PRESENTACIÓN

NOMBRE: Federico Benjamin.

APELLIDO: Bencosme Díaz.

MATRICULA: 2019-8210.

MAESTRO/A: Freidy Núñez.

MATERIA: Introducción a Aplicaciones Móviles.

INSTITUTO O UNIVERSIDAD: Instituto Tecnológico de la

Américas.

TRABAJO: Tarea 1, Android.

FECHA DE ENTREGA: Miércoles 15, Septiembre 2021.

1
 INTRODUCCIÓN
En este trabajo, Cabe destacar que nuestra primera investigación en esta materia. Los
temas para iniciar nuestra investigación fueron especificados por el profesor en el
apartado de la tarea.
Los temas está relacionado a libro con el cual trabajaremos, Los temas a realizar el
resumen para dejarlo plasmado en nuestra investigación son:
1.1 ¿Qué es Inteligencia artificial?
Facultad de la mente que permite aprender, entender, razonar, tomar decisiones y
formarse una idea determinada de la realidad.
1.2 Los fundamentos de la IA
Esta sección presenta una breve historia de las disciplinas que han contribuido con
ideas, puntos de vista y técnicas al desarrollo de la IA. Como toda revisión histórica, en
este caso se centra en un pequeño número de personas, eventos e ideas e ignora otras
que también fueron importantes.
1.3 Historia de la IA:
La Inteligencia Artificial surge definitivamente a partir de algunos trabajos publicados
en la década de 1940 que no tuvieron gran repercusión, pero a partir del influyente
trabajo en 1950 de Alan Turing, matemático británico, se abre una nueva disciplina de
las ciencias de la información.
Si bien las ideas esenciales se remontan a la lógica y algoritmos de los griegos, y a las
matemáticas de los árabes, varios siglos antes de Cristo, el concepto de obtener
razonamiento artificial aparece en el siglo XIV. A finales del siglo XIX se obtienen
lógicas formales suficientemente poderosas y a mediados del siglo XX, se obtienen
máquinas capaces de hacer uso de tales lógicas y algoritmos de solución.

2
  ¿QUE ES LA INTELIGENCIA ARTIFICIAL?
Hemos proclamado que la IA es excitante, pero no hemos dicho qué es. Las que
aparecen en la parte superior se refieren a procesos mentales y al razonamiento,
mientras que las de la parte inferior aluden a la conducta. Las definiciones de la
izquierda miden el éxito en términos de la fidelidad en la forma de actuar de los
humanos, mientras que las de la derecha toman como referencia un concepto ideal de
inteligencia, que llamaremos racionalidad. Un sistema es racional si hace «lo correcto»,
en función de su conocimiento.
A lo largo de la historia se han seguido los cuatro enfoques mencionados. Como es de
esperar, existe un enfrentamiento entre los enfoques centrados en los humanos y los
centrados en torno a la racionalidad. El enfoque centrado en el comportamiento humano
debe ser una ciencia empírica, que incluya hipótesis y confirmaciones mediante
experimentos. El enfoque racional implica una combinación de matemáticas e
ingeniería. Cada grupo al mismo tiempo ha ignorado y ha ayudado al otro. A
continuación revisaremos cada uno de los cuatro enfoques con más detalle.
En términos sencillos, inteligencia artificial (IA) se refiere a los sistemas o las máquinas
que imitan la inteligencia humana para realizar tareas y que tienen la capacidad de
mejorar iterativamente a partir de la información que recopilan. La IA se manifiesta de
varias formas. Algunos ejemplos son:
o Los bots conversacionales que utilizan IA para comprender más rápido los
problemas de los clientes y proporcionar respuestas más eficientes
o Los asistentes inteligentes utilizan la IA para analizar información crítica
proveniente de grandes conjuntos de datos de texto libre para mejorar la
programación
o Los motores de recomendación pueden proporcionar recomendaciones
automatizadas para programas de TV según los hábitos de visualización de los
usuarios

