Universidad Tecnológica Centroamericana

UNITEC

La Inteligencia Artificial

Presentado por:

Eva Pagoada 12341155

Alejandra Santos 12341078

Presentado a:

Ing. Geovanny M. Fortín

Facultad:

Facultad de Ingeniería

Clase y Sección:

Ofimática Avanzada 33

Fecha de Entrega:

Tegucigalpa M.D.C 26 de julio de 2023

1. ¿Qué es la IA? (N1)

La inteligencia artificial (IA) se ha convertido en un término general para referirse a

aplicaciones que realizan tareas complejas para las que antes eran necesaria la intervención
humana, como la comunicación en línea con los clientes o jugar al ajedrez. El término a
menudo se usa indistintamente junto con los nombres de sus subcampos, el aprendizaje
automático y el aprendizaje profundo.

Sin embargo, hay ciertas diferencias. Por ejemplo, el machine learning se centra en la creación
de sistemas que aprenden o mejoran su rendimiento en función de los datos que consumen.
Es importante tener en cuenta que, aunque todo machine learning es IA, no toda la IA es
machine learning.

Para obtener el valor completo de la IA, muchas empresas están haciendo inversiones
significativas en equipos de ciencia de datos. La ciencia de datos combina estadísticas,
informática y conocimiento empresarial para extraer valor de distintos orígenes de datos.

La inteligencia artificial (IA) hace posible que las máquinas aprendan de la experiencia, se
ajusten a nuevas aportaciones y realicen tareas como seres humanos. La mayoría de los
ejemplos de inteligencia artificial sobre los que oye hablar hoy día – desde computadoras que
juegan ajedrez hasta automóviles de conducción autónoma – recurren mayormente al
aprendizaje profundo y al procesamiento del lenguaje natural. Empleando estas tecnologías,
las computadoras pueden ser entrenadas para realizar tareas específicas procesando grandes
cantidades de datos y reconociendo patrones en los datos.

La inteligencia artificial (IA) es la base a partir de la cual se imitan los procesos de inteligencia
humana mediante la creación y la aplicación de algoritmos creados en un entorno dinámico de
computación. O bien, dicho de forma sencilla, la IA consiste en intentar que los ordenadores
piensen y actúen como los humanos.

Para conseguirlo, se necesitan tres componentes fundamentales:

 Sistemas computacionales
 Datos y gestión de los mismos
 Algoritmos de IA avanzados (código)
Cuanto mayor sea el parecido al comportamiento humano que queremos conseguir, más datos
y capacidad de procesamiento se necesitará.

Desde al menos el siglo I a.C., los humanos se han planteado la posibilidad de crear máquinas
que imiten al cerebro humano. Ya en la época moderna, John McCarthy acuñó el término
«inteligencia artificial» en 1955. En 1956, McCarthy y algunos otros organizaron una
conferencia denominada «Dartmouth Summer Research Project on Artificial Intelligence». Este
encuentro dio lugar a la creación del aprendizaje automático, el aprendizaje profundo, el
análisis predictivo y, ahora, el análisis prescriptivo. También dio lugar a un campo de estudio
totalmente nuevo: la ciencia de los datos.

Hoy en día, la cantidad de datos que se genera, tanto por parte de los humanos como por
parte de las máquinas, supera en gran medida la capacidad que tienen las personas de
absorber, interpretar y tomar decisiones complejas basadas en esos datos. La inteligencia
artificial supone la base de todo el aprendizaje automático y el futuro de todos los procesos
complejos de toma de decisiones. Por ejemplo, la mayoría de los humanos pueden averiguar
cómo no perder cuando juegan al tres en raya, aunque haya 255 168 movimientos únicos, de
los cuales 46 080 terminan en tablas. Muchos menos podrían llegar a ser grandes maestros de
las damas, con más de 500 x 1018 o 500 trillones de posibles movimientos diferentes. Los
ordenadores son extremadamente eficientes a la hora de calcular estas combinaciones y
permutaciones para llegar a la mejor decisión. La IA (y su evolución lógica del aprendizaje
automático) y el aprendizaje profundo constituyen los cimientos del futuro en la toma de
decisiones empresariales.

