Maria Rios Revista IAs

INTELIGENCIA ARTIFICIAL

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD BICENTENARIA DE ARAGUA VICERRECTORADO ACADÉMICO ESCUELA DE INGENIERIA EN SISTEMAS

MARÍA RIOS

Editorial Epublibre

María Ríos C.I: 30.182.920

Universidad Bicentenaria de Aragua

ePub r1.1 titivillus 18.05.2023

ÍNDICE

-Prólogo......................................................................................................4 -Historia de la IA: Hitos..............................................................................2 -¿Qué son las IAS?.....................................................................................9 - Enfoques teóricos de la IA....................................................................10 - Campos de aplicación de la IA...............................................................12 -Fundamentos éticos de la IA.................................................................14 - Conclusiones........................................................................................16 - Bibliografía............................................................................................17

PRÓLOGO En la era de la digitalización y la tecnología avanzada, la Inteligencia Artificial (IA) se ha convertido en un pilar fundamental que está redefiniendo los límites de lo que es posible. Esta revista se sumerge en el fascinante mundo de la IA, explorando sus diversas facetas y su impacto en nuestra vida cotidiana.

Comenzaremos con una exploración de los enfoques teóricos de la IA, desentrañando las complejidades de esta tecnología y cómo ha evolucionado a lo largo del tiempo. Desde sus humildes comienzos hasta su estado actual, la historia de la IA es un testimonio de la innovación y la perseverancia humana.

A continuación, ilustraremos la versatilidad de la IA a través de ejemplos del mundo real, destacando cómo se aplica en diversos campos, desde la medicina hasta la educación y más allá. Estos casos prácticos demuestran el potencial de la IA para transformar industrias y mejorar la vida de las personas.

Finalmente, abordaremos los fundamentos éticos de la IA. En un mundo cada vez más dependiente de la tecnología, es crucial que consideremos las implicaciones éticas de la IA y cómo podemos garantizar su uso responsable.

Esperamos que esta revista te ofrezca una visión profunda de la IA, su historia, sus aplicaciones y su ética, y que te inspire a participar en las conversaciones sobre su futuro.

HISTORIA DE LA IA: HITOS Alan Turing en 1950 creó una prueba como una forma de abordar la pregunta “¿Pueden pensar las máquinas?” que era difícil de definir y responder. La prueba consiste en que un interrogador humano haga preguntas a dos participantes, uno humano y otro máquina, sin saber cuál es cuál, y trate de adivinar quién es quién. Si el interrogador se equivoca más de la mitad de las veces, se considera que la máquina ha pasado el test. Turing argumentó que si una máquina podía imitar el lenguaje y el razonamiento de un humano, entonces se podía decir que tenía inteligencia Por otra parte el término "Inteligencia Artificial" fue acuñado por primera vez en 1956 durante una conferencia en Dartmouth College, donde se reunieron varios investigadores que estaban interesados en explorar cómo las máquinas podían imitar la inteligencia humana. Este evento sentó las bases para el campo de la IA.

En la década de 1980, se produjo un cambio hacia enfoques más prácticos de la IA, centrándose en problemas específicos y utilizando técnicas como el aprendizaje automático y las redes neuronales. El desarrollo de algoritmos de aprendizaje automático permitió a las máquinas mejorar su rendimiento a través de la experiencia y los datos. Un hito importante fue la creación del algoritmo de retropropagación en 1986, que permitió el entrenamiento eficiente de redes neuronales artificiales.

La década de 1990 trajo consigo avances significativos en el campo de la IA. Los investigadores comenzaron a explorar enfoques más complejos, como el procesamiento del lenguaje natural y la visión por computadora. También se desarrollaron sistemas de IA capaces de jugar al ajedrez a nivel de campeonato mundial, como Deep Blue de IBM, que derrotó al campeón mundial de ajedrez Garry Kasparov en 1997.

En los últimos años, la IA ha experimentado un crecimiento exponencial gracias a avances en el poder de procesamiento, grandes cantidades de datos y algoritmos más sofisticados. El aprendizaje profundo, una rama del aprendizaje automático que utiliza redes neuronales profundas, ha revolucionado muchos campos, incluida la visión por computadora, el reconocimiento de voz y la traducción automática.

En la actualidad, la IA se utiliza en una amplia gama de aplicaciones, desde asistentes virtuales en teléfonos inteligentes hasta sistemas de conducción autónoma. También se están explorando áreas emergentes de la IA, como la IA explicativa, que busca comprender y explicar cómo los algoritmos toman decisiones, y la IA ética, que aborda cuestiones de responsabilidad y equidad en el uso de la IA.

