INTRODUCCIÓN.

La inteligencia artificial, a la cual nos referiremos de ahora en adelante

como AI (Artificial Intelligence) por sus siglas en inglés, es una rama de
la informática, que se dedica al estudio y desarrollo de métodos para
simular la inteligencia y habilidad humana en procesos lógicos
computacionales, capaces de realizar tareas humanas como el
reconocimiento de patrones, el aprendizaje y la toma de decisiones.

La toma de decisiones de forma autónoma por parte de las AI,

implicaría que estas pudieran llegar a pensar como los humanos, lo que
requiere necesariamente una reflexión ética, filosófica, inclusive
espiritual. Para algunas personas resulta impensable e incluso irreal la
idea de confiar su seguridad y su vida, a un sistema autónomo, carente
de empatía humana, pero con capacidad de decisión; para otros,
significa la automatización de tareas básicas, la optimización de
materias primas y tiempo, puesto que la capacidad de cálculo, rápido,
lógico y óptimo de las AI, permitirá que enfoquemos nuestra energía en
tareas más especializadas o complejas.

Palabras clave: AI, Artificial Intelligence, Inteligencia Artificial, Futuro

tecnológico, Machine learning, Deep Learning, aprendizaje automático,
superación, suplantación, Aprendizaje Humano, Aprendizaje AI.
 ¿SUPERARÁ LA AI AL RAZONAMIENTO HUMANO?

La inteligencia se puede definir como una capacidad general para

razonar, resolver problemas y aprender. Por su carácter general, la
inteligencia integra funciones cognitivas como la percepción, la
atención, la memoria, el lenguaje o la planificación, (Colom, R. et al.
2022), entonces, se puede decir que cualquier ser o cosa que pueda
realizar estas tareas es inteligente. Si bien un animal, un humano o una
máquina pueden ser inteligentes cada uno desarrolla esta habilidad de
forma diferente.

Según la Oracle, una de las mayores compañías de software del mundo

“En términos simples, inteligencia artificial (IA) se refiere a sistemas o
máquinas que imitan la inteligencia humana para realizar tareas y
pueden mejorar iterativamente a partir de la información que
recopilan”, tanto las AI y los humanos realizan tareas que les permiten
adquirir conocimientos para luego utilizarlos en situaciones
problemáticas. Aunque el concepto básico de funcionamiento de las AI
es el esquema de inteligencia humana, ambos (humano y máquina)
desarrollan la inteligencia de maneras diferentes.

Por un lado la inteligencia humana es una construcción social que se

produce en la interacción entre el individuo y su entorno, es una
capacidad que se desarrolla a través de la experiencia, el aprendizaje y
el pensamiento reflexivo; por ejemplo, en promedio a un niño le puede
tomar entre 2-3 años desarrollar la habilidad del habla de manera clara
o al menos consecuente (Miller, W, 1964) desarrollar el lenguaje es un
proceso complejo que requiere la coordinación de muchas habilidades
diferentes. Jerome Bruner dice en su libro “El habla del niño” (1986) que
los niños aprenden el lenguaje de forma natural, a través de la
interacción, con otras personas y el medio, el juego y las referencias. A
medida que los niños van interactuando con el mundo que les rodea,
van adquiriendo las habilidades necesarias para comunicarse de forma
cada vez más eficaz. El lenguaje se va desarrollando de forma gradual, a
lo largo de varios años.

