FASE 0 PRESABERES

ACTIVIDAD COLABORATIVA

PRESENTADO POR:

CARLOS JAVIER ARROYO GALVIZ

CODIGO : 78734545

JOHANNA MARCELA FERRO

MARTA VIVIANA MARTINEZ

NELSON ANDRES ALVAREZ -

GRUPO: 90169_32

TUTORA: FERNABDO ROJAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INTELIGENCIA ARTIFICIAL

2020
HISTORIA Y ÁREAS DE APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL

DE LA INTELIGENCIA ARTIFICIAL

Robots y seres inteligentes ya aparecían el los antiguos mitos griegos. El desarrollo del

silogismo, por Aristóteles, y su uso en el razonamiento deductivo fue un momento clave

en la búsqueda de la humanidad para entender su propia inteligencia. Pero no fue sino en

los últimos 80 años que la Inteligencia Artificial (IA) empezó a desarrollarse. Los

siguientes son algunos de los principales eventos en su historia:

1943 – Walter McCullough y Walter Pitts publican “Un Cálculo Lógico de Ideas

Inmanente En La Actividad Nerviosa”. En donde proponen el primer modelo matemático

para construir una red neuronal.

1950 – Alan Turing publica “Maquinaria de Cómputo e Inteligencia”, proponiendo lo que

se conoce como La prueba de Turing para determinar si una máquina es inteligente.

1956 – La frase Inteligencia Artificial es acuñada en el Proyecto de Investigación

Dartmouth Summer Sobre Inteligencia Artificial.

1958 – John McCarthy desarrolla el lenguaje para IA Lisp.

1959 – Arthur Samuel acuña el término Machine Learning en IBM

1963 – John McCarthy inicia el Laboratorio de IA en Stanford.

1969 – Primer experimento exitoso de IA para diagnosticar infecciones de la sangre.

1974 – 1980 – Se da el denominado “Primer invierno de la IA”, periodo caracterizado

por un pesimismo generalizado acerca de los alcances de la IA.

1980 – Digital Equipment Corporations desarrolla XCON, el primer sistema experto

comercial exitoso. Con lo que termina oficialmente el Primer invierno de la IA.

1983 – E.U. y Japón empiezan a competir en el desarrollo y aplicaciones de la IA.

1987 – 1993 – Segundo Invierno de la IA. Los sistemas se vuelven muy costosos de

desarrollar, mantener y actualizar. Japón y E.U. abandonan la carrera por la IA.

1997 – El computador Deep Blue, de IBM, derrota al campeón mundial Gary Kasparov.

2005 – STANLEY, un carro autónomo, gana el Gran Reto DARPA.

2008 – Google avanza en reconocimiento del habla e introduce esta característica en su

aplicación de Iphone.

2011 – Watson, de IBM, vence de manera aplastante en Jeopardy

2012 – Andrew Ng, fundador del proyecto Google Brain Deep, entrena una IA que

finalmente logró identificar un gato sin habérsele dicho qué era un gato, desencadenando

un gran avance para las redes neuronales y el deep learning.

2014 – Google hace el primer automóvil auto-conducido en pasar la prueba de conducción

del estado.

2016 – AlphaGo, de Google DeppMind, derrota al campeón mundial de Go Lee Sedol.

Algo sin precedentes en la historia

1958 – John McCarthy desarrolla el lenguaje para IA Lisp.

1959 – Arthur Samuel acuña el término Machine Learning en IBM

1963 – John McCarthy inicia el Laboratorio de IA en Stanford.

1969 – Primer experimento exitoso de IA para diagnosticar infecciones de la sangre

1974 – 1980 – Se da el denominado “Primer invierno de la IA”, periodo caracterizado

por un pesimismo generalizado acerca de los alcances de la IA.

1980 – Digital Equipment Corporations desarrolla XCON, el primer sistema experto

comercial exitoso. Con lo que termina oficialmente el Primer invierno de la IA.

1983 – E.U. y Japón empiezan a competir en el desarrollo y aplicaciones de la IA.

1987 – 1993 – Segundo Invierno de la IA. Los sistemas se vuelven muy costosos de

desarrollar, mantener y actualizar. Japón y E.U. abandonan la carrera por la IA.

1997 – El computador Deep Blue, de IBM, derrota al campeón mundial Gary Kasparov.

2005 – STANLEY, un carro autónomo, gana el Gran Reto DARPA.

2008 – Google avanza en reconocimiento del habla e introduce esta característica en su

aplicación de Iphone.