1.1. Orígenes e historia de la inteligencia artificial (N2)

El término "inteligencia artificial" (artificial intelillence) fue acuñado por John McCarthy en

1956 durante la Conferencia de Dartmouth, un evento histórico que reunió a algunos de los
mejores científicos de la época para discutir la posibilidad de crear una máquina que pudiera
pensar como un ser humano. Sin embargo, los conceptos e ideas que estaban detrás de la
inteligencia artificial se remontan a mucho antes.

Ya en la década de 1940, los matemáticos Norbert Wiener y John von Neumann, estaban

trabajando en la teoría de los sistemas y la computación que sentaron las bases para la I.A. que
posteriormente McCarthy definiría como "la ciencia y la ingeniería de hacer máquinas
inteligentes, especialmente programas de computadora inteligentes".

Otra influencia y fuente de inspiración para esta tecnología se encuentra en la ciencia ficción.
Los robots y las máquinas inteligentes aparecieron por primera vez en la literatura y el cine en
la década de 1920, y estos conceptos se han convertido en elementos básicos de la cultura
popular.

Algunas tecnologías con inteligencia existen desde hace más de 50 años, pero los avances en la
potencia informática, la disponibilidad de enormes cantidades de datos y los nuevos
algoritmos han permitido que se den grandes avances en este campo en los últimos años.

En la actualidad, la inteligencia artificial se ha convertido en una de las tecnologías más

disruptivas y que más atención despierta. El ritmo al que se suceden los modelos, cada vez más
potentes, se está acelerando y tanto las posibilidades como los potenciales peligros de su uso
están generando debate tanto entre la comunidad científica como en las instancias políticas.
2. ¿Cómo funciona la IA? (N1)

Las Inteligencias artificiales utilizan algoritmos y modelos matemáticos para procesar grandes

cantidades de datos y tomar decisiones basadas en patrones y reglas establecidas a través
del aprendizaje automático, que es la capacidad de una máquina para aprender de forma
autónoma a partir de datos sin ser programada específicamente para hacerlo. De esta manera
la IA puede mejorar su precisión y eficiencia con el tiempo.

2.1. Tipos de Inteligencia Artificial (N2)

Según la definición de Inteligencia Artificial de la Comisión Europea existen dos tipos de IA:

 Software: asistentes virtuales, software de análisis de imágenes, motores de búsqueda

o sistemas de reconocimiento de voz y rostro.
 Inteligencia artificial integrada: robots, drones, vehículos autónomos o el Internet de
las Cosas.

No es la única clasificación posible de los tipos de Inteligencia Artificial que existe. En su libro
"Inteligencia Artificial: Un Enfoque Moderno", Stuart J. Russell y Peter Norvig establecen
cuatro tipos de inteligencia artificial:

 Sistemas que piensan como humanos: se enfocan en la emulación de la inteligencia

humana, tanto en términos de comportamiento como de pensamiento. Buscan imitar
la forma en que los humanos piensan y resuelven problemas.
 Sistemas que actúan como humanos: se enfocan en la emulación de la inteligencia
humana, pero en términos de comportamiento. Buscan imitar la forma en que los
humanos se comportan y actúan en el mundo.
 Sistemas que piensan racionalmente: se enfocan en la resolución de problemas de
manera lógica y racional. Buscan maximizar la eficiencia y la precisión de sus
decisiones, sin considerar necesariamente el comportamiento humano.
 Sistemas que actúan racionalmente: se enfocan en la toma de decisiones y la acción en
el mundo, buscando siempre tomar la mejor decisión posible basada en la información
disponible.
Otra forma posible de diferenciar a las inteligencias artificiales, según su potencia, es la siguiente:

