años, se cernieron dudas sobre el campo de la IA. En

1966, el informe estadounidense ALPAC puso de manifiesto la falta de avances
en la investigación de la traducción automática destinada a traducir
simultáneamente la lengua rusa en el contexto de la Guerra Fría. Muchos
proyectos financiados por el gobierno estadounidense fueron cancelados.

Del mismo modo, en 1973, el gobierno británico publicó su informe «Lighthill»

en el que destacaba las decepciones de la investigación en IA. Una vez más,
los proyectos de investigación fueron reducidos por los recortes
presupuestarios. Este periodo de duda duró hasta 1980, y ahora se denomina
el «primer invierno de la IA«.

Ese invierno terminó con la creación de R1 (XCON) por parte de Digital

Equipment Corporations. Este sistema comercial experto está diseñado para
configurar los pedidos de nuevos sistemas informáticos, y provocó un auténtico
auge de las inversiones que se prolongó durante más de una década.

Japón y Estados Unidos hicieron grandes inversiones en la investigación de la

IA. Las empresas se gastaron más de mil millones de dólares al año en
sistemas expertos y el sector no paraba de crecer.
Desgraciadamente, el mercado de las máquinas “Lisp” se desplomó en 1987 al
surgir alternativas más baratas. Este fue el «segundo invierno de la IA». Las
empresas perdieron el interés por los sistemas expertos. Los gobiernos de
Estados Unidos y Japón abandonaron sus proyectos de investigación y se
gastaron miles de millones de dólares para nada.

Diez años después, en 1997, la historia de la IA estuvo marcada por un

acontecimiento importante. La IA Deep Blue de IBM triunfó sobre el campeón
mundial de ajedrez Gary Kasparov. Por primera vez, el hombre fue derrotado
por la máquina.

Diez años después, los avances tecnológicos permitieron el resurgimiento de la

inteligencia artificial. En 2008, Google hizo grandes avances en el
reconocimiento de voz y lanzó esa función en sus aplicaciones para
smartphones.

En 2012, Andrew Ng alimentó una red neuronal con 10 millones de vídeos de

YouTube como serie de datos de entrenamiento. Gracias al Deep Learning,
esta red neuronal aprendió a reconocer un gato sin que se le enseñara lo que
es un gato. Este fue el inicio de una nueva era para Deep Learning.

En 2016 se produjo otra victoria de la IA sobre el ser humano, con el triunfo del
sistema AlphaGo de Google DeepMind sobre Lee Sedol, el campeón de Go. La
inteligencia artificial también conquistó el campo de los videojuegos,
especialmente con DeepMind AlphaStar en Starcraft u OpenAI Five en Dota 2.

Actualmente, empresas de todos los sectores utilizan el Deep Learning y el

Machine Learning para infinidad de aplicaciones. La IA no deja de avanzar y
sorprender con su rendimiento. El sueño de la inteligencia artificial general se
acerca cada vez más a la realidad.

Los peligros de la inteligencia artificial

La inteligencia artificial ofrece muchas promesas para la humanidad, pero

también podría representar una amenaza más peligrosa que la bomba nuclear.

Con su capacidad de aprender y evolucionar de forma autónoma, la IA podría

superar algún día la inteligencia humana. Entonces podría decidir volverse
contra sus creadores.

Este oscuro presagio puede parecer sacado directamente de una película de

ciencia ficción, pero es una posibilidad muy real. Destacados expertos como
Stephen Hawking, Elon Musk o Bill Gates ya han dado la voz de alarma sobre
la inteligencia artificial.

Según ellos, la IA representa un riesgo inminente e inevitable en los próximos

años. Por eso piden a los gobiernos que regulen este campo para que se
desarrolle de forma ética y segura. Más de un centenar expertos ha pedido
también a Naciones Unidas que prohíba los «robots asesinos» y otras armas
militares autónomas.
Sin embargo, otros expertos creen que el futuro de la inteligencia artificial
depende únicamente de cómo decidan utilizarla los humanos. Incluso una IA
aparentemente inofensiva podría manipularse y utilizarse de forma
malintencionada. Ya podemos verlo con el incremento de los «DeepFakes»:
vídeos falsos creados mediante Deep Learning para mostrar a una persona en
una situación comprometida.

La inteligencia artificial seguirá desarrollándose a gran velocidad en los

próximos años. La humanidad es quien debe decidir qué dirección tomará su
desarrollo.

Ya sabes todo lo que hay que saber sobre inteligencia artificial. Descubre ahora
nuestro completo dosier sobre Data Science, y echa un vistazo más de cerca al
Machine Learning.
 Conclusión

En conclusión, la Inteligencia Artificial está transformando rápidamente el

panorama tecnológico y tiene el potencial de revolucionar numerosos aspectos
de la sociedad. A medida que la IA continúa evolucionando, su impacto se
extiende a campos tan diversos como la medicina, la manufactura, la
educación, el transporte y muchos otros. Si bien la IA ofrece oportunidades
emocionantes, también plantea desafíos éticos y sociales que deben abordarse
de manera cuidadosa. La comprensión y el uso responsable de la IA serán
fundamentales para maximizar sus beneficios y mitigar sus posibles riesgos. En
última instancia, la inteligencia artificial tiene el potencial de mejorar
significativamente nuestras vidas, pero su desarrollo y aplicación deben ser
guiados por principios éticos y consideraciones humanas.