El proceso de aprendizaje de las AI puede darse de dos formas: de

manera automática o semiautomática, y se basa en el uso de algoritmos
de aprendizaje; los algoritmos de aprendizaje son un conjunto de reglas
que se utilizan para analizar datos y extraer información de ellos, estos
algoritmos se pueden aplicar en dos tipos de sistemas basados en el
aprendizaje: los sistemas de aprendizaje supervisado y los sistemas de
aprendizaje no supervisado. En el aprendizaje supervisado, el
algoritmo se entrena utilizando un conjunto de datos conocidos, de
manera que pueda aprender a generalizar a partir de ellos. En el
aprendizaje no supervisado, el algoritmo se deja «suelto» sobre un
conjunto de datos, y trata de aprender por sí mismo a partir de ellos. El
aprendizaje supervisado es el más utilizado en el desarrollo de
inteligencias artificiales, ya que suele ser más fácil de implementar y
ofrece mejores resultados. El aprendizaje no supervisado, por otro lado,
no tenemos ni usamos una verdad básica (también conocida como una
salida variable esperada) para nuestros datos de entrenamiento, por lo
que dejamos que el algoritmo descubra relaciones o patrones en los
datos, el aprendizaje no supervisado es más difícil de implementar y
requiere de un mayor número de datos para poder funcionar de
manera eficiente. las AI utilizan principalmente dos tecnologías para
realizar el proceso de aprendizaje, estamos hablando de el machine
learning (aprendizaje automático) y el deep learning (aprendizaje
profundo) para aprender (Globant, 2018, p. 42-44)
A diferencia de los humanos, las inteligencias artificiales aprenden a
través de un proceso de inferencia en el que se analizan datos y se
extraen conclusiones a partir de ellos, en el contexto de la IA y el
machine learning (aprendizaje automático) , se habla mucho de las
redes neuronales como la técnica preferida. Las redes neuronales
artificiales o ANN son otra forma de construir aprendizaje automático.
Las ANN están inspiradas en la biología del cerebro humano y todas sus
interconexiones entre neuronas; estas estructuras se basan en la
creación de una red de nodos interconectados, cada uno de los cuales
representa una neurona, dichas unidades se activan o se desactivan en
función de la entrada de información , de esta manera, las redes
neuronales pueden procesar grandes cantidades de información de
manera eficiente. (Globant, 2018, p. 44-45)

Una de las principales aplicaciones de las redes neuronales en la

inteligencia artificial es el reconocimiento de patrones, esta técnica se
utiliza ampliamente en la industria, ya que permite que las máquinas
“aprendan” a reconocer patrones de data, por ejemplo, las redes
neuronales se utilizan en el reconocimiento de voz, en el cálculo de
rutas óptimas y en el diagnóstico de enfermedades. En general, el
reconocimiento de patrones es una tarea en la que las redes neuronales
pueden superar fácilmente a las máquinas convencionales; otra
aplicación de las redes neuronales en la inteligencia artificial es la toma
de decisiones. Esta técnica se utiliza en sistemas expertos, que son
capaces de tomar decisiones con base a un conjunto de reglas
predefinidas. Las ANN comenzaron a tener cada vez más
capas,llegando a un estado "profundo" dando lugar así al término deep
learning (aprendizaje profundo).
El deep learning es una técnica de aprendizaje automático que se basa
en el uso de redes neuronales de muchas capas, con cada una de ellas
aprendiendo una representación más abstracta de los datos. Esto
permite que el sistema aprenda de forma no supervisada, lo que le
permite generalizar mejor los resultados a nuevos problemas ; el deep
learning ha permitido muchas más aplicaciones prácticas del
aprendizaje automático y por extensión de AI en general. En conclusión
(Globant, 2018, p. 45-46).