Actuar de forma racional: el enfoque del agente racional

Un agente es algo que razona (agente viene del latín agere, hacer). Pero de los agentes
informáticos se espera que tengan otros atributos que los distingan de los «programas»
convencionales, como que estén dotados de controles autónomos, que perciban su
entorno, que persistan durante un período de tiempo prolongado, que se adapten a los
cambios, y que sean capaces de alcanzar objetivos diferentes. Un agente racional es
aquel que actúa con la intención de alcanzar el mejor resultado o, cuando hay
incertidumbre, el mejor resultado esperado.
En el caso del enfoque de la IA según las «leyes del pensamiento», todo el énfasis se
pone en hacer inferencias correctas. La obtención de estas inferencias correctas puede, a
veces, formar parte de lo que se considera un agente racional, ya que una manera
racional de actuar es llegar a la conclusión lógica de que si una acción dada permite
alcanzar un objetivo, hay que llevar a cabo dicha acción. Sin embargo, el efectuar una
inferencia correcta no depende siempre de la racionalidad, ya que existen situaciones
para las que no hay nada correcto que hacer y en las que hay que tomar una decisión.
Existen también formas de actuar racionalmente que no implican realizar inferencias.

3
Por ejemplo, el retirar la mano de una estufa caliente es un acto reflejo mucho más
eficiente que una respuesta lenta llevada a cabo tras una deliberación cuidadosa.
Todas las habilidades que se necesitan en la Prueba de Turing deben permitir emprender
acciones racionales. Por lo tanto, es necesario contar con la capacidad para representar
el conocimiento y razonar basándonos en él, porque ello permitirá alcanzar decisiones
correctas en una amplia gama de situaciones. Es necesario ser capaz de generar
sentencias comprensibles en lenguaje natural, ya que el enunciado de tales oraciones
permite a los agentes desenvolverse en una sociedad compleja. El aprendizaje no se
lleva a cabo por erudición exclusivamente, sino que profundizar en el conocimiento de
cómo funciona el mundo facilita la concepción de estrategias mejores para manejarse en
él.

 Los Fundamentos de la Inteligencia Artificial (IA)

Esta sección presenta una breve historia de las disciplinas que han contribuido con
ideas, puntos de vista y técnicas al desarrollo de la IA. Como toda revisión histórica, en
este caso se centra en un pequeño número de personas, eventos e ideas e ignora otras
que también fueron importantes. La historia se organiza en torno a una serie de
cuestiones, dejando claro que no se quiere dar la impresión de que estas cuestiones son
las únicas por las que las disciplinas se han preocupado y que el objetivo último de
todas estas disciplinas era hacer avanzar la IA.
Aristóteles (384-322 a.C.) fue el primero en formular un conjunto preciso de leyes que
gobernaban la parte racional de la inteligencia. Él desarrolló un sistema informal para
razonar adecuadamente con silogismos, que en principio permitía extraer conclusiones
mecánicamente, a partir de premisas iniciales. Mucho después, Ramón Lull (d. 1315)
tuvo la idea de que el razonamiento útil se podría obtener por medios artificiales. Sus
«ideas» aparecen representadas en la portada de este manuscrito. Thomas Hobbes
(1588- 1679) propuso que el razonamiento era como la computación numérica, de
forma que «nosotros sumamos y restamos silenciosamente en nuestros pensamientos».
La automatización de la computación en sí misma estaba en marcha; alrededor de 1500,
Leonardo da Vinci (1452-1519) diseñó, aunque no construyó, una calculadora
mecánica; construcciones recientes han mostrado que su diseño era funcional. La
primera máquina calculadora conocida se construyó alrededor de 1623 por el científico
alemán Wilhelm Schickard (1592-1635), aunque la Pascalina, construida en 1642 por
Blaise Pascal (1623-1662), sea más famosa. Pascal escribió que «la máquina aritmética
produce efectos que parecen más similares a los pensamientos que a las acciones
animales». Gottfried Wilhelm Leibniz (1646-1716) construyó un dispositivo mecánico
con el objetivo de llevar a cabo operaciones sobre conceptos en lugar de sobre números,
pero su campo de acción era muy limitado.
El último elemento en esta discusión filosófica sobre la mente es la relación que existe
entre conocimiento y acción. Este asunto es vital para la IA, ya que la inteligencia
requiere tanto acción como razonamiento. Más aún, simplemente con comprender cómo
se justifican determinadas acciones se puede llegar a saber cómo construir un agente
cuyas acciones sean justificables (o racionales). Aristóteles argumenta que las acciones

4
se pueden justificar por la conexión lógica entre los objetivos y el conocimiento de los
efectos de las acciones.

