LA INTELIGENCIA
ARTIFICIAL (IA)
Nombre: Maria Camila Cardenas Gil
Grado: 6-6
¿Qué es la inteligencia artificial ?
◦ Es una disciplina científica que se ocupa de crear programas informáticos
que ejecutan operaciones comparables a las que realiza la mente humana,
como el aprendizaje o el razonamiento lógico.
◦ La inteligencia artificial (IA) es un campo de la informática que se enfoca
en crear sistemas que puedan realizar tareas que normalmente requieren
inteligencia humana, como el aprendizaje, el razonamiento y la percepción.
Cuantas y cuales clases de inteligencia artificial
existen?
◦ Inteligencia artificial estrecha, inteligencia artificial general y súper
inteligencia artificial.
◦ son modelos de predicción lingüística basados en redes neuronales y
construidos sobre la arquitectura Transformer. Analizan las consultas en
lenguaje natural, conocidas como prompts, y predicen la mejor respuesta
posible basándose en su comprensión del lenguaje.
¿Cuál es la diferencia entre inteligencia artificial
estrecha y general?
◦ La inteligencia artificial estrecha, también conocida como inteligencia
artificial débil, se refiere a la aplicación de técnicas y algoritmos de
aprendizaje automático y procesamiento del lenguaje natural para realizar
tareas específicas de manera automatizada. A diferencia de la inteligencia
artificial general, que busca desarrollar una máquina que pueda aprender y
realizar cualquier tarea intelectual que un ser humano pueda hacer, la
inteligencia artificial estrecha se centra en tareas específicas, como la
identificación de patrones, el reconocimiento de imágenes, la traducción de
idiomas y la toma de decisiones en condiciones limitadas.
¿Cuáles son los principales objetivos de la
inteligencia artificial?
◦ Crear sistemas y programas informáticos que puedan realizar tareas que,
cuando se llevan a cabo por seres humanos, requieren de inteligencia,
razonamiento y aprendizaje.
◦ Comprender la identidad del lugar utilizando grandes cantidades de datos
para crear representaciones realistas de ciudades a través de información
textual y visual
¿que papel juegan los algoritmos en la
inteligencia artificial?
◦ Permiten resolver problemas y realizar tareas complejas. Siguiendo una
serie de instrucciones (como en una receta), simulan los procesos de la
inteligencia humana a través del aprendizaje, el razonamiento y la
autocorrección.
¿Cómo se entrenan los modelos de
inteligencia atrtificial
◦ 1. Recopilación de datos: Se recolectan datos relevantes para el problema
que se desea resolver, ya sea a través de bases de datos existentes,
fuentes públicas o mediante la recolección de datos propios.
◦ 2. Preprocesamiento de datos: Limpieza y transformación de los datos para
que estén en un formato adecuado para el modelado. Esto incluye la
eliminación de valores atípicos, la normalización de los datos y la
codificación de variables categóricas, entre otras técnicas.
*3. Selección del algoritmo: Se elige el algoritmo de aprendizaje automático
más adecuado para el problema en cuestión, teniendo en cuenta factores
como el tipo de datos, el tamaño del conjunto de datos y el tipo de tarea a
realizar (por ejemplo, clasificación o regresión).
◦ 5. Entrenamiento del modelo: Se ajustan los parámetros del algoritmo
utilizando el conjunto de datos de entrenamiento, de manera que el
modelo aprenda patrones y relaciones a partir de los datos.
◦ 6. Validación del modelo: Se evalúa la precisión del modelo utilizando el
conjunto de datos de prueba que no ha sido visto durante el
entrenamiento, con el fin de verificar su capacidad para generalizar a
nuevos datos.
◦ 7. Ajuste y optimización: Se ajustan los hiperparámetros del modelo
para mejorar su rendimiento, utilizando técnicas como la validación
cruzada o la búsqueda de hiperparámetros.
◦ 8. Implementación en producción: Una vez que el modelo ha sido
entrenado y validado satisfactoriamente, se despliega en un entorno
de producción para su uso en aplicaciones del mundo real.
¿Cuál es la importancia de los datos en el
desarrollo de la inteligencia artificial?
◦ los datos son fundamentales para el desarrollo de la inteligencia artificial,
ya que influyen en la calidad del modelo, la capacidad de generalización, el
aprendizaje del algoritmo, la identificación de tendencias y la mejora
continua del sistema. Es crucial garantizar la calidad y representatividad de
los datos en todas las etapas del proceso de desarrollo de inteligencia
artificial.
¿Cuáles son los diferentes tipos de aprendizaje
en inteligencia artificial?
◦ 1. Aprendizaje supervisado: en este tipo de aprendizaje, el algoritmo recibe un conjunto
de datos etiquetados que le muestra ejemplos de entrada y la salida deseada
correspondiente. El objetivo es que el modelo aprenda a mapear las entradas a las
salidas correctas.