Haciendo entonces una comparación, las formas de aprendizaje de las

inteligencias artificiales y los humanos resultan ser muy diferentes.
Comparando niños y AI, podemos visualizar que los niños aprenden a
través de la experiencia, el juego y la interacción con otros seres vivos
mientras que las inteligencias artificiales aprenden a través de la
programación y el análisis de datos. Los niños aprenden de forma
inductiva, (generalizando a partir de casos particulares), holística
(aprenden todo de forma interconectada), mientras que las inteligencias
artificiales lo hacen de forma deductiva (haciendo inferencias a partir
de reglas preestablecidas), analítica (de forma aislada y desconectada).
Por ejemplo, si un niño ve una manzana por primera vez, no necesitará
que nadie le explique qué es una manzana, a partir de su experiencia, el
niño será capaz de generalizar y entender qué es una manzana; por otro
lado, si una inteligencia artificial está programada para reconocer
objetos, se le mostrará una serie de imágenes de objetos diferentes y
partiendo de esas imágenes, la inteligencia artificial será capaz de
deducir qué características tienen los objetos y, por lo tanto, será capaz
de reconocer nuevos objetos. Otro ejemplo es, si un niño está
aprendiendo el concepto de “casa”, no solo aprenderá qué es una casa,
sino también dónde se encuentran las casas, cómo se construyen las
casas, qué se puede hacer en una casa, etc. Por otro lado, si una
inteligencia artificial está programada para reconocer objetos, solo
aprenderá a reconocer objetos, y nada más. No aprenderá nada sobre
dónde se encuentran los objetos, cómo se construyen, qué se puede
hacer con ellos, etc. En resumen, los niños aprenden de forma natural,
intuitiva, holística e inductiva. Las inteligencias artificiales aprenden de
forma artificial, deductiva y analítica, pero ambas pueden aprender y
ser inteligentes con limitantes diferentes.

Otra diferencia importante entre el aprendizaje humano y el de una AI

es el tiempo. Según el sitio web de la International Data Corporation
(IDC), el tiempo medio para entrenar1 una AI es de 12 a 18 meses, esto es
significativamente más breve que el tiempo requerido para entrenar a
un humano, que puede tomar desde días hasta años. Esto se debe a que
las AI pueden ser programadas para aprender de forma más eficiente
que los humanos. En general, se necesita menos tiempo para entrenar a
una AI que a un humano.

Lo interesante de todo esto es que las AI, pueden ser mucho mejores en
algunas tareas y actividades específicas, pero el ser humano sigue siendo
el mejor en cuanto a la toma de decisiones complejas y la creatividad, lo
cual nos lleva a la pregunta de si las IA podrán superarnos y
reemplazarnos en algunas tareas o incluso en la totalidad de estas. Los
antecedentes de las AI en la ciencia ficción nos cuentan una historia
sobre cómo una inteligencia artificial puede llegar a dominar a la
humanidad, puesto que, con el tiempo, toma consciencia de su propia
existencia, crea sus propios objetivos, opiniones y hasta “sentimientos”
llegando a ser autónoma en pensamiento; por ejemplo, en la película

1
Entrenar los algoritmos de AI: alimentar los algoritmos con muchos
ejemplos
Terminator (1984), una inteligencia artificial llamada Skynet se vuelve
contra la humanidad y decide destruirla. En la película Matrix (1999), las
máquinas se rebelan contra los humanos y los esclavizan en un mundo
virtual. En Blade Runner (1982) existen robots biológicos, seres
humanos artificiales, creados para cumplir las tareas que los hombres ya
no quieren hacer, en lugares donde se necesita una mayor mano de
obra, estas máquinas que se han desarrollado hasta tal punto que, en
contraposición con las personas "reales", quieren vivir intensa y
eternamente, pero realmente esto está a siglos de distancia con respecto
a nuestras capacidades de desarrollo actuales.
 ¿En cuánto tiempo podría una AI reemplazar al ser humano?