 IA Débil: también conocida como IA
estrecha. Son sistemas diseñados para
realizar tareas específicas y limitadas,
como el reconocimiento de voz, la
identificación de imágenes o la
traducción de idiomas. No tienen
capacidad de aprendizaje
adaptación por sí mismos, y requieren
ser programados para realizar una
tarea determinada. Su alcance es
limitado y no pueden realizar tareas
fuera de su campo de especialización.
 IA Fuerte: está diseñada para tener
una amplia gama de habilidades
cognitivas y capacidad de aprendizaje
autónomo. Estos sistemas pueden
realizar múltiples tareas y aprenden
de forma autónoma a medida que
o interactúan con el entorno. La IA
fuerte tiene que tener la capacidad
de razonar, planificar y tomar
decisiones complejas en un amplio
espectro de situaciones.
 IA Superinteligente: es un tipo de IA
que superaría la inteligencia humana
en todos los aspectos. Este nivel de IA
sería capaz de comprender el mundo
de una manera que está más allá de la
capacidad humana, y sería capaz de
resolver problemas complejos a una
velocidad y eficiencia que los seres
humanos no pueden alcanzar. Es una
forma teórica de IA que aún no ha sido
desarrollada en la práctica.

2.2. IA y desarrolladores (N2)

Los desarrolladores emplean inteligencia artificial para realizar tareas de una forma más eficiente que, de otro modo, se realizarían manualmente:
comunicaciones con clientes, identificación de patrones y resolución de problemas. Para comenzar con la inteligencia artificial, los desarrolladores deben
contar con una formación en matemática y sentirse a gusto trabajando con algoritmos.

Al comenzar a utilizar inteligencia artificial para desarrollar aplicaciones, lo mejor es comenzar de a poco. Al diseñar un proyecto relativamente simple, como
un juego “Tres en línea”, aprenderá los conceptos básicos de la inteligencia artificial. Aprender con la práctica es una excelente forma de aumentar cualquier
habilidad, y la inteligencia artificial no es distinta en este aspecto. Luego de completar uno o más proyectos pequeños, no hay límites para la inteligencia
artificial.
3. Aplicaciones de inteligencia artificial (N1)

EJEMPLOS DE APLICACIONES DE IA
Compras por internet y La inteligencia artificial se usa mucho para crear recomendaciones personalizadas para los consumidores, basadas, por ejemplo, en sus
publicidad  búsquedas y compras previas o en otros comportamientos en línea. La IA es muy importante en el comercio, para optimizar los
productos, planear el inventario, procesos logísticos, etc. 
Búsquedas en la web Los motores de búsqueda aprenden de la gran cantidad de datos que proporcionan sus usuarios para ofrecer resultados de búsqueda
relevantes.
Asistentes personales Los teléfonos móviles smartphones usan la IA para un producto lo más relevante y personalizado posible. El uso de los asistentes
digitales  virtuales que responden a preguntan, dan recomendaciones y ayudan a organizar las rutinas de sus propietarios se ha generalizado. 
Traducciones automáticas Los programas de traducción de idiomas, basados tanto en texto escrito como oral, recurren a la inteligencia artificial para proporcionar
y mejorar las traducciones. La IA también se aplica a otras funciones, como el subtitulado automático.
Casas, ciudades e Los termostatos inteligentes aprenden de nuestro comportamiento para ahorrar energía, mientras que los desarrolladores de ciudades
infraestructuras inteligentes  inteligentes esperan poder regular el tráfico para mejorar la conectividad y reducir los atascos.
Vehículos Aunque los vehículos de conducción autónoma no están generalizados todavía, los coches utilizan ya funciones de seguridad impulsadas
por lA IA. Por ejemplo, la UE ayudó en la financiación del sistema de asistencia a la conducción basado en visión  VI-DAS, que detecta
posibles situaciones peligrosas y accidentes.
Ciberseguridad Los sistemas de inteligencia artificial pueden ayudar a reconocer y luchar contra los ciberataques y otras amenazas en línea basándose
en los datos que reciben continuamente, reconociendo patrones e impidiendo los ataques. 
La inteligencia artificial para La IA se ha utilizado en las cámaras termográficas instaladas en los aeropuertos y en otros lugares. En medicina, puede ayudar a
luchar contra la Covid-19 reconocer una infección de los pulmones a partir de una prueba llamada tomografía computarizada. También se ha utilizado para
proporcionar datos para rastrear la propagación de la enfermedad.
Lucha contra la Algunas aplicaciones de la inteligencia artificial pueden detectar noticias falsas y desinformación al extraer información de las redes
desinformación sociales, buscar palabras sensacionales o alarmantes e identificar qué fuentes en línea se consideran autorizadas.
4. ¿Por qué es importante la inteligencia artificial? (N1)