◦ 2. Aprendizaje no supervisado: en este caso, el algoritmo recibe un conjunto de datos sin
etiquetar y debe encontrar patrones o estructuras inherentes en los datos por sí mismo.
El aprendizaje no supervisado se utiliza para descubrir información oculta en los datos.
◦ 3. Aprendizaje por refuerzo: en este tipo de aprendizaje, el algoritmo aprende a través de
la interacción con un entorno. Recibe recompensas o castigos según las acciones que
emprende y su objetivo es aprender a tomar decisiones que maximicen la recompensa a
largo plazo.
¿Qué son las redes neuronales artificiales y
como funcionan?
◦ Las redes neuronales artificiales son modelos computacionales inspirados en
el cerebro humano. Están compuestas por capas de "neuronas"
interconectadas que procesan datos para producir salidas. Durante el
entrenamiento, ajustan los pesos de las conexiones para minimizar errores y
aprender a realizar tareas específicas como reconocimiento de patrones o
procesamiento de lenguaje natural.
◦ Propagación hacia adelante: Al recibir datos, cada neurona aplica una función
de activación a la suma ponderada de sus entradas para generar una salida.
Esta salida se envía a las neuronas de la siguiente capa.
◦ Funciones de activación: Determinan cómo se transforma la entrada en
salida.
¿Qué desafíos éticos presenta la inteligencia
artificial?
◦ No tener un corazón para razonar éticamente en situaciones graves como
exponer la vida de alguien.
◦ Los desafíos éticos más relevantes de la IA son: responsabilidad, toma de
decisiones y rendición de cuentas; sesgos y equidad; privacidad y protección
de datos; empleo y automatización; transparencia y explicabilidad e impacto
en la autonomía humana.
◦ Privacidad: La recopilación de datos personales plantea preocupaciones sobre
el consentimiento.
◦ Responsabilidad: Dificultad para asignar culpabilidad por decisiones
automatizadas.
◦ Desigualdad: La automatización puede agravar desigualdades económicas y
sociales.
¿Cómo se utiliza la inteligencia artificial en la
vida cotidiana?
◦ Asistentes Virtuales: Como Siri y Alexa, ayudan en tareas diarias.
◦ Recomendaciones Personalizadas: Plataformas como Netflix y Amazon ofrecen
contenido basado en preferencias.
◦ Redes Sociales: Algoritmos personalizan el contenido y optimizan publicidad.
◦ Salud: Aplicaciones rastrean la salud y ayudan en diagnósticos.
◦ Automatización del Hogar: Dispositivos inteligentes controlan funciones del hogar.
◦ Transporte: Sistemas de navegación optimizan rutas y vehículos autónomos.
◦ Educación: Plataformas de aprendizaje personalizan el contenido educativo.
◦ Atención al Cliente: Chatbots ofrecen asistencia rápida.
◦ Entretenimiento: Videojuegos utilizan IA para crear experiencias dinámicas.
¿Cuáles son los posibles impactos de la
inteligencia artificial en el empleo?
◦ Negativos
◦ Desplazamiento Laboral: Pérdida de empleos en tareas repetitivas.
◦ Desigualdad Salarial: Aumento de la brecha entre trabajos calificados y no
calificados.
◦ Inestabilidad Laboral: Rápida obsolescencia de ciertos roles.
◦ Positivos
◦ Creación de Nuevos Empleos: Oportunidades en desarrollo de IA y análisis
de datos.
◦ Mejora de Productividad: Aumento de la eficiencia laboral.
◦ Reentrenamiento: Impulso a programas de capacitación.
¿Qué es el aprendizaje profundo y cual es su
relación con la inteligencia artificial?
◦ Aprendizaje profundo: Es una técnica de aprendizaje automático que
utiliza redes neuronales con múltiples capas para aprender patrones
complejos en datos.
◦ Relación con la IA: Es una parte fundamental de la inteligencia artificial,
mejorando tareas como reconocimiento de voz y visión por computadora al
permitir que las máquinas aprendan de grandes volúmenes de datos.
¿Cuáles son algunos ejemplos de aplicaciones
de la inteligencia artificial en la medicina?
◦ Diagnóstico:* Análisis de imágenes médicas para detectar enfermedades.
◦ Predicción de riesgos:* Identificación de factores de riesgo en pacientes.
◦ Tratamiento personalizado:* Adaptación de tratamientos según el perfil del
paciente.
◦ Asistentes virtuales:* Respuesta a preguntas médicas comunes.
◦ Cirugía asistida por robots:* Procedimientos quirúrgicos más precisos.
◦ Investigación médica:* Análisis de datos para descubrir nuevas terapias.
¿Cómo afecta la inteligencia artificial a la
privacidad de las personas?