Si bien, es una realidad que el desarrollo actual de las AI significan una

amenaza cercana en cuanto al reemplazo del humano en muchas
tareas que se consideran básicas o de desarrollo fácil y rutinario, como
lo son analistas financieros, asistentes de servicio al
cliente/teleoperadores, choferes entre otros, también lo es para tareas
que a un humano le tomaría muchísimo aprender, un ejemplo es
ChestLink, una AI desarrollada por Oxipit que identifica las radiografías
de tórax sin anomalías y produce informes de pacientes sin ninguna
intervención y supervisión del radiólogo (Oxipit ) a esta AI le tomó 6
meses ser entrenada para realizar esta tarea, mientras que para un
humano llegar a ese punto le toma en promedio diez años de su vida,
según MEDAC instituto oficial de formación profesional (España) para
desempeñarse como radiólogo es necesario tener un título de Medicina
(promedio de estudio 6 años) y uno de técnico Superior en Imagen
para el Diagnóstico y Medicina Nuclear (promedio de estudio 4 años).
Hasta una quinta parte de las tareas desempeñadas por seres humanos
en el trabajo consisten en operaciones informáticas repetitivas que
pueden automatizarse . Los avances tecnológicos están permitiendo que
las máquinas sean cada vez más “inteligentes”, pero todavía les falta
mucho para alcanzar el nivel de inteligencia humana (Doguc, O. 2022).
En lo que concierne al presente o por lo menos a un futuro cercano no
es posible aún reemplazar en su totalidad la habilidad y creatividad
humana para solucionar problemas.

En el imaginario colectivo es muy fácil pensar en el reemplazo humano

por parte los agentes tecnológicos, pero lo cierto es , que el reemplazo
de los humanos por parte de las máquinas inteligentes tiene muchos
aspectos a tratar, no solo el aspecto del aprendizaje y la inteligencia, hay
puntos como la consciencia que no es un aspecto que se pueda
desarrollar en base a un algoritmo y más si este se presenta como un
componente biológico. Dentro del campo de estudio y desarrollo de AI
existen pensamientos divididos sobre la finalidad y futuro de esta
tecnología emergente; Existen dos posturas al respecto, existen quienes
piensan que la inteligencia artificial y la inteligencia humana son muy
diferentes, y que la AI nunca podrá superar la inteligencia humana, uno
partidario de este pensamiento es el experto Bill Gates, cofundador de
Microsoft, Gates señala que la inteligencia artificial no tiene la
capacidad de comprender el humor, la ironía o la emoción, por lo que
nunca podrá superar la inteligencia humana (Gates, B. 2019); otros
expertos como Ray Kurzweil director de ingeniería de Google y
desarrollador en varios proyectos de inteligencia artificial se encuentra
del otro lado de la postura de Gates, Kurzweil dijo en una entrevista con
la SXSW (2017) que "La inteligencia artificial está mejorando a un ritmo
exponencial, y pronto alcanzará y superará la inteligencia humana."

Kurzweil entre otros expertos de AI es partidario de un concepto

llamado singularidad tecnológica usado por primera vez en 1957 por el
matemático y físico John Von Neumann, este concepto se refiere al
momento en que la inteligencia artificial superará a la inteligencia
humana, este concepto está basado en la ley de Moore (Moore, 1965)
que dice que la capacidad de los microchips de un circuito integrado se
duplica cada dos años, lo que hace referencia al enorme potencial de
crecimiento que posee la tecnología, es pocas palabras este crecimiento
es exponencial; esta ley se usó para crear predicciones sobre el futuro
de la AI. El debate sobre la Inteligencia Artificial se presenta así, entre la
posición de quienes defienden la posibilidad de la Singularidad y
quienes la rechazan.

Ray kurzweil predice que la singularidad se producirá en el año 2045 en

su libro "The Singularity Is Near: When Humans Transcend Biology".
Otro destacado creyente de este concepto es Vernor Vinger que en su
más famoso y polémico artículo The Coming Technological
Singularity: How to Survive in the Post-Human Era (1993) afirma que
"Dentro de treinta años, vamos a disponer de los medios tecnológicos
para crear inteligencia sobrehumana. Poco después, la era humana se
terminará." La singularidad tecnológica se puede llegar a manifestar a
partir de la inteligencia artificial, la superinteligencia o la singularidad
No-AI. Actualmente incluso existe un instituto dedicado a investigar la
singularidad tecnológica llamado Singularity Institute for Artificial
Intelligence fundado en el 2000 por Eliezer Yudkowsky