La Neurociencia como Fundamento de la Inteligencia

Artificial (IA)
La Neurociencia es el estudio del sistema neurológico, y en especial del cerebro. La
forma exacta en la que en un cerebro se genera el pensamiento es uno de los grandes
misterios de la ciencia. Se ha observado durante miles de años que el cerebro está de
alguna manera involucrado en los procesos de pensamiento, ya que fuertes golpes en la
cabeza pueden ocasionar minusvalía mental. También es ampliamente conocido que los
cerebros humanos son de alguna manera diferentes; aproximadamente en el 335 a.C.
Aristóteles escribió, «de entre todos los animales el hombre tiene el cerebro más grande
en proporción a su tamaño». Aunque, no fue hasta mediados del siglo XVIII cuando se
aceptó mayoritariamente que el cerebro es la base de la conciencia. Hasta este
momento, se pensaba que estaba localizado en el corazón, el bazo y la glándula pineal.
El estudio de Paul Broca (1824-1880) sobre la afasia (dificultad para hablar) en
pacientes con el cerebro dañado, en 1861, le dio fuerza a este campo y convenció a la
sociedad médica de la existencia de áreas localizadas en el cerebro responsables de
funciones cognitivas específicas. En particular, mostró que la producción del habla se
localizaba en una parte del hemisferio izquierdo; hoy en día conocida como el área de
Broca. En esta época ya se sabía que el cerebro estaba formado por células nerviosas o
neuronas, pero no fue hasta 1873 cuando Camillo Golgi (1843-1926) desarrolló una
técnica de coloración que permitió la observación de neuronas individuales en el
cerebro Santiago Ramón y Cajal (1852-1934) utilizó esta técnica es sus estudios
pioneros sobre la estructura neuronal del cerebro.

 Historia de Inteligencia Artificial

Una vez revisado el material básico estamos ya en condiciones de cubrir el desarrollo de
la IA propiamente dicha.

Génesis de la inteligencia artificial (1943-1955):

Warren McCulloch y Walter Pitts (1943) han sido reconocidos como los autores del
primer trabajo de IA. Partieron de tres fuentes: conocimientos sobre la fisiología básica
y funcionamiento de las neuronas en el cerebro, el análisis formal de la lógica
proposicional de Russell y Whitehead y la teoría de la computación de Turing.
Propusieron un modelo constituido por neuronas artificiales, en el que cada una de ellas
se caracterizaba por estar «activada» o «desactivada»; la «activación» se daba como
respuesta a la estimulación producida por una cantidad suficiente de neuronas vecinas.
El estado de una neurona se veía como «equivalente, de hecho, a una proposición con
unos estímulos adecuados». Mostraron, por ejemplo, que cualquier función de cómputo
podría calcularse mediante alguna red de neuronas interconectadas, y que todos los
conectores lógicos (and, or, not, etc.) se podrían implementar utilizando estructuras de
red sencillas. McCulloch y Pitts también sugirieron que redes adecuadamente definidas
podrían aprender. Donald Hebb (1949) propuso y demostró una sencilla regla de

5
actualización para modificar las intensidades de las conexiones entre neuronas. Su regla,
ahora llamada de aprendizaje Hebbiano o de Hebb, sigue vigente en la actualidad.

Nacimiento de la inteligencia artificial (1956)