La inteligencia artificial automatiza el aprendizaje y descubrimiento repetitivos a través de

datos. La inteligencia artificial es diferente de la automatización de robots basada en
hardware. En lugar de automatizar tareas manuales, la inteligencia artificial realiza tareas
computarizadas frecuentes de alto volumen de manera confiable y sin fatiga. Para este tipo de
automatización, la investigación humana sigue siendo fundamental para configurar el sistema
y hacer las preguntas correctas.

IA agrega inteligencia a productos existentes. En la mayoría de los casos, la inteligencia

artificial no se venderá como aplicación individual. En su lugar, los productos que ya utiliza
serán mejorados con recursos de inteligencia artificial, de forma muy similar en que se agregó
Siri como característica a una nueva generación de productos de Apple. La automatización, las
plataformas conversacionales, los bots y las máquinas inteligentes se pueden combinar con
grandes cantidades de datos para mejorar muchas tecnologías en el hogar y en el lugar de
trabajo, desde inteligencia de seguridad hasta análisis de las inversiones.

La inteligencia artificial se adapta a través de algoritmos de aprendizaje progresivo para

permitir que los datos realicen la programación. La inteligencia artificial encuentra estructura y
regularidades en los datos de modo que el algoritmo adquiere una habilidad: el algoritmo se
convierte en un clasificador o predictor. De este modo, así como el algoritmo puede aprender
a jugar ajedrez, puede aprender también que producto recomendar a continuación en línea. Y
los modelos se adaptan cuando se les proveen nuevos datos. La retro propagación es una
técnica de inteligencia artificial que permite al modelo hacer ajustes, a través de capacitación y
datos agregados, cuando la primera respuesta no es del todo correcta.

La inteligencia artificial analiza más datos y datos más profundos empleando redes neuronales
que tienen muchas capas ocultas. Construir un sistema de detección de fraude con cinco capas
ocultas era casi imposible hace unos años. Todo eso ha cambiado con increíble poder de
cómputo y el Big Data. Se necesitan muchos datos para entrenar modelos de aprendizaje
profundo porque aprenden directamente de los datos. Cuantos más datos les pueda
proporcionar, más precisos se vuelven.

La inteligencia artificial logra una increíble precisión a través de redes neuronales profundas –
lo cual antes era imposible. Por ejemplo, sus interacciones con Alexa, Google Search y Google
Photos están todas basadas en el aprendizaje profundo – y se siguen volviendo más precisas
cuanto más las usamos. En el campo de la medicina, las técnicas de inteligencia artificial del
aprendizaje profundo, clasificación de imágenes y reconocimiento de objetos se pueden
emplear ahora para detectar cáncer en MRIs (imágenes de resonancia magnética) con la
misma precisión que radiólogos altamente capacitados.

La inteligencia artificial saca el mayor provecho de los datos. Cuando los algoritmos son de
autoaprendizaje, los datos mismos pueden volverse de propiedad intelectual. Las respuestas
están en los datos; usted sólo tiene que aplicar inteligencia artificial para sacarlas a la luz.
Como el rol de los datos es ahora más importante que nunca antes, pueden crear una ventaja
competitiva. Si tiene los mejores datos en una industria competitiva, incluso si todos aplican
técnicas similares, los mejores datos triunfarán.

4.1. Deep learning vs. machine Learning (N2)

Dado que el deep learning y el machine learning tienden a ser utilizados indistintamente, vale
la pena señalar sus diferencias. Como se mencionó anteriormente, ambos son subcampos de la
inteligencia artificial, y el deep learning es en realidad un subcampo del machine learning.