CRONOLOGÍA 1854 - George Boole

1

El matemático argumenta que el razonamiento lógico podría sistematizarse de la misma manera que se resuelve un sistema de ecuaciones

1936 - Alan Turing

2

Publica su artículo sobre los números computables en el que introduce el concepto de algoritmo y sienta las bases de la informática

1941 - Komrad Zuse

3

Crea Z3, la primera computadora programable y completamente automática

1950 - Alan Turing

4

Propone el Test de Turing, una prueba de comunicación verbal hombre-máquina

1956 - John McCarthy

5

Acuña por primera vez el término “Inteligencia Artificial”

1969 - Marvin Minsky

6

Escribe el libro perceptores, el trabajo fundamental del análisis de las redes neuronales artificiales

7

1979 - Coche Stanford Uno de los primeros coches con función autónoma, cruza con éxito una habitación llena de sillas sin ser conducido

CRONOLOGÍA 1980 - Wabot-2

8

Se fabrica Wabot-2, un robot humanoide capaz de comunicarse con otra persona, leer una partitura musical y tocar melodías de dificultad media en un órgano sencillo

1996 - Deep Blue

9

La supercomputadora Deep Blue, creada por IBM, vence al campeón del mundo de ajedrez Gary Kasparov

2014 - Eugene

10

Un programa de ordenador, supera el Test de Turing de inteligencia verbal haciéndose pasar por un chico de 13 años

2016 -AlphaGo

11

AlphaGo de DeepMind derrota al campeón mundial de Go Lee Sedol.

12

1956 - John McCarthy Acuña por primera vez el término “Inteligencia Artificial”

2020 - GPT-3 GPT-3 de OpenAI es presentado, un modelo de lenguaje capaz de generar textos y código de alta calidad.

13

¿QUÉ SON LAS IAS? La Inteligencia Artificial (IA) es una rama de la ciencia informática que tiene como objetivo diseñar tecnología que emule la inteligencia humana. Esto significa que, mediante la creación de algoritmos y sistemas especializados, las máquinas pueden llevar a cabo procesos propios de la inteligencia humana, como aprender, razonar o autocorregirse. El enfoque clásico de la IA se basa en la idea de que la inteligencia humana puede ser imitada mediante el uso de reglas formales y lógica.

En cuanto a cómo funcionan, los sistemas de IA operan a través del manejo de datos. Todos los sistemas de IA tienen un factor en común: el manejo de datos. Para funcionar eficientemente, la IA requiere de datos. De hecho, entre mayor sea el número de datos que reciba un sistema de IA, este podrá aprender más en menor tiempo. Al procesar esta información, el software puede identificar patrones y aprender a responder dependiendo de sus objetivos. Por ejemplo, un sistema basado en procesamiento del lenguaje natural (también conocido como PLN) puede no solo analizar y entender el lenguaje humano, sino que también puede llegar a generarlo por sí mismo.

ENFOQUES TEÓRICOS DE LA IA La inteligencia artificial (IA) se sustenta en diversos enfoques teóricos que abarcan diferentes áreas del conocimiento. Algunos de estos enfoques incluyen:

1.Aprendizaje automático: Se centra en el desarrollo de algoritmos y modelos que permiten a las computadoras aprender patrones a partir de datos.

2.Lógica simbólica: Utiliza símbolos y reglas para representar el conocimiento y razonar, siendo fundamental en el campo de la IA.

3.Teoría de la probabilidad: Esencial para la toma de decisiones en situaciones inciertas y el desarrollo de algoritmos de IA.

4.Teoría de la información: Provee fundamentos matemáticos para medir la cantidad de información contenida en datos, así como herramientas para el procesamiento y compresión de la información, siendo fundamental en la IA. 5.Teoría de la optimización: Se enfoca en encontrar la mejor solución posible a un problema, lo cual es relevante en el desarrollo de algoritmos de IA.

Estos enfoques teóricos son fundamentales para el desarrollo y funcionamiento de la inteligencia artificial, abarcando áreas como matemáticas, estadística, lógica y computación. Además, la búsqueda de la inteligencia artificial general (IAG) involucra un espectro más amplio de tecnologías, datos e interconectividad que el que impulsa los modelos de IA actuales, y requiere el desarrollo de sistemas de IA con autocontrol autónomo, autocomprensión y habilidades similares a las humanas.

La IA abarca un amplio espectro de enfoques para la solución de problemas, lo que incluye el aprendizaje automático, la lógica simbólica, la teoría de la probabilidad, la teoría de la información y la teoría de la optimización, entre otros. Estos enfoques son fundamentales para la aplicación de la IA en diversas áreas y sectores.

CAMPOS DE APLICACIÓN DE LA IA Asistentes de voz: Como Alexa o Google Assistant, que nos permiten controlar dispositivos, buscar información, reproducir música o hacer compras con solo hablar.

Sistemas de búsqueda y recomendación: Como los que usamos en Google, YouTube, Netflix o Amazon, que nos ofrecen resultados personalizados y sugerencias basadas en nuestros intereses, preferencias y comportamientos.

IA generativa: Como la que crea contenidos de todo tipo, desde imágenes, vídeos, textos o música, hasta códigos, diseños o videojuegos, usando técnicas como las redes generativas antagónicas (GANs).

Reconocimiento facial: Como el que usamos para desbloquear nuestros teléfonos, etiquetar fotos en redes sociales o acceder a servicios de seguridad