INTELIGENCIA ARTIFICIAL.
Autor: Maira Rodríguez Canaval.
Universidad popular del cesar.
Licenciada en ciencias naturales y educación ambiental
Docente: Manuela Castro Pacheco.
La Inteligencia artificial es el campo científico
de la informática que se centra en la creación
de programas y mecanismos que pueden
mostrar comportamientos considerados
inteligentes. En otras palabras, la IA es el
concepto según el cual “las máquinas piensan
como seres humanos”.
Normalmente, un sistema de IA es capaz de
analizar datos en grandes cantidades (big
data), identificar patrones y tendencias y, por
lo tanto, formular predicciones de forma
automática, con rapidez y precisión. Para
nosotros, lo importante es que la IA permite
que nuestras experiencias cotidianas sean más
inteligentes. ¿Cómo? Al integrar análisis
predictivos (hablaremos sobre esto más
adelante) y otras técnicas de IA en
aplicaciones que utilizamos diariamente.
Normalmente, un sistema de
IA es capaz de analizar datos en grandes
cantidades (big data), identificar patrones y
tendencias y, por lo tanto, formular
predicciones de forma automática, con rapidez
y precisión. Para nosotros, lo importante es
que la IA permite que nuestras experiencias
cotidianas sean más inteligentes. ¿Cómo? Al
integrar análisis predictivos (hablaremos sobre
esto más adelante) y otras técnicas de IA en
aplicaciones que utilizamos diariamente. Siri
funciona como un asistente personal, ya que
utiliza procesamiento de lenguaje natural
Facebook y Google Fotos sugieren el
etiquetado y agrupamiento de fotos con base
en el reconocimiento de imagen Amazon
ofrece recomendaciones de productos basadas
en modelos de canasta de compra Waze brinda
información optimizada de tráfico y
navegación en tiempo real Principales técnicas
de la Inteligencia artificial Aprendizaje
automático: Generalmente, el concepto de
Aprendizaje automático se confunde con el de
“IA débil”. Es en este campo en donde los
avances más importantes de la IA se están
llevando a cabo. En términos prácticos, “el
Aprendizaje automático es la ciencia que se
encarga de hacer que las computadoras
realicen acciones sin necesidad de
programación explícita”. La idea principal
aquí es que se les puede proporcionar datos a
los algoritmos de Aprendizaje automático y
luego usarlos para saber cómo hacer
predicciones o guiar decisiones.
Descubrimiento de datos inteligentes: Es el
próximo paso en soluciones de IE (Inteligencia
empresarial). La idea consiste en permitir la
automatización total del ciclo de la IE: la
incorporación y preparación de datos, el
análisis predictivo y los patrones y la
identificación de hipótesis. Este es un ejemplo
interesante de la recuperación de datos
inteligentes en acción. La información que
ninguna herramienta de IE había descubierto.
Análisis predictivo: Piense en ese momento en
el que está contratando un seguro para auto y
el agente le hace una serie de preguntas Estas
preguntas están relacionadas a las variables
que influyen en su riesgo. Detrás de estas
preguntas se encuentra un modelo predictivo
que informa sobre la probabilidad de que
ocurra un accidente con base en su edad,
código postal, género, marca de auto, etc. Es el
mismo principio que se emplea en los modelos
predictivos de crédito para identificar a los
buenos y malos pagadores. Por lo tanto, el
concepto principal de análisis predictivo (o
modelado) significa que se puede utilizar un
número de variables (ingresos, código postal,
edad, etc.) combinadas con resultados (por
ejemplo, buen o mal pagador) para generar un
modelo que proporcione una puntuación (un
número entre 0 y 1) que representa la
probabilidad de un evento (por ejemplo, pago,
migración de clientes, accidente, etc.). Hemos
visto lo que es la IA, y cómo existen diferentes
interpretaciones, y variados objetivos. Pero
aún no sabemos cómo funciona. ¿En qué se
diferencia un software de inteligencia artificial
de un programa de ordenador? Existen muchos
tipos de IA, algunos de ellos aún
experimentales. Para no divagar demasiado
vamos a centrarnos en los que se utilizan en
informática, los móviles, los servicios de
Internet, y otros ámbitos cercanos a los
usuarios de a pie. Conceptos como el machine
learning o aprendizaje automático, las redes
neuronales, y otras tecnologías que oímos a
menudo, pero que no sabemos muy bien cómo
funcionan. Durante más de medio siglo, los
ordenadores, robots y otras máquinas han
funcionado por medio de los programas o
aplicaciones informáticas, cuya estructura
básica apenas ha variado en todo este tiempo
Un programa informático es solo una lista de
órdenes que le dice al ordenador lo que tiene
que hacer. "Haz esta operación matemática,
escribe el resultado en pantalla, reproduce este
sonido", etc. Los programas tienen
bifurcaciones del tipo "si pasa esto, haz esto y
si pasa esto otro, haz esto otro". Y también
pueden realizar acciones al azar, usando
números aleatorios. Y otras muchas cosas,
claro... Pero la característica principal de un
programa es que se trata de un conjunto de
órdenes que cubren todas las posibles opciones
a las que se enfrenta el ordenador. Incluso si se
produce un error, hay una parte del programa
que le dice: "si hay un fallo, escribe el
mensaje: Ha sucedido un error". Con un
programa informático, una máquina no piensa.
