Inteligencia artificial

Entre mitos, verdades y dilemas

INTRODUCCIÓN

Les damos la bienvenida a este curso de introducción a inteligencia artificial o IA, un área que en las últimas décadas ha impactado
de manera significativa en nuestra sociedad.

¿Qué aprenderemos?
Revisaremos algo de la historia de la IA, el origen del concepto y su desarrollo desde una propuesta teórica a una serie de modelos
matemáticos, englobados en lo que se conoce como “aprendizaje automático”. Se expondrá cómo funcionan estos modelos y cómo
le ayudan a la máquina a “aprender”.
Veremos también aplicaciones prácticas y algunas de sus consecuencias éticas, así como sus desafíos en el presente y a futuro.

¿Cómo aprenderemos?
Se presentará en un total de 5 Sesiones, donde por medio de diagramas o ejemplos, se visualizará como funciona y se entiende la
IA.

¿Por qué debiéramos aprender de esto?

Hoy en día la IA está operando en prácticamente todas las nuevas tecnologías que usamos, lo que implica la toma de decisiones
automatizadas que impactan directamente sobre nuestro bienestar. En ciertas aplicaciones esto puede no ser problemático, pero
cuando se trata de privacidad y que se garanticen nuestros derechos, la automatización de decisiones tiene implicancias mayores.
Como veremos en este curso, el uso de IA no está libre de riesgos.
 MAPA DE CONTENIDOS
Contenidos del curso
La sesiones del curso son las siguientes

I. INTELIGENCIA Y ARTIFICIAL III. APLICACIONES Y CASOS

•Origen del concepto •AlphaGo
•Inteligencia humana e inteligencia artificial •Reconocimiento facial
•¿Cómo construir IA?
IV. PROBLEMAS Y DESAFÍOS
II. APRENDIZAJE AUTOMÁTICO •¿Qué nos está diciendo el modelo?
•¿Qué es el aprendizaje automático? •Datos y patrones
•Tipos de aprendizaje •Sesgo algorítmico
•Aprendizaje supervisado •Consecuencias éticas
• Clasificación
• Regresión V. ACTUALIDAD Y PROYECCIONES
•Aprendizaje no supervisado •Interacción humano-computadora
•Nueva alfabetización digital
•Automatización y el futuro del trabajo
 ¡Comencemos!

Sesión I
Inteligencia y artificial
Sesión 1
INTRODUCCIÓN

La idea de una inteligencia no humana ha estado presente desde hace siglos en la sociedad. Ya en 1637, René
Descartes, planteaba como ejercicio mental la posibilidad de una máquina que homologara la conducta humana y
pudiera presentarse como una “inteligencia”, algo que como veremos, es parte de la historia de las IA.

Pero sobre todo a nivel de la fantasía, la IA ocupa un espacio importante dentro de la literatura y el cine, donde
tal vez una de sus expresiones más influyente sean las 3 leyes básicas de la robótica de Isaac Asimov, presentes
en la película “Yo, Robot”:
1. Un robot no hará daño a un ser humano, ni por inacción permitirá que un ser humano sufra daño.
2. Un robot debe cumplir las órdenes dadas por los seres humanos, a excepción de aquellas que entren en
conflicto con la primera ley.
3. Un robot debe proteger su propia existencia en la medida en que esta protección no entre en conflicto con la
primera o con la segunda ley.
Sesión 1
INTRODUCCIÓN
Pero hoy en día la IA ha dejado de ser una especulación filosófica o literaria, para pasar a ser una funcionalidad
común en tú vida diaria.
•
Cada vez que buscas sobre un tema en Google.
• Cada vez que juegas un video juego.
• Cada vez que usas una aplicación como Uber o reparto de comida a domicilio.
• Cuando en redes sociales ves anuncios que parecen sospechosamente coincidentes con temas que has
conversado.

En cada una de estas instancias operan una serie de algoritmos que están permanentemente procesando miles de
datos y tomando decisiones en función de estos. Estos son, una serie de pasos o instrucciones que usa la máquina
para resolver algún problema o llevar a cabo una acción.

Todo esto ocurriendo a tal velocidad y en tantas áreas al mismo tiempo, que como sociedad no hemos tenido tiempo
de reflexionar o entender qué consecuencias traen estas tecnologías para nuestras vidas. En cierta medida existe un
sentido de urgencia no reconocido por una “alfabetización” en IA, cuestión con la que este curso busca contribuir.
Sesión 1
INTRODUCCIÓN
En esta sesión veremos los siguientes temas:

Origen del concepto

• Inteligencia humana e inteligencia artificial (test de Turing)
• ¿Cómo construir IA?