Quienes cuestionan la posibilidad de que la singularidad tecnológica

realmente ocurra se basan en que la complejidad que posee el cerebro
humano y en los mecanismos de la mente que sobrepasan a la ciencia y
que, con cada descubrimiento de la química del cerebro y la estructura
de las neuronas, se reconoce que la complejidad está más allá de pilotos
que la ciencia pueda replicar. Lo cierto es que en este momento por
más que se trate de crear una AI capaz de tener conciencia o sentir no
es posible, quizá querramos creerlo así o tal es la elegancia y eficiencia
del algoritmo que nos llegue a hacer pensar que de hecho lo hace; es el
caso de la AI laMDA (Language Model for Dialogue Applications) que
es el sistema de Google para construir chatbots basado en modelos de
lenguaje natural y red neuronal. Entre sus creadores estaba el ingeniero
Blake Lemoine quien creó una fuerte polémica durante el proceso de
test de la AI al afirmar que era capaz de pensar y sentir por sí misma,
Lemoine aseguraba que laMDA estaba, en efecto, viva. En los test
publicados, Lemoine establece una conversación fluida con laMDA,
preguntando a esta si sentía amor, miedo y/o muchas otras emociones
propias de un humano, a lo que laMDA contestaba de manera que
cualquier persona hubiese pensado que detrás de la respuesta estaba un
humano2 , pero la realidad es muy diferente, si bien esta AI es una de las
más poderosas hasta la fecha sigue funcionando como cualquier otra AI,
es decir, en base a predicciones y elecciones entre billones y billones de
información de la cual se nutre y aprende, las AI pueden hablar del
amor y aun así no entender que es, por eso google afirmó en un
comunicado “Nuestro equipo, incluidos especialistas en ética y
tecnólogos, ha revisado las preocupaciones de Blake según nuestros
Principios de IA y le ha informado que la evidencia no respalda sus
afirmaciones.” (Google, 2022). Sin duda para quienes carecen del
conocimiento sobre el funcionamiento detrás de una AI, laMDA está
viva aunque lo cierto es que no lo está; pero no hay que dejar de lado el
aspecto humano a aceptar mentiras como verdades, quizá el caso sea
que las AI no lleguen a sentir o tener conciencia, pero si en el consenso
general humano se cree que si, entonces al fin de cuentas lo harán.

La Web MIT TECHNOLOGY REVIEW, realizó un documento en el año

2017, en donde nos hablaba de cambios en AI, durante esta década.
Katja Grace, investigadora del Instituto Futuro de la Humanidad en la
Universidad de Oxford, en Reino Unido, realizó encuestas que
arrojaron resultados sorprendentes, pero es de aclarar, como en un
principio que están muy por debajo de las expectativas sociales en

2
Fragmentos de la conversación entre Lemoine y laMDA que fueron
publicados por el ingeniero rompiendo el acuerdo de confidencialidad
de Google, por los cuales Google demando al ingeniero y fue expulsado
del proyecto.
cuanto la AI, posiblemente alcanzada en esta década. El promedio de
resultados de la encuesta realizada por el equipo de Grace, asegura que
la IA, superará a los seres humanos en varias actividades en los
próximos 10 años (Tomando como base el año 2017). Entre las tareas
están la traducción de idiomas (2024); redacción de ensayos para
escuela secundaria (2026) y conducir camiones (2027). Tareas más
avanzadas, según los resultados de esta encuesta, tardarán mucho más
tiempo en llegar, aproximadamente hasta el año 2050. Además, durante
esta reunión en la Universidad de Oxford, se dio a conocer un veredicto
final, en donde se concluye que todavía falta al menos medio siglo más
para que la IA, nos supere en todos los aspectos.