Princeton acogió a otras de las figuras señeras de la IA, John McCarthy. Posteriormente
a su graduación, McCarthy se transladó al Dartmouth College, que se erigiría en el lugar
del nacimiento oficial de este campo. McCarthy convenció a Minsky, Claude Shannon y
Nathaniel Rochester para que le ayudaran a aumentar el interés de los investigadores
americanos en la teoría de autómatas, las redes neuronales y el estudio de la
inteligencia. Organizaron un taller con una duración de dos meses en Darmouth en el
verano de 1956. Hubo diez asistentes en total, entre los que se incluían Trenchard More
de Princeton, Arthur Samuel de IBM, y Ray Solomonoff y Oliver Selfridge del MIT.
Aunque los primeros referentes históricos se remontan a los años 30 con Alan Turing,
considerado padre de la inteligencia artificial, se considera que el punto de partida es el
año 1950, precisamente, cuando Turing publica un artículo con el título «Computing
machinery and intelligence» en la revista Mind, donde se hacía la pregunta: ¿pueden las
máquinas pensar? y proponía un método para determinar si una máquina puede pensar.
Los fundamentos teóricos de la IA se encuentran en el experimento que propone en
dicho artículo y que pasó a denominarse Test de Turing, y mediante cuya superación
por una máquina se podía considerar que sería capaz de pasar por un humano en una
charla ciega. Este test sigue estando vigente en la actualidad y es motivo de estudios e
investigaciones continuas.
Sin embargo, numerosos investigadores e historiadores consideran que el punto de
partida de la moderna inteligencia artificial fue el año 1956, cuando los padres de la
inteligencia artificial moderna, John McCarty, Marvin Misky y Claude Shannon
acuñaron formalmente el término durante la conferencia de Darmouth, como: «la
ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cálculo
inteligente». La conferencia fue financiada por la Fundación Rockefeller y se llamó
Dartmouth Summer Research Project on Artificial Intelligence.

IA en el año 1997:
El supercomputador Deep Blue de IBM ganó en 1997 al campeón mundial de ajedrez
Gari Kasparov, después de un fracaso previo en 1996 donde ganó Kasparov. El año
1997 es considerado por algunos historiadores de la IA como el punto de inflexión
donde comenzó a oírse de la inteligencia artificial fuera de los ámbitos académicos y de
investigación.
Sin embargo, es en la segunda década del siglo XXI cuando comienzan a aparecer los
acontecimientos de impacto para llevar la IA al punto de despegue donde se encuentra
en este momento.

6
 IA en el año 2011-2024:
En febrero de 2011, el supercomputador Watson de IBM -el modelo de computador
cognitivo, como lo denomina su creador IBM- gana en el concurso televisivo de Estados
Unidos Jeopardy¡, en el que se realizan preguntas y cuestiones diferentes de todo tipo,
cultura y conocimiento, a los dos mejores concursantes del programa, Brad Ruttler y
Ken Jennings.
Watson es una computadora capaz de aprender a medida que trabaja y acumula
información y que puede interactuar con el lenguaje humano en un lenguaje natural.
Watson va aprendiendo con las interacciones con el usuario.
La computadora cognitiva Watson está disponible y accesible desde la nube y tiene
clientes en numerosos países del mundo; en el caso de España, CaixaBank y Repsol
trabajan con Watson.
El año 2012 es considerado como el año clave de la segunda generación de inteligencia
artificial, con el lanzamiento de asistentes virtuales apoyados en IA con algoritmos de
aprendizaje profundo. En junio de 2012 Google presentó su asistente virtual, Google
Now, y en abril de 2014 Microsoft presentó su propio asistente virtual, Cortana.
El 9 de marzo de 2016, el software de inteligencia artificial Alpha Go de Google se
enfrentó al surcoreano Se-Dol, campeón mundial de Go -un juego milenario de
estrategia muy complejo- en una partida a cinco juegos. Alpha Go ganó los tres
primeros juegos limpiamente y solo en el último quinto juego Se-Dol ganó, gracias a un
movimiento inicial que hizo y donde se comprobó que la máquina estaba poco
entrenada para enfrentarse a situaciones inesperadas.
El algoritmo Libratus de Inteligencia Artificial desarrollado por la Universidad Carnegie
Mellon venció claramente a cuatro de los mejores jugadores profesionales de póquer en
un Casino de Estados Unidos. La partida se realizó en enero-febrero de 2017 durante 20
días en un torneo de póquer con sesiones de 11 horas diarias en el Casino Rivers de
Pittsburgh (Estados Unidos) dentro del Torneo Cerebros vs. Inteligencia Artificial
(Brains vs. Artificial Intelligence). La modalidad del juego elegida fue mano-a-mano,
enfrentando a la máquina con los cuatro jugadores profesionales y ganó Alpha Go por
abrumadora mayoría.
La Inteligencia Artificial se asienta en sectores importantes del tejido productivo como
la automoción, produciéndose avances relevantes en la conducción autónoma por parte
de Tesla o Audi entre otros.
Se intensifica la utilización de soluciones basadas en IA por parte de otras industrias
como Turismo, Movilidad o Seguros, utilizando algoritmos de reconocimiento de
imagen y modelos predictivos sobre el comportamiento de los conductores para evaluar
la probabilidad de sufrir un accidente.
Crece por otro lado el uso del “Low Code”, tecnología que permite a usuarios sin
formación técnica desarrollar de forma intuitiva aplicaciones sencillas que aprovechen
la inteligencia artificial y cuyo incremento de uso estimado durante 2021 llegará al 30%.
Se incrementará el uso del IoT y los dispositivos controlados por voz, no sólo por la
mayor entrada de los asistentes de voz de Google, Amazon o Apple en el ámbito