El objetivo de esta sesión es que te hagas una idea sobre como se ha pensado el concepto de IA y cómo éste ha
evolucionado hasta convertirse en una tecnología aplicada en tu diario vivir.
Sesión 1
Origen del concepto

El primer uso formal y oficial del término inteligencia artificial, se remonta al taller realizado en la Universidad
de Dartmouth en 1956, donde asistieron algunos de los principales precursores de la teoría y desarrollo de la
IA, tales como Marvin Minsky, Claude Shannon y John McCarthy, siendo este último el organizador del evento.
Sesión 1
Origen del concepto
No obstante el trabajo en IA ya había comenzado antes con teóricos que integraban elementos de las neurociencias, la
lógica formal y la teoría de la computación de Alan Turing, autor de quien hablaremos más adelante.

En general es reconocido que el primer trabajo académico sobre inteligencia artificial es el artículo de Warren McCulloch y
Walter Pitts.
En este trabajo, proponen un modelo inspirado en el
funcionamiento del cerebro, el cual asume una red de
neuronas artificiales, donde cada una se activa en
reacción a ciertos estímulos, así como en reacción a las
demás neuronas a las que está conectada, mostrando
cómo este modelo teórico permitiría resolver cualquier
tipo de función procesable por una computadora,
sugiriendo que podían incluso “aprender”
Sesión 1
Origen del concepto
La idea de inteligencia artificial, surge de la confluencia de los avances en múltiples disciplinas que integran las matemáticas y las ciencias de la
computación, pero, de manera muy importante, también la psicología y las llamadas ciencias cognitivas, la neurociencia y nuevas teorías del aprendizaje
de animales, incluidos los humanos.

Entre ellas, es de especial importancia el modelo de Donald Hebb o aprendizaje hebbiano, el cual postula que las redes neuronales, además de actuar
de manera concertada frente a un estímulo, pueden actualizarse modificando sus conexiones, alterando también su reacción futura al estímulo, lo que
se conoce como “neuroplasticidad”.

Como veremos posteriormente, los modelos de aprendizaje modernos conocidos como

“redes neuronales” (Neuronal Networks) buscan homologar matemáticamente este proceso.
Sesión 1
Hito interactivo

¿Podrías resolver este acertijo?

Selecciona todas las imágenes que tengan bicicletas
Sesión 1
Hito interactivo

¿Podrías resolver este acertijo?

Selecciona todas las imágenes que tengan bicicletas
Sesión 1
Inteligencia artificial e inteligencia humana
Pero entre todos estos teóricos, uno de relevancia central fue Alan Turing, conocido por el famoso Test de Turing, el cual
resolviste en la actividad anterior y que generalmente tiene estas formas:

Esto se conoce como CAPTCHA, lo cual es un acrónimo

de “Completely Automated Public Turing test to tell
Computers and Humans Apart” (Test de Turing
Completamente Automatizado para Distinguir a
Placa de la estatua en memoria de Turing, plaza de Sackville,
Humanos de Computadoras).
Manchester
https://en.wikipedia.org/wiki/Alan_Turing#/media/File:Sackville_Park_Turing_plaque.jpg
Sesión 1
Inteligencia artificial e inteligencia humana

La relevancia de Turing, además de aportar una poderosa teoría de

computabilidad que sería central para el desarrollo posterior de la
disciplina, fue quien propuso un interesante experimento mental con el
cual abordar la cuestión de la inteligencia de una máquina.

En este experimento cambia la pregunta “¿puede una máquina pensar?”,

de respuesta más ambigua, por una más operativa, “¿puede una máquina
imitar a un humano?”, de tal manera que una persona no logre distinguir a
una persona de una máquina.

Para esto, propone un juego en que una persona C debe adivinar el género
de otra persona A o B, con las que sólo se comunica por medio de
mensajes. En el ejercicio, A o B pueden tratar de engañar a C.

La pregunta es: si A o B son reemplazados por una computadora ¿C

acertaría o no? O de manera más general, de contar con una programación
adecuada (por ejemplo, que se programara para cometer errores) ¿sería
capaz C de notar que A o B son en realidad computadoras?

https://en.wikipedia.org/wiki/Turing_test#/media/File:Turing_test_diagram.png
Sesión 1
Inteligencia artificial e inteligencia humana
Así, el progreso de la IA en esta década, estuvo marcado por la producción de máquinas o agentes inteligentes, que a lo menos parecieran
mostrar ciertas destrezas cognitivas observadas en el humano, tales como la toma de decisiones sencillas o la adaptación a un entorno, lo
que fue parte de un gran movimiento intelectual en EEUU, quienes se abocaron al desarrollo de este tipo de agentes y en gran medida
tuvieron éxito, construyendo los primeros autómatas capaces de jugar juegos de mesa, como el juego de Damas, de Arthur Samuel, o
robots que podrían resolver pequeños problemas geométricos, como evaluar la altura de un objeto y realizar una acción acorde a ello.

