TRABAJO 1

DAVID ESTEBAN GUAJÁN CHÁVEZ

UNIVERSIDAD UTE

FACULTAD DE CIENCIAS DE LA INGENIERÍA E INDUSTRIAS

CIENCIAS DE LA COMPUTACIÓN

INTELIGENCIA ARTIFICIAL

OCTAVO SEMESTRE

QUITO – ECUADOR

2022 - 2023
Revoluciones industriales

Las revoluciones industriales no se centran en el desarrollo económico, también tienen influencia

en la evolución de la sociedad y la forma en cómo se desarrolla la vida humana en esta, en el
siguiente gráfico podemos observar las diferentes revoluciones industriales y su principal
característica.

Inteligencia
Mecanización Electrificación Automatización
Artificial

Inteligencia Artificial

Se define por inteligencia artificial a lo que

sucede cuando una máquina realiza una
actividad que requiere de cierto tipo de
inteligencia. Existen diferentes aplicaciones de
la inteligencia artificial, como pueden ser:
Computer vision, robótica, NLP, SPEECH.
Machine Learning

Es una rama de la inteligencia

artificial que tiene por objetivo
desarrollar técnicas que permitan
que las máquinas aprendan,
mediante el uso de algoritmos para
la predicción.

Red Neuronal

Es un algoritmo que recibe un

input y output, el algoritmo se
procesará hasta encontrar una
conclusión adecuada al
requerimiento, mediante la
identificación de patrones en datos
masivos.

Computer Vision

Es un campo de la inteligencia artificial (IA) que permite que las computadoras y los
sistemas obtengan información significativa de imágenes digitales, videos y otras entradas
visuales, y tomen medidas o hagan recomendaciones basadas en esa información.
Yann Lecun descubrió las redes neuronales
convolucionales, las cuales son las que se
utilizan para el procesamiento de datos que
componen imágenes, videos, etc. Creando
patrones los cuales el algoritmo es capaz de
interpretar mediante grandes cantidades de
inputs.

Si la Inteligencia Artificial permite que las

computadoras piensen, computer vision les
permite ver, observar y comprender.

Con estos datos de reconocimiento se abren varias posibilidades, como por ejemplo
reconocimiento de las actitudes de personas mediante sistemas de vigilancia, logramos identificar
a potenciales ladrones y/o capturarlos.

Se puede identificar a cualquier placa de un automóvil, esto con el fin de determinar causantes de
accidentes de tránsito, autos robados y la asignación de infracciones de tránsito.
Otro ejemplo de usar el computer vision, son los autos autónomos, ya que estos usan tecnología
para reconocer su alrededor mediante mapeos y con estos datos se vuelven capaces de tomar las
decisiones necesarias para cada situación.

Con los mapeos definidos cualquier robot se

puede movilizar por el entorno, determinar el
movimiento en este, determinar
cuantitativamente los elementos del ambiente,
entre otros usos.
Con la identificación del entorno, las maquinas pueden realizar diferentes actividades que
requieren la interacción con el ambiente en el que se encuentran. Es decir, la capacidad de
moverse por el espacio de una manera autónoma y eficiente.

La solución automática de chips con algún desperfecto, entrenando algoritmos para que puedan
identificar y procesar los pines para solucionar los que presenten errores de fábrica.

La detención de enfermedades o cánceres con

una gran tasa de acierto.
Evolución

Las redes generativas adversarias

Estas redes neuronales fueron capaces de determinar patrones mediante procesos que se le
fueron implementados, las cuales pueden generar e interpretar algo totalmente nuevo mediante
los datos que tienen almacenados.

Mientras más cantidad de datos exista, se pueden

generar datos en este caso imágenes que cumplan
con los procesos que se le fueron implementados.
Evolucionando, de tal manera que sean
imperceptibles para los humanos.
Con la interpretación total de los datos, se llega al aprendizaje autónomo con el que se puede
realizar datos de video, el cual genera los frames necesarios para logran un fin en específico, como
por ejemplo cambiar la cara de alguien por la de otra persona.

Además, se pueden generar predicciones de envejecimiento, la creación de modelos de ropa

únicos, incluso la generación de un presentador de noticias, el cual usa computer vision y la
aplicación de la inteligencia artificial al lenguaje o NLP.
Natural Language Processing NLP

Es un campo de la inteligencia artificial que

es capaz de generar y comprender texto o
secuencias, mediante ‘transformes’. Estos
se han aplicado en asistentes de voz, en
guías de GPS, entre otros.

Transformers en el NLP

Un transformer es un modelo de inteligencia artificial aplicada al Deep Learning que adopta el

mecanismo de autoatención, ponderando diferencialmente la importancia de cada parte de los
datos de entrada. Están diseñados para procesar datos de entrada secuenciales, como el lenguaje
natural, procesando toda la entrada a la vez.

El mecanismo de atención proporciona contexto para cualquier posición en la secuencia de

entrada. Por ejemplo, si los datos de entrada son una oración de lenguaje natural, el transformer
no tiene que procesar una palabra a la vez. Esto permite una mayor eficiencia en el proceso.

Peligro

El peligro a esta aplicación se debe a que se puede generar contenido falso, que es casi
imperceptible por los humanos, debido a esto esta tecnología se encuentra resguardada y no es
para el alcance de todos.