◦ Recopilación de datos: La IA puede recolectar y analizar grandes
cantidades de datos personales.
◦ Reconocimiento facial: Se utiliza para vigilancia, lo que puede llevar a la
vigilancia masiva.
◦ Decisiones automatizadas: Puede tomar decisiones que afectan a las
personas, con riesgos de
injusticia
◦ Manipulación en línea:* Puede generar bots y deepfakes que engañan o
manipulan.
¿Cuáles son las implicaciones de la inteligencia
artificial en la toma de desiciones?
◦ Positivas:
◦ Eficiencia: Procesa grandes datos rápidamente.- *Análisis:* Identifica
patrones que mejoran la calidad de las decisiones.
◦ Personalización: Adapta decisiones a necesidades específicas.
◦ Negativas:
◦ Sesgo: Puede perpetuar desigualdades si los datos son sesgados.
◦ Falta de transparencia: Difícil de entender, genera desconfianza.
◦ Deshumanización: Reduce la empatía en decisiones críticas.
¿Qué es el procesamiento de lenguaje natural
y como se aplica en la inteligencia artificial?
◦ El procesamiento del lenguaje natural (PLN) es un campo de la inteligencia
artificial que se centra en la interacción entre las computadoras y el lenguaje
humano. Su objetivo es permitir que las máquinas comprendan, interpreten y
generen texto o habla de manera similar a como lo hace un ser humano.
◦ Chatbots y asistentes virtuales: Utilizan PLN para entender y responder
preguntas de los usuarios, como Siri, Alexa o chatbots en sitios web.
◦ Análisis de sentimientos: Permite a las empresas analizar opiniones de clientes
en redes sociales o reseñas para entender la percepción sobre productos o
servicios.
◦ Traducción automática: Herramientas como Google Translate utilizan PLN para
traducir texto entre diferentes idiomas, mejorando la comunicación global.
◦ Resúmenes automáticos: Genera resúmenes de textos largos, facilitando la
comprensión rápida de información.
◦ Corrección gramatical: Herramientas como Grammarly utilizan PLN para
detectar errores gramaticales y sugerir mejoras en la escritura.
◦ Búsqueda semántica: Mejora los motores de búsqueda al entender mejor
las consultas de los usuarios y proporcionar resultados más relevantes.
◦ En resumen, el procesamiento del lenguaje natural es fundamental para
que las máquinas interactúen eficazmente con los humanos, facilitando
una variedad de aplicaciones útiles en la vida diaria y en el ámbito
empresarial.
¿Qué desafíos tecnológicos enfrenta la
inteligencia artificial en la actualidad?
◦ 1. Técnicos:
◦ Sesgo en los datos: Los modelos pueden reflejar prejuicios presentes en los
datos de entrenamiento.
◦ Interpretabilidad: Muchos modelos son difíciles de entender, lo que complica
la confianza en sus decisiones.
◦ Escalabilidad: Aumentar la capacidad de procesamiento y datos puede ser
costoso y complejo.
◦ 3. Sociales:
◦ Aceptación pública: Desconfianza y miedo al mal uso de la IA pueden limitar
su adopción.
◦ Regulación: Falta de marcos legales claros para regular el uso de la IA.
◦ Impacto en la educación: Necesidad de nuevas habilidades puede dejar a
algunos sin oportunidades.
¿Cuál es el papel de la inteligencia artificial en
la industria automotriz y los vehículos
autónomos’?
◦ La inteligencia artificial juega un papel crucial en la industria automotriz y
los vehículos autónomos. Permite desarrollar sistemas de conducción
autónoma, mejorar la seguridad y eficiencia de los vehículos, optimizar la
producción y el mantenimiento, y brindar nuevas funcionalidades y
experiencias a los usuarios.
◦ En resumen, la inteligencia artificial está transformando radicalmente la
industria automotriz al mejorar la seguridad, optimizar procesos y ofrecer
experiencias personalizadas a los usuarios. A medida que esta tecnología
continúa evolucionando, se espera que su impacto sea aún más
significativo en el futuro cercano.
◦ 1. Conducción Autónoma:
◦ La IA es fundamental para el desarrollo de vehículos autónomos. Utiliza
algoritmos de aprendizaje profundo y visión por computadora para interpretar
datos de sensores, como cámaras, radares y Lidar. Esto permite a los vehículos
"ver" su entorno, reconocer señales de tráfico, peatones y otros vehículos, y
tomar decisiones en tiempo real sobre la conducción.
◦ Existen diferentes niveles de automatización, desde asistencia al conductor
(como el control de crucero adaptativo) hasta la conducción completamente
autónoma. A medida que la tecnología avanza, se espera que más vehículos
puedan operar sin intervención humana.