Samuel mostrando su autómata capaz de jugar damas

https://www.ibm.com/ibm/history/ibm100/us/en/icons/ibm700series/impacts/
Robot Shakey, primer robot para propósitos generales, capaz de realizar
tareas simples, como desplazarse o levantar objetos
https://en.wikipedia.org/wiki/Shakey_the_robot#/media/File:SRI_Shakey_with_callouts.jpg
Sesión 1
¿Cómo construir IA?
Pero pese a tener grandes avances, resulta complejo denominar estas acciones como “inteligencia” en su sentido más general. Pese a que estos
programas logran en cierto sentido resolver problemas, solo lo hacen en el tema específico para el que se programó. Por ejemplo, la mejor de
las máquinas jugadoras de ajedrez, perdería ante el más novato jugador de cartas, ya que técnicamente, la máquina no “entiende” el juego que
está jugando, ni tiene una noción general de “jugar”.
Entonces ¿qué está haciendo la IA? Existen dos formas de generar IA. La primera es una versión mecánica, la que consiste en reglas o pasos del
tipo “si-entonces” (if-then) o similares. Esto es un algoritmo que evalúa si un evento cumple cierta condición, en cuyo caso despliega una acción
u otra, como la presentada en el siguiente pseudocódigo.

si evento es igual a evento esperado

realizar acción 1 Este tipo de código fue parte central de una de las
sino primeras IA conocidas como “sistemas expertos”,
si evento es igual a otro evento esperado
realizar acción 2
diseñados para homologar la toma decisiones humanas.
sino
realizar acción 3

Computador de Symbolics, uno de los primeros en ejecutar un sistema experto

https://en.wikipedia.org/wiki/Expert_system#/media/File:Symbolics3640_Modified.JPG
Sesión 1
¿Cómo construir IA?

Este tipo de estrategias, pese a ser bastante potentes para resolver grandes
problemas mecánicos, es menos útil para tramas más complejas con
muchos eventos. Ello implicaría especificar una condición para cada uno de
ellos, lo que se vuelve inmanejable.

¿Pero qué tal si invirtieramos la relación para obtener una solución

general? Por ejemplo, en vez de proveer las condiciones y acciones de cada
evento, dejar que un algoritmo lo aprendiese desde los datos.

Esta es la primera noción planteada por Marvin Minsky y Seymour Papert,

en su libro “Perceptrons”, inspirado en el trabajo del psicólogo Frank
Rosenblatt, la cual postula una red neuronal, que es básicamente un
modelo matemático capaz de identificar patrones en los datos, inspirado
en el funcionamiento del cerebro.
Sesión 1
¿Cómo construir IA?

Un ejemplo de esto es una máquina que permitiera clasificar si un

animal es un perro o un gato, indistinto de su raza, considerando dos
variables: su tamaño y facilidad de domesticación.

Para esto, la máquina recibiría una serie de datos de perros y gatos

con sus respectivos tamaños y, por ejemplo, el tiempo que le toma
aprender a hacer un truco (domesticación), ajustando una recta o
modelo que permita separarlos, en una combinación de estas 2
variables, tal como se muestra en la imagen.

Así, con este modelo, podría intentar adivinar si futuros datos que no
ha visto antes, provienen de un gato o un perro.

Esta idea aún es una fase teórica, lo que posteriormente conoceremos

como problema de clasificación y es una de las ideas fundantes en la
elaboración actual de inteligencia artificial.

https://en.wikipedia.org/wiki/Perceptron#/media/File:Perceptron_example.svg
Sesión 1
¿Cómo construir IA?

Esta forma actual de construir IA, es por medio de lo que se conoce como aprendizaje automático, del inglés “machine learning”.
La premisa de este enfoque que engloba una familia de modelos estadísticos y algoritmos, es similar a la que planteamos.
Se define un conjunto de datos en los que el algoritmo se “entrena”, aplicando sus respectivos modelos matemáticos y finalmente produce
algún resultado en función de nuevos datos que el algoritmo no ha visto, proponiendo así una solución más general a los problemas.

Por supuesto, este sistema no es infalible y como veremos más adelante, puede tener serios riesgos para las personas si no se usa con
precaución.
 Sesión 1
CIERRE

Has finalizado la primera sesión de este curso ¡Felicidades!

En esta sesión vimos elementos generales sobre cómo se originan y plantean las primeras nociones de inteligencia artificial a
nivel teórico y conceptual, entre ellas la discusión sobre la inteligencia humana y la computacional, cuáles fueron algunas de
las primeras IA conocidas, qué problemas abordaban y cuál es la estrategia moderna con la cual se desarrollan inteligencias
artificiales en la actualidad.
En la próxima unidad veremos en más detalle esta estrategia y cuál es su lógica general de “aprendizaje”.
¡Hasta la próxima!