En realidad, el aprendizaje profundo se compone de redes neuronales. "Profundo" en el deep

learning se refiere a una red neuronal compuesta por más de tres capas (que incluirían las
entradas y la salida), que se puede considerar un algoritmo de deep learning. 

La diferencia entre el deep learning y el machine learning es cómo aprende cada algoritmo. El
deep learning automatiza gran parte de la fase de extracción de características del proceso, lo
que elimina parte de la intervención humana manual necesario y permite el uso de conjuntos
de datos más grandes. El deep learning se podría considerar como "machine learning
escalable", tal como Lex Fridman señaló en la misma conferencia del MIT mencionada
anteriormente. El machine learning tradicional, o "non-deep", depende más de la intervención
humana para aprender. Los expertos humanos determinan la jerarquía de características para
comprender las diferencias entre las entradas de datos, lo que por lo general requiere más
datos estructurados para aprender.

El "deep" machine learning puede utilizar los conjuntos de datos etiquetados, también
conocidos como aprendizaje supervisado, para informar a su algoritmo, pero no requiere
necesariamente un conjunto de datos etiquetados. Puede ingerir datos no estructurados en su
forma original (como por ejemplo texto o imágenes) y puede determinar automáticamente la
jerarquía de características que distinguen diferentes categorías de datos. A diferencia del
machine learning, no requiere intervención humana para procesar datos, lo que permite
escalarlo de maneras más interesantes.
5. Aplicaciones de inteligencia artificial (N1)

Hoy en día existen numerosas aplicaciones prácticas de sistemas de IA. Algunos de los
ejemplos más comunes son:

1. Reconocimiento del habla

2. Servicio al cliente
3. Visión artificial
4. Motores de recomendaciones
5. Comerio bursátil automatizado

5.1. Reconocimiento del habla (N2)

También denominado reconocimiento automático de voz (ASR), reconocimiento de voz por

computadora o conversión de voz a texto, es una funcionalidad que utiliza el procesamiento de
lenguaje natural (NLP) para procesar el habla humana y trasladarla a un formato escrito. 

Muchos dispositivos móviles incorporan el reconocimiento del habla en sus sistemas para
realizar búsquedas por voz, por ejemplo, Siri, o proporcionar más accesibilidad en torno a los
mensajes de texto. 

5.2. Servicio al cliente (N2)

Los agentes virtuales en línea están reemplazando a los agentes humanos en la experiencia del
cliente. Responden a preguntas frecuentes de diferentes temas (como el envío) o
proporcionan asesoramiento personalizado, realizan venta cruzada de productos o sugieren
tallas para los usuarios, cambiado la forma de interactuar con los clientes en los sitios web y las
plataformas de redes sociales.

Algunos ejemplos incluyen bots de mensajería en sitios de comercio electrónico con agentes

virtuales, aplicaciones de mensajería (como Slack y Facebook Messenger) y tareas
generalmente realizadas por asistentes virtuales y asistentes de voz.

5.3. Visión artificial (N2)

Esta tecnología de IA permite que las computadoras y los sistemas obtengan información
significativa de imágenes digitales, videos y otras entradas visuales, y que actúen con base en
ellas. Esta capacidad de proporcionar recomendaciones lo distingue de las tareas de
reconocimiento de imágenes. Impulsada por redes neuronales convolucionales, la visión
artificial se puede aplicar en el etiquetado de fotos en redes sociales, las imágenes radiológicas
en la salud y los vehículos autónomos en la industria automotriz.  

5.4. Motores de recomendaciones (N2)

Utilizando datos del comportamiento pasado de los consumidores, los algoritmos de IA

pueden ayudar a descubrir tendencias de datos para desarrollar estrategias de venta cruzada
más eficaces. Esto se usa para que los minoristas en línea puedan hacer recomendaciones
adicionales relevantes a los clientes durante el proceso de compra.

5.5. Comercio bursátil automatizado (N2) Diseñado para optimizar las carteras de
acciones, las plataformas bursátiles de alta frecuencia impulsadas por IA hacen miles
o incluso millones de operaciones por día sin intervención humana.