◦ 2. Seguridad Vial:
◦ La inteligencia artificial ayuda a mejorar la seguridad al prever y evitar
accidentes. Los sistemas avanzados de asistencia al conductor (ADAS) utilizan IA
para alertar a los conductores sobre peligros potenciales, como colisiones
inminentes o cambio involuntario de carril.
◦ Además, los datos recopilados de incidentes pasados permiten a los fabricantes
ajustar sus sistemas para mejorar continuamente la seguridad.
◦ 3. Optimización de Producción:
◦ En el ámbito de fabricación, la IA se utiliza para optimizar procesos
productivos. Algoritmos predictivos pueden anticipar fallas en maquinaria y
programar mantenimientos preventivos, lo que reduce el tiempo de
inactividad y mejora la eficiencia.
◦ La automatización robótica, impulsada por IA, permite una producción más
rápida y precisa, lo que ayuda a satisfacer la creciente demanda del
mercado.
◦ 4. Experiencia del Usuario:
◦ Los sistemas de infoentretenimiento en los vehículos modernos utilizan IA
para ofrecer experiencias personalizadas a los conductores. Por ejemplo,
asistentes virtuales pueden aprender las preferencias del usuario en cuanto a
música, rutas o configuraciones del vehículo.
◦ También se están desarrollando tecnologías que permiten el reconocimiento
facial o por voz para ajustar automáticamente las configuraciones del coche
según el conductor.
◦ 6. Desarrollo Sostenible:
◦ La IA también juega un papel en el desarrollo de vehículos eléctricos e
híbridos. Puede optimizar el rendimiento energético y gestionar las cargas
de batería para maximizar la eficiencia y minimizar el impacto ambiental.
◦ 5. Movilidad Inteligente:
◦ La inteligencia artificial contribuye a soluciones de movilidad urbana,
como el manejo eficiente del tráfico y la optimización del uso del
transporte público. Sistemas inteligentes pueden analizar patrones de
tráfico en tiempo real y ajustar semáforos o rutas para reducir
congestiones.
¿Cómo se utiliza la inteligencia artificial en la
detección y prevención del fraude?
◦ La inteligencia artificial se utiliza en la detección y prevención del fraude
de muchas maneras. Por ejemplo, se puede usar para analizar grandes
conjuntos de datos para identificar patrones sospechosos, para verificar la
identidad de los clientes y para detectar transacciones fraudulentas en
tiempo real.
◦ 1. Análisis de Datos:
◦ La IA puede procesar grandes volúmenes de datos en tiempo real,
identificando patrones sospechosos que pueden indicar fraude.
◦ 2. Modelos Predictivos:
◦ Utiliza algoritmos de aprendizaje automático para crear modelos que
anticipan el riesgo de fraude basándose en datos históricos.
◦ 3. Detección en Tiempo Real:
◦ Evalúa transacciones a medida que se realizan, bloqueando aquellas que
parecen sospechosas o alertando a agentes para revisarlas.
◦ 4. Verificación de Identidad:
◦ Mejora la autenticación mediante técnicas como el reconocimiento facial y
análisis biométrico, reduciendo el riesgo de suplantación.
◦ 5. Análisis de Comportamiento:
◦ Modela el comportamiento habitual de los usuarios para detectar
desviaciones que podrían indicar fraude.
◦ 6. Adaptación Continua:
◦ Se ajusta a nuevas tácticas de fraude, actualizando sus algoritmos con
datos recientes para mantenerse al día con las amenazas.
¿Cuáles son algunas preocupaciones éticas
sobre el desarrollo de la inteligencia artificial
autónoma?
◦ El riesgo de que las máquinas tomen decisiones que sean perjudiciales
para los humanos. Por ejemplo, si una IA es utilizada para controlar armas
autónomas, podría tomar decisiones que resulten en la muerte de
personas inocentes.
◦ El riesgo de que las máquinas se vuelvan demasiado poderosas y que los
humanos pierdan el control sobre ellas. Esto podría llevar a una situación
en la que las máquinas dominen a los humanos.
◦ El riesgo de que las máquinas se usen para manipular a las personas.Por
ejemplo, una IA podría usarse para crear propaganda personalizada que
sea muy efectiva en persuadir a las personas para que actúen en contra de
su propio interés.
◦ * El riesgo de que las máquinas se usen para discriminar a las personas.
Por ejemplo, una IA podría usarse para tomar decisiones sobre quién tiene
acceso a un trabajo, un préstamo o un servicio médico, y estas decisiones
podrían ser discriminatorias.
◦ Es importante que los desarrolladores de IA sean conscientes de estos
riesgos y que tomen medidas para mitigarlos. También es importante que
la sociedad debata estos temas y que se establezcan normas y
regulaciones que aseguren que la IA se desarrolle de manera responsable.
FIN
Gracias por su atención
