Introducción a

la Inteligencia
Artificial
¿Qué es la Inteligencia Artificial?
Es la rama de la Informática que busca la creación de sistemas que puedan imitar
comportamientos inteligentes como percibir, razonar, aprender o resolver problemas. El
sistema debe interpretar correctamente los datos que recibe para aprender de ellos y usar
esos conocimientos para lograr metas o tareas concretas.

Se pueden clasificar en dos tipos:

 Débil: cuando puede cumplir un conjunto muy limitado de tareas.

 Fuerte: cuando es capaz de aplicarse en una gran variedad de problemas diferentes.
En la actualidad aún no existe Inteligencia Artificial de este tipo.

En la actualidad, encontramos fácilmente la Inteligencia Artificial a nuestro alrededor, por

ejemplo:

 Los asistentes virtuales como Siri o Alexa.

 Las recomendaciones de contenido de algunas plataformas como Youtube o Netflix.
 Las recomendaciones de texto de Google.

A) Identificar donde encontramos la Inteligencia Artificial en la vida

cotidiana. Primero se piensa de forma individual, después por parejas y
finalmente se debate entre toda la clase.
B) Indica mediante el ejercicio que encontrarás en Aules cuáles de las
ACTIVIDAD 1
situaciones usan Inteligencia Artificial y cuáles no.

a) Entra en Quick, Draw! (quickdraw.withgoogle.com) donde se usa

inteligencia artificial para reconocer tus dibujos. Envía al aula virtual
una captura de pantalla del resultado final de tus dibujos.
JUEGOS
b) Entra en Semantris (google.com) que es un juego de Inteligencia
Artificial donde debes escribir palabras en inglés relacionadas con las
que se resalta. Envía al aula virtual una captura de pantalla con tus
resultados.
c) Visita Semi-Conductor (semiconductor.withgoogle.com) dónde podrás
dirigir una orquesta mediante los movimientos que hagas delante de
una webcam.

Partes de la Inteligencia Artificial

La Inteligencia Artificial tiene tres partes:
  El conjunto de datos (dataset): es una colección de datos de diferentes fuentes.
Pueden ser imágenes, textos, medidas (tiempo, distancia), etc.
 El algoritmo de aprendizaje: a partir de los datos de entrada que es el conjunto de
datos, el algoritmo de aprendizaje hace una serie de operaciones que le permiten
obtener una predicción.
 La predicción hecha.
Por ejemplo, los anuncios que Instagram nos muestra son la predicción a partir de un
mecanismo de Inteligencia Artificial donde el conjunto de datos son los clics que has hecho
antes, las marcas y la gente que sigues y el texto que aparece en los anuncios.

Por parejas jugar al Bingo de la Inteligencia Artificial donde debes emparejar

qué conjunto de datos y que predicción usa cada servicio de Inteligencia
Artificial propuesto.
ACTIVIDAD 2

Campos de la Inteligencia Artificial

Algunos de los campos de la Inteligencia Artificial son los siguientes:

 Robótica con Inteligencia Artificial: construcción de robots que no necesitan recibir

órdenes para tomar una decisión, sino que es capaz de trabajar por sí mismos tras
haber superado una fase de ‘entrenamiento’ o ensayo-error. Requiere de varias
técnicas de Inteligencia Artificial como el reconocimiento del lenguaje natural y de
imágenes para poder ser sensibles al entorno o predicción de las consecuencias que
pueden tener sus acciones entre otros.
 Machine Learning: busca como dotar a las máquinas de la capacidad de aprender
para mejorar su rendimiento en una tarea determinada.
 Procesamiento de lenguaje natural (NLP): ayuda a los dispositivos a entender,
interpretar y manipular el lenguaje humano.

Clasificación de Machine Learning

Hay tres tipos de Machine Learning:

 Aprendizaje automático supervisado: el sistema es entrenado por un conjunto de

datos a los que asociamos una etiqueta. El algoritmo aprende la relación entre los
datos y las etiquetas y lo usa para mejorar sus predicciones o decisiones cuando
tiene datos de entrada diferentes a los proporcionados en el entrenamiento. El
entrenamiento del sistema debe ser gestionado por una persona.
 Aprendizaje automático no supervisado: produce conocimiento a través de los
datos de entrada sin necesidad de explicarle al sistema qué resultado queremos
obtener.
 Aprendizaje automático por refuerzo: el algoritmo aprende por su cuenta según su
experiencia. Se basa en la retroalimentación recibida donde la proximidad al objetivo
 es premiada y el alejamiento penalizado. Dependiendo de la retroalimentación
recibida modifica su estrategia y decisiones para minimizar errores.
 Deep Learning: se basa en el uso de algoritmos de aprendizaje automático que son
capaces de modelar datos con un alto nivel de abstracción. Necesitan ordenadores
muy potentes.
Visualiza el siguiente vídeo para ver ejemplos de los tres tipos anteriormente mencionados:
CLASIFICACIÓN DE MACHINE LEARNING | #4 Curso de Introducción a Machine Learning -
YouTube

Implicaciones éticas y sociales

Sesgo en la predicción realizada

La Inteligencia Artificial toma cada vez más decisiones relevantes que pueden impactar en
nuestras vidas. Por eso, es necesario que se compruebe que las decisiones que toma son
justas y no tienen sesgos llevando a tomar decisiones discriminatorias.