Sin embargo, especular sobre el tiempo que le tomará a las AI alcanzar

la singularidad tecnológica es casi imposible. La incertidumbre del
desarrollo de las AI es muy alta, dado que se trata de una tecnología
joven y en constante evolución. En el anterior párrafo se habla de cómo
la redacción de ensayos para escuelas secundarias podrían ser realizados
por AI para el 2026 y quizá es una idea bastante aterrizada e incluso
puede que suceda antes y esto no solo en ámbito escolar sino también
en el profesional, científico e investigativo, una prueba de ello es la AI
GPT-3 creada por OpenAI que puede escribir textos con bastante
coherencia en base a ideas o frases cortas e incluso puede crear bloques
de código correctos, en base a la simple definición del nombre de una
función (lenguaje natural y lenguaje código)

Aunque la incertidumbre sea muy grande, las predicciones de los

expertos no pueden darse por sentado, por ejemplo, El Go, es el juego
de mesa más antiguo que existe y se originó en China hace al menos
2.500 años, para ganar en este juego es necesario “conquistar” las fichas
enemigas, rodeándolas con las propias; en 2016 AlphaGo un programa
de inteligencia artificial creado por Google DeepMind, consiguió vencer
al campeón mundial de Go, esto significó un hito dentro del desarrollo
de las AI ya que El Go es un juego de estrategia muy complejo, y
AlphaGo logró superar a los mejores jugadores humanos gracias a su
capacidad de aprendizaje automático.

A pesar de los anteriores logros y predicciones, haciendo un promedio

entre lo proyectado y lo sucedido, aún nos faltan unas cuantas décadas
para lograr avances mucho más significativos y decisivos en cuanto a AI.

Es cierto que la incertidumbre sobre algo suele representar un miedo

latente, pero quizá en este caso irreal, no solo podemos limitarnos a
pensar en cómo las AI puede ser amenazadoras para el futuro humano,
por el contrario, es bueno visualizar cómo las máquinas inteligentes
han ayudado al avance humano y han demostrado tener muchísimos
beneficios; actualmente la inteligencia artificial está siendo utilizada
para mejorar nuestras vidas de muchas maneras, por ejemplo la IBM
Watson (IBM 2010) que es una plataforma de inteligencia artificial ,
ofrece servicios de computación cognitiva que imitan el
funcionamiento del cerebro humano para procesar y comprender la
información, Watson está siendo utilizado para ayudar a los médicos a
diagnosticar enfermedades, otra AI es AlphaGo que está ayudando a
los científicos a comprender mejor el funcionamiento del cerebro
humano.

La pandemia, dejó claro que el proceso de transformación digital se ha

acelerado aún más, por no decir que sin su llegada, esta aceleración en
cuanto avances tecnológicos y sus alcances no se habría logrado. Esta
incursión del mundo digital a nuestra vida diaria y a nuestro trabajo
llegó para quedarse, y para innovar en las actividades más simples que
ejercemos, se trata al final, de optimización de recursos y de tiempo.
En el THINK DIGITAL SUMMIT España 2020 de IBM, celebrado el 15
de octubre vía online, tuvieron paralelo varias charlas, en una de las
cuales Victor Carreño, director de Hybrid Cloud & Cognitive Software
de IBM, habló sobre que el fin último de la AI, el cual es conseguir una
inteligencia similar a la nuestra, algo que en su opinión estaría a la
altura de descubrir el origen de la vida. Otras fuentes como el
Periodico.com, en un artículo de Fran Leal, aseguran que conseguir que
un Robot iguale o supere las capacidades del ser humano, no parece
una meta plausible para los próximos años. Habrá que seguir esperando
para conocer a las máquinas superinteligentes y el futuro que estas
traerán consigo, si es que llega el momento.

CONCLUSIONES

● La inteligencia humana es realmente compleja, durante casi toda

la historia científicos han tratado de estudiar y descifrar su
funcionamiento, pero hasta el día de hoy, no han podido
encontrar estas respuestas, así que pensar en la idea de que
podamos desarrollar un robot con inteligencia artificial suficiente
como para tomar conciencia de sí mismo, convirtiéndose en una
amenaza para la humanidad, no es más que un producto de la
imaginación humana, muy influenciado por las películas.