2011 – Watson, de IBM, vence de manera aplastante en Jeopardy!

2012 – Andrew Ng, fundador del proyecto Google Brain Deep, entrena una IA que
finalmente logró identificar un gato sin habérsele dicho qué era un gato, desencadenando
un gran avance para las redes neuronales y el deep learning.

2014 – Google hace el primer automóvil auto-conducido en pasar la prueba de conducción

del estado.

2016 – AlphaGo, de Google DeppMind, derrota al campeón mundial de Go Lee Sedol.

Algo sin precedentes en la historia.

APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL

La IA, en general, se divide en dos amplias categorías:

AI angosta: algunas vecesa referida como “AI débil”, opera dentro de un contexto
limitado y es una simulación de la inteligencia humana. Frecuentemente se enfoca en
desempeñar una tarea simple extremadamente bien y, aunque estas máquinas parezcan
inteligentes, operan sobre muchas más limitaciones y restricciones que incluso la
inteligencia humana más básica.
Inteligencia Artificial General (IAG): a veces referida como “IA fuerte”, es el tipo de IA
que vemos en las películas como los robots de la serie Westworld o Data de Star Trek.
IAG es una máquina con inteligencia general y, como un ser humano, puede aplicar esa
inteligencia para resolver cualquier problema.
Ejemplos de Inteligencia Artificial
Asistentes inteligentes (como Siri o Alexa).
Herramientas para mapeo de enfermedades y predicción.
Robots de manufactura y drones.
Bots de atención al cliente.
Filtros de Spam de los correos.
Sistemas de recomendación de contenidos de Netflix, Youtube, Spotify, etc.
Machine learning y Deep Learning

Entender la diferencia entre Inteligencia Artificial, machine learning y deep learning

puede prestarse para confusiones. El exitoso empresario Frank Chen provee un panorama
de cómo disinguir entre unas y otras:
“IA es una serie de algoritmos e intelligencia para tratar de imitar inteligencia humana.
Machine learning es uno de ellos y deep learning es una de las técnicas de machine
learning.”
Tipos de inteligencia artificial
1. Máquinas reactivas
Los tipos más básicos de sistemas de IA son puramente reactivos. No tienen la capacidad
de formar recuerdos. Tampoco pueden utilizar experiencias pasadas en las que basar las
decisiones actuales.

Deep Blue fue una supercomputadora creada por IBM. Fue capaz de vencer al ajedrez al
gran maestro internacional Garry Kasparov. Ocurrió a fines de la década de 1990 y es el
ejemplo perfecto de este tipo de máquina.

Puede identificar las piezas en un tablero de ajedrez y saber cómo se mueve cada una.
Puede realizar predicciones sobre los mejores movimientos y elegir el mejor de todas las
posibilidades.

Pero no tiene ningún concepto del pasado. Tampoco posee recuerdos de lo que ha
sucedido antes. Aparte de una regla de ajedrez, Deep Blue ignora todo antes del momento
presente. Todo lo que hace es enfocar las piezas del tablero en tiempo real y elegir entre
los siguientes movimientos posibles.

Es importante que el usuario sepa que está tratando con una máquina en una conversación
de texto o voz, y evitar crear falsas expectativas sobre lo que puede esperar de dicha
conversación.

2. Memoria limitada
El Tipo II maneja máquinas que pueden mirar hacia el pasado. Los vehículos autónomos
ya hacen algo parecido. Por ejemplo, observan la velocidad y dirección de otros autos.
Para que funcionen así hay que identificar objetos específicos y monitorearlos a lo largo
del tiempo.

Digamos que estas observaciones se agregan a las representaciones preprogramadas para

la memoria de estos coches. Se incluyen marcas de carril, semáforos y otros elementos
importantes, como curvas en la carretera.

También se añaden experiencias como cuando el automóvil decide en qué momento

cambiar de carril para evitar interrumpir a otro conductor o ser embestido por un
automóvil cercano.

Deep Blue fue una supercomputadora creada por IBM capaz de vencer al ajedrez al gran
maestro internacional Garry Kasparov

Pero estas simples piezas de información sobre el pasado son solo transitorias. No se
guardan como parte de la biblioteca de experiencias del automóvil. En estos tipos de
inteligencia artificial, la máquina no puede compilar la experiencia durante años, como
lo hace un humano.