Simplemente, hace exactamente lo que le
dicen. La gran revolución de la IA es que no
recibe órdenes para obtener un resultado. Es
ella la que, con unos datos de entrada, debe
apañárselas para obtener los resultados. una
inteligencia artificial intenta imitar el
pensamiento humano. Cuando nacemos,
nuestro cerebro es prácticamente un disco duro
vacío. Necesita años de aprendizaje para
aprender conceptos básicos, desde no orinarse
encima a aprender a andar, a hablar, a sumar,
y otras actividades más complejas.
Aprendemos algo, ponemos en práctica esa
teoria, fallando mucho al principio hasta que
cogemos práctica y vamos mejorando con el
tiempo. Frente a otros sistemas que imitan el
comportamiento del cerebro humano, las redes
neuronales intentan copiar el comportamiento
de las neuronas, es decir, las células nerviosas
que transmiten y procesan información en el
cerebro. Es otra forma de aprender, y por tanto
es un tipo de Aprendizaje automático. Una
neurona artificial es una entidad que recibe
unos datos de entrada, les aplica una serie de
operaciones matemáticas y un función de
activación (una fórmula matemática), y genera
un resultado. Es un mecanismo sencillo, pero
la complejidad llega cuando millones de
neuronas trabajan en paralelo para crear Redes
Neuronales Artificiales, o RNA. El
aprendizaje profundo es un tipo de aprendizaje
automático que va un poco más allá, con el
objetivo de abarcar más y procesar más datos
al mismo tiempo. Usa redes neuronales para
aprender usando capas de información cada
vez más abstractas, como hacemos los
humanos. Si tiene que buscar manos en una
foto por ejemplo, comienza con información
sencilla, como separar según la forma, para
diferenciarla de un pie. Pero irá añadiendo
capas cada vez más abstractas y generales,
hasta que al final sea capaz de responder a la
pregunta, ¿qué es una mano? y ya no se
equivocará. Todo lo anterior nos deja claro que
estamos viviendo la era digital, pero también
deja una gran preocupación ya que en un
experimento que se realizó con la IA se le
pidió redactar un texto sobre los beneficios del
reciclaje e hizo todo lo contrario algunas de
sus afirmaciones decían “reciclar es malo para
el medio ambiente, reciclar es malo para la
economía aumenta los costes de producción
por ende los precios de todo lo que se fabrica”
Lo que significa que si en un futuro el planeta
fuese manejado por la AI la raza humana
estaría condenada a desaparecer ya que su
“pensamiento” va en contra de la vida humana
de ahí que personajes tan inteligentes como el
fallecido Stephen Hawking se atrevieran a
realizar predicciones sobre el futuro que nos
espera y según él no es nada alentador, esto lo
hizo como una forma de advertirnos que si no
actuamos ahora estaremos trabajando sobre
nuestra propia desaparición.
La mayoría de nosotros tenemos un concepto
de la Inteligencia artificial alimentado por las
películas de Hollywood. Exterminadores,
robots con crisis existenciales y píldoras rojas
y azules. De hecho, la IA ha estado en nuestra
imaginación y en nuestros laboratorios desde
1956, cuando un grupo de científicos inició el
proyecto de investigación “Inteligencia
artificial” en Dartmouth College en los
Estados Unidos. El término se acuñó primero
ahí y, desde entonces, hemos presenciado una
montaña rusa de avances (“¡Vaya! ¿Cómo
sabe Amazon que quiero este libro?”), así
como frustraciones (“esta traducción es
completamente errónea”).
conocido como “IA genérica” y fue esta la idea
que alimentó la (asombrosa) ficción que nos
daría entretenimiento ilimitado.
Sin embargo, la IA derivó en campos
específicos. Con el paso del tiempo, la ciencia
evolucionó hacia áreas de conocimiento
específicas, y fue entonces que la IA comenzó
a generar resultados significativos en nuestras
vidas. Fue una combinación entre el
reconocimiento de imagen, el procesamiento
de lenguaje, las redes neuronales y la mecánica
automotriz lo que hizo posible un vehículo
autónomo. En ocasiones, el mercado se refiere
a este tipo de avances como “IA débil”.
La siguiente tabla muestra algunos
acontecimientos importantes en la historia de
la Inteligencia Artificial.
REFERENCIA.
Alonso, F., Pazos, J., 1992. “La
Superación de los Obstáculos para el
Desarrollo de Inteligencia Artificial”. En
Inteligencia Artificial: Fundamentos
Teóricos y Aplicaciones, Real Academia
de Ciencias Exactas, Físicas y Naturales,
pp: 219-256. Madrid.

Al inicio del proyecto, el objetivo era que la

inteligencia humana pudiera ser descrita de
forma tan precisa que una máquina fuera capaz
de simularla. Este concepto también fue