7
doméstico sino por el crecimiento esperado de su implantación en oficinas y áreas de
trabajo.
Con todo, se estima que la Inteligencia Artificial genere más de 300 mil millones de
dólares anuales de negocio en todo a lo largo de 2024.

CONCLUSION
8
Al finalizar esta investigación, Cabe destacar que esta materia trata sobre una de las
cosas más importantes y que más atraen en nuestro mundo de la tecnología, Lo cual es
la Inteligencia Artificial.
La Inteligencia Artificial (IA) es la combinación de algoritmos planteados con el
propósito de crear máquinas que presenten las mismas capacidades que el ser humano.
Una tecnología que todavía nos resulta lejana y misteriosa, pero que desde hace unos
años está presente en nuestro día a día a todas horas.
TIPOS DE INTELIGENCIA ARTIFICIAL
Los expertos en ciencias de la computación Stuart Russell y Peter Norvig diferencian
varios tipos de inteligencia artificial:
 Sistemas que piensan como humanos
Automatizan actividades como la toma de decisiones, la resolución de problemas y el
aprendizaje. Un ejemplo son las redes neuronales artificiales.
 Sistemas que actúan como humanos
Se trata de computadoras que realizan tareas de forma similar a como lo hacen las
personas. Es el caso de los robots.
 Sistemas que piensan racionalmente
Intentan emular el pensamiento lógico racional de los humanos, es decir, se investiga
cómo lograr que las máquinas puedan percibir, razonar y actuar en consecuencia. Los
sistemas expertos se engloban en este grupo.
 Sistemas que actúan racionalmente
Idealmente, son aquellos que tratan de imitar de manera racional el comportamiento
humano, como los agentes inteligentes.

BIBLIOGRAFIA

9
https://www.iberdrola.com/innovacion/que-es-
inteligencia-artificial
https://es.wikipedia.org/wiki/Historia_de_la_intel
igencia_artificial#Orígenes_y_evolución_cronoló
gica
https://www.oracle.com/mx/artificial-
intelligence/what-is-ai/
https://www.cesce.es/es/-/asesores-de-
pymes/breve-historia-la-inteligencia-artificial-
camino-hacia-la-empresa
https://luismejias21.files.wordpress.com/2017/09/i
nteligencia-artificial-un-enfoque-moderno-stuart-
j-russell.pdf

10
 GLOSARIO DE TERMINOS
 Automatizan: Es un sistema donde se trasfieren tareas de producción, realizadas
habitualmente por operadores humanos a un conjunto de elementos
tecnológicos. La Parte Operativa es la parte que actúa directamente sobre la
máquina.
 Emular: En informática, un emulador es un software que permite ejecutar
programas o videojuegos en una plataforma diferente de aquella para la cual
fueron escritos originalmente.
 IoT: La internet de las cosas es un concepto que se refiere a una interconexión
digital de objetos cotidianos con internet. Es, en definitiva, la conexión de
internet más con objetos que con personas.
 Neurociencia: La neurociencia es un campo de la ciencia que estudia el sistema
nervioso y todos sus aspectos: por ejemplo, estructura, función, desarrollo
ontogenético y filogenético, bioquímica, farmacología.
 Racional: La racionalidad es la capacidad que permite pensar, evaluar, entender
y actuar de acuerdo a ciertos principios de mejora y consistencia, para satisfacer
algún objetivo o finalidad.

11