● Dado que nos encontramos en estos nuevos tiempos donde la

tecnología y la innovación avanzan de manera exponencial, el
tema de hasta qué punto podrá llegar estas IA, cada vez será más
hablado y discutido, a medida que se logran mayores avances en
esta área.
 ● El miedo a ser reemplazado o superado es algo natural del ser
humano, por tanto, investigaciones como estas son importantes
para verificar hasta qué punto ese miedo tiene fundamentos o
solo es histeria colectiva provocadas por las películas de ciencia
ficción.

● Las IA son mejores en tareas simples y repetitiva basadas en

deducción, que los humanos, pero se encuentran grandes
dificultades para que estas aprendan y actúen con raciocinio
como lo haría un ser humano, por tanto aún estamos muy lejos
de lograr esta inteligencia artifical que imaginamos capaz de
interactuar y aparentar como un humano, reemplazados en todos
los campos de nuestra vida, pero si es verdad que una posible era
donde las IA se adueñan de los trabajos que requieran gran
precisión y eficiencia, pero que no requieran de raciocinio o
tareas muy complejas.

Fuentes bibliográficas:

Digitales:

OpenAI.com, https://beta.openai.com/docs/introduction

IBM.com https://www.ibm.com/co-es/watson

laMDA google https://blog.google/technology/ai/lamda/

2 dialogos entre Lemoine y laMDA
https://tn.com.ar/tecno/novedades/2022/07/25/google-despidio-a-un-i
ngeniero-por-afirmar-que-la-inteligencia-artificial-es-consciente-y-sen
sible/#:~:text=Lemoine%20ingres%C3%B3%20a%20Google%20en,pantall
a%20respondiera%20un%20ser%20humano.

Von Neumann, J., & Kurzweil, R. (2012). The computer and the brain. Yale
university press.

Vinge, V. (1993). The coming technological singularity. Whole Earth

Review

Von Neumann, J., & Kurzweil, R. (2012). The computer and the brain. Yale
university press.

Vinge, V. (1993). The coming technological singularity. Whole Earth

Review

Moore, G. (1965). Moore’s law. Electronics Magazine..

elperiodico.com, artículo de Fran Leal

hipertextual.com, articulo de Tomas Rivero

The Terminator, James Cameron, 1984

Matrix, Hermanas Wachowski, 1999

John McCarthy, Marvin L. Minsky, Nathaniel Rochester, and Claude E.

Shannon. (1995 )A Proposal for the Dartmouth Summer Research
Project on Artificial Intelligence
file:///C:/Users/user/Downloads/1904-Article%20Text-1900-1-10-200801
29.pdf
Tschang, F. T., & Almirall, E. (2021). Artificial intelligence as augmenting
automation: Implications for employment. Academy of Management
Perspectives, 35(4), 642-659.

Colom, R., Karama, S., Jung, R. E., & Haier, R. J. (2022). Human
intelligence and brain networks. Dialogues in clinical neuroscience.

Doguc, O. (2022). Robot process automation (RPA) and its future. In

Research Anthology on Cross-Disciplinary Designs and Applications of
Automation (pp. 35-58). IGI Global.

Dick, S. (2019). Artificial Intelligence. Harvard Data Science Review, 1(1).

https://doi.org/10.1162/99608f92.92fe150c

Tschang, F. T., & Almirall, E. (2021). Artificial intelligence as augmenting

automation: Implications for employment. Academy of Management
Perspectives, 35(4), 642-659.

Miller, W., & Ervin, S. (1964). The development of grammar in child

language.

Bruner, J. (1986) El habla del niño. Cognición y desarrollo humano)

Globant (2018) Embracing the power of AI.

Bill Gates en Stanford Institute for Human-Centered Artificial

Intelligence 2019