Si la Inteligencia Artificial usa el aprendizaje automático supervisado, debido a que el

entrenamiento del sistema es supervisado por una persona, el sistema de valores y los
prejuicios de esa persona pueden introducirse en el sistema.

Visualiza el siguiente vídeo sobre los dilemas éticos de los coches

autónomos.

Entra en Máquina Moral (moralmachine.net) que es una plataforma donde se

ACTIVIDAD 3
muestran dilemas morales con los que se pueden encontrar los coches
autónomos. Elige en cada situación cuál crees que es el mal menor y después
crea un documento donde recojas las respuestas que has dado a las preguntas.

Los sistemas de Inteligencia Artificial también pueden tener sesgos debido al conjunto de
datos que usan para poder hacer predicciones. Si el conjunto de datos que le pasamos al
algoritmo está sesgado, el sistema también lo estará. Estos sesgos pueden aparecer incluso
de forma inintencionada, por ejemplo, por falta de datos de un determinado subgrupo.

Muchas veces cambiando la forma de recolección de los datos podemos reducir los sesgos
manteniendo la capacidad y precisión predictiva. Es mejor tener menos datos pero que los
grupos estén correctamente representados que tener más datos con algún grupo
infrarrepresentado. En el siguiente vídeo, podemos ver cómo mejorar el sistema de
reconocimiento facial cuando el conjunto de datos no está completo (hasta el minuto 2:04):
What’s Going On With Facial Recognition? | Untangled

Visualizar el siguiente vídeo: Los sesgos de la inteligencia artificial. - YouTube

Cambia el concepto de privacidad

Los sistemas de Inteligencia Artificial pueden violar el anonimato de datos que pensamos
que están seguros. Por ejemplo, unos investigadores de la Universidad de Texas estudiaron
un conjunto de datos públicos facilitado por Netflix en el que había 10 millones de
puntuaciones de películas dadas por unos 500 000 usuarios anónimos, y demostraron que,
en realidad, se podía vincular a muchos de los usuarios de Netflix con cuentas de usuario de
Internet Movie Database porque habían puntuado varias películas en ambas aplicaciones.
De este modo, los investigadores fueron capaces de desanonimizar los datos de Netflix. Esto
que en principio parece inofensivo puede revelar aspectos de nuestras vidas como las ideas
políticas o nuestros gustos sexuales que deberían permanecer en secreto.

Otro ejemplo son los patrones de tecleo, es decir, los intervalos breves de tiempo entre las
pulsaciones de las teclas cuando se escribe un texto. Sabiendo tu patrón de tecleo pueden
averiguar si has usado otro servicio, aunque no te hayas identificado.

Además, muchas empresas tecnológicas como Google, Amazon o Instagram recopilan datos
sobre las compras que haces y otros datos de navegación para poder ofrecerte publicidad
que esté personalizada a tus gustos.

¿Te acuerda dónde fuiste 6 de agosto de este año? Entra en

https://timeline.google.com/maps/timeline con tu cuenta de Google
personal que tengas asociada al móvil y comprueba si Google tiene
ACTIVIDAD 4 información sobre lo que hiciste ese día.

Entra a continuación en https://myactivity.google.com/myactivity y

comprueba la cantidad de información que Google almacena sobre ti. Haz
una captura de pantalla de la página principal de este servicio.

En la pantalla principal te permite desactivar si no quieres que almacene

datos de la actividad en la web, los lugares que visitas y el historial de
Youtube.
 Si no quieres que recopile información de alguna de las categorías,
desactívala. También puedes eliminar alguno de los datos guardados
individualmente.

Cambios en el trabajo
La introducción de la Inteligencia Artificial en el trabajo supone cambios en el trabajo
eliminando la necesidad de algunos trabajos repetitivos y aburridos. Según un estudio de la
Universidad de Oxford, el 47% de los puestos de trabajo de Estados Unidos podrían estar en
riesgo.

Como los trabajadores pueden tener que cambiar de trabajo durante su vida laboral es
importante que tengan una formación amplia que les permita desempeñar varios trabajos y
que realicen aprendizaje permanente y formación en el trabajo para poder adaptarse más
fácilmente a los cambios que se realicen.

Haz una lista de los 5 trabajos que te gustarían. Búscalos en

https://willrobotstakemyjob.com/ y reflexiona o piensa cómo se podrían
reencaminar en el futuro.
ACTIVIDAD
5