Entonces, ¿cómo podemos construir sistemas de IA que construyan representaciones

completas, recordar sus experiencias y aprender cómo manejar situaciones nuevas?
3. Teoría de la mente
Llegamos a un punto en el que nos acercamos más a los tipos de inteligencia artificial que
deseamos en un futuro. Las máquinas de la siguiente clase son más avanzadas. No solo
forman representaciones sobre el mundo, también sobre otros agentes o entidades.

En psicología, esto se denomina ‘teoría de la mente’. Implica la comprensión de que las

personas, las criaturas y los objetos en el mundo pueden tener pensamientos y emociones
que afectan a su propio comportamiento. Esto es crucial para la forma en que los humanos
formamos sociedades, porque nos permite la interacción social.

Si las máquinas van a andar entre nosotros, deberán tener una comprensión sobre cómo
pensamos y cómo sentimos. Además deberán llegar a saber qué esperamos y cómo
queremos que nos traten. Tendrán que ajustar su comportamiento en consecuencia.

4. Autoconciencia
El paso final del desarrollo de la IA es construir sistemas que puedan formar
representaciones sobre sí mismos. En última instancia, los investigadores de la IA tendrán
que comprender no solo la conciencia, sino también construir máquinas que la tengan.

Los seres conscientes son conscientes de sí mismos, conocen sus estados internos y
pueden predecir los sentimientos de los demás. Es probable que estemos lejos de crear
máquinas que sean conscientes de sí mismas. Sin embargo, los esfuerzos se enfocan hacia
la comprensión de la memoria, el aprendizaje y la capacidad de basar las decisiones en
experiencias pasadas.

Puede que estemos muy lejos de al IA autoconsciente, pero es lo que se persigue en última
instancia

Este es un paso importante para entender la inteligencia humana por sí misma. Es crucial
para diseñar o desarrollar máquinas que sean más excepcionales para clasificar lo que ven
frente a ellas.

Los cuatro tipos de inteligencia artificial dan una idea sobre las intenciones que el hombre
tiene acerca del futuro de la máquina. Puede que estemos muy lejos de al IA
autoconsciente. No obstante, está claro que eso es lo que se persigue en última instancia.

IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL

La inteligencia artificial es la que hace posible que la máquina aprenda de la experiencia,

se ajusten a nuevas aportaciones y realicen tareas como hacen los humanos. La mayoría
de los ejemplos de inteligencia artificial de los que usted escucha hoy día desde
computadoras que juegan ajedrez hasta automóviles que se conducen por sí solos se
sustentan mayormente en aprendizaje a fondo (deep learning) y procesamiento del
lenguaje natural. Mediante el uso de estas tecnologías, las computadoras pueden ser
entrenadas para realizar tareas específicas procesando grandes cantidades de datos y
reconociendo patrones en los datos.

Historia de la inteligencia artificial

El término inteligencia artificial fue adoptado en 1956, pero se ha vuelto más popular hoy
día gracias al incremento en los volúmenes de datos, algoritmos avanzados, y mejoras en
el poder de cómputo y el almacenaje.

La investigación inicial de la inteligencia artificial en la década de 1950 exploraba temas

como la solución de problemas y métodos simbólicos. En la década de 1960, el
Departamento de Defensa de los Estados Unidos mostró interés en este tipo de trabajo y
comenzó a entrenar computadoras para que imitaran el razonamiento humano básico. Por
ejemplo, la Defense Advanced Research Projects Agency (DARPA, Agencia de
Proyectos de Investigación Avanzada de Defensa) realizó proyectos de planimetría de
calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003,
mucho tiempo antes que Siri, Alexa o Cortana fueran nombres comunes.

Este trabajo inicial abrió el camino para la automatización y el razonamiento formal que
vemos hoy en las computadoras, incluyendo sistemas de soporte a decisiones y sistemas
de búsqueda inteligentes que pueden ser diseñados para complementar y aumentar las
capacidades humanas.

Aunque las películas de Hollywood y las novelas de ciencia ficción representan la

inteligencia artificial como robots semejantes a humanos que se apoderan del mundo, la
evolución actual de las tecnologías IA no es tan aterradora – o así de inteligente. En su
lugar, la inteligencia artificial ha evolucionado para brindar muchos beneficios
específicos a todas las industrias. Siga leyendo para conocer ejemplos modernos de
inteligencia artificial en las áreas de atención a la salud, comercio detallista y más.

Enlace permanente | Mostrar mensaje anterior | Responder

Imagen de CARLOS JAVIER ARROYO
Re: Fase 0. Presaberes
de CARLOS JAVIER ARROYO - martes, 11 de febrero de 2020, 19:52

Buenas noches envio aporte al trabajo

Aplicación de la inteligencia artificial

La inteligencia artificial es muy importante para nuestro planeta en general ya que

mediante ella se puede desarrollar implementaciones y avances que permiten tener un
mejor nivel de vida ,por lo tanto la inteligencia artificial se aplica en distintas áreas de
nuestra vida algunos campos en donde se aplica la inteligencia artificia son :
1. Agricultura

Simplificar y acelerar la toma de decisión más importante de negocio de cualquier

productor o ingeniero agrónomo: ¿cuándo es el mejor momento para sembrar y cosechar,
o incluso, qué insumos utilizar? Ya existen plataformas específicas para agroindustria en
el mercado que se utilizan de base de datos diversos sobre el tipo de suelo, semillas y
clima para analizar y sugerir el mejor camino a seguir.

2. Logística y Transporte

En la ciudad de Mountain View, es común ver coches autónomos recorriendo las calles
cada día. Es muy probable que en los próximos cinco años sea normal encontrar miles de
estos vehículos circulando en todo el mundo. Además, trenes, camiones y otros medios
de transporte también pueden ser conducidos por robots.

3. Salud y Biotecnología

En el segmento de salud, la Inteligencia Artificial ayuda a médicos y pacientes a tener un

diagnóstico más rápido y preciso. Uno de los aspectos más destacados es la detección del
cáncer mediante muestras de sangre en los pacientes. El material recolectado tiene una
enorme cantidad de datos que necesitan ser analizados para encontrar ciertos patrones. La
técnica ayuda a identificar los factores genéticos que podrían conducir al desarrollo o no
de una enfermedad.

4. Retail

Para hacer pronósticos de ventas y elegir el producto adecuado para recomendarse a un

cliente en particular, son algunas de las capacidades que la IA puede ofrecer hoy en día.
Empresas como Amazon, utilizan robots para identificar si un libro tendrá o no éxito,
inclusive antes de su lanzamiento. Otra excelente aplicación para el sector minorista (y
otras industrias) es la optimización de inventario, donde la IA puede ayudar a las empresas
a prever ingresos y determinar cuánto de un insumo debe adquirirse.

5. Educación

Permite la creación de diferentes tipos de servicios, como saber si un estudiante está a

punto de cancelar su registro o retirarse de un curso, sugerir nuevos cursos para un
estudiante, o incluso, crear ofertas personalizadas para optimizar el aprendizaje y
fomentar la educación.

6. Servicios Financieros

Las tecnologías inteligentes pueden ayudar a las instituciones financieras a reconocer los
riesgos que un cliente puede representar y hasta predecir patrones del mercado y sus
consecuencias, así como recomendación de operaciones; todo ejecutado de forma
automática para tener respuestas y análisis listos para los funcionarios.
7. Manufactura y Supply Chain

Realizar un estudio de los productos y las piezas que requieren mantenimiento, aun antes
de la presentación de problemas, ayudando a las empresas de manufactura sobre cuándo
comprar y/o producir, así como predecir impactos y riesgos de proveedores, son acciones
posibles con el uso de la innovación.

8. Asistentes personales virtuales

Todos nosotros somos o seremos afectados por asistentes personales. En los próximos
años los bancos tendrán empleados digitales ayudándonos a realizar algunas operaciones
y además, para responder a nuestras preguntas, agilizando así la atención al público. Con
este mismo tipo de apoyo virtual también será posible organizar mejor los viajes de
vacaciones, por ejemplo, planeando y programando los detalles, tales como vuelos,
hoteles y traslados.

aporte correspondiente a los campos de aplicación de la Inteligencia Artificial.

El rápido avance tecnológico en la actualidad crea nuevos retos día a día; el uso de
sistemas inteligentes ha permitido llevar a buen término el desarrollo de nuevas
tecnologías en múltiples campos, a continuación podemos ver algunos de los campos de
aplicación de la Inteligencia Artificial.

MEDICINA: incluye la interpretación de imágenes médicas, diagnóstico, sistemas

expertos para ayudar a los médicos, la monitorización y control en las unidades de
cuidados intensivos, diseño de prótesis, diseño de fármacos, sistemas tutores inteligentes
para diversos aspectos de la medicina.
ROBÓTICA: incluye la visión, el control de motores, el aprendizaje, la planificación, la
comunicación lingüística, el comportamiento cooperativo.
INGENIERÍA: diagnóstico de fallos, sistemas inteligentes de control, sistemas
inteligentes de fabricación, ayuda inteligente al diseño, sistemas integrados de ventas,
diseño, producción, mantenimiento, herramientas de configuración expertas (por
ejemplo, garantizando que el personal de ventas no vendan un sistema que no funciona)
INGENIERÍA DE SOFTWARE: incluye síntesis de programas, verificación, depuración,
prueba y monitorización de software.
INTERFACES Y SISTEMAS DE "AYUDA": ya que las computadoras se usan para más
y más aplicaciones que implican la interacción con los seres humanos, hay cada vez más
presiones para construir máquinas más fáciles de utilizar para los no expertos. Un enfoque
a este problema consiste en dotar a las máquinas de más inteligencia para que puedan
guiar o asesorar a los usuarios. Este tipo de aplicación puede incluir muchos de los
subcampos de la sección previa.
EDUCACIÓN: incluye diversos tipos de sistemas tutores inteligentes y sistemas de
gestión de estudiantes. Aplicaciones particulares incluyen diagnóstico de lagunas en los
conocimientos del estudiante, diversos tipos de tutores de ejercicios y prácticas, marcado
automático de ejercicios de programación, etc.
GESTIÓN DE LA INFORMACIÓN: esto incluye el uso de la IA en la minería de datos,
el rastreo web, filtrado de correo, etc.
MATEMÁTICAS: diseño de herramientas para ayudar con distintas clases de funciones
matemáticas, ahora tan utilizadas que ya no se reconocen como productos de la IA.
INDUSTRIA DEL ENTRETENIMIENTO: cada vez más se utiliza la IA en los juegos de
ordenador y los sistemas de control y de generación de caracteres sintéticos, ya sea en la
interacción a través de texto o con la generación de películas con dibujos animados o
“avatares” interactivos en mundos virtuales.
BIOLOGÍA: hay muchos problemas complicados en biología donde se están
desarrollando sistemas informáticos más o menos inteligentes, por ejemplo, análisis de
ADN, predicción de la estructura de plegado de moléculas complejas, la predicción, la
elaboración de modelos de procesos biológicos, evolución, desarrollo de embriones,
comportamientos de los distintos organismos.
LEYES: por ejemplo, sistemas expertos para ayudar a los abogados, o los sistemas para
dar asesoramiento jurídico y ayuda a los no letrados.
ARQUITECTURA: el diseño urbano, la gestión del tráfico: herramientas para ayudar a
resolver problemas de diseño que presentan múltiples restricciones, ayudar a predecir el
comportamiento de las personas en los nuevos entornos, herramientas para analizar los
patrones de los fenómenos observados.
LITERATURA, EL ARTE Y LA MÚSICA: la identificación de los autores, la
modelización de los procesos de generación y el reconocimiento, las aplicaciones de
enseñanza.
DETECCIÓN Y PREVENCIÓN DE LA DELINCUENCIA: por ejemplo, detección de
falsificaciones, aprendizaje para detectar indicios de corrupción policial, software para
controlar las transacciones en Internet, ayudar a planificar las operaciones de la policía,
búsqueda en bases de datos policiales de evidencias de que los crímenes son cometidos
por la misma persona, etc.
COMERCIO: Internet ha permitido que una de las áreas de mayor crecimiento en cuanto
al número de aplicaciones desarrolladas sea el comercio, especialmente el comercio
electrónico y el uso de agentes software de distintas clases para proporcionar, buscar,
analizar o interpretar información, tomar decisiones, negociar con otros agentes, etc.
ESPACIO: el control a distancia de los vehículos espaciales y robots autónomos.
ACTIVIDADES MILITARES: este puede ser el ámbito en el que se ha gastado la mayor
parte de los fondos y dónde no es fácil aprender de los detalles.
CONCLUSIONES

Este trabajo es de gran importancia para nuestra carrera ya que la inteligencia artificial
actual mente está vinculada casi en todas las actividades que a diario afrontamos
facilitándonos nuestro modo de vida y al mismo tiempo obtener provecho de su
implementación.

También podemos conocer la reseña histórica y como se fundamentó y que personajes

fueron los percusores de implementar esta actividad que hoy por hoy es la verdadera
salvación de nuestro planeta

REFERENCIAS BIBLIOGRÁFICAS

https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?docID=3181914&qu
ery=inteligencia+artificial

https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=1&docID=530
7873&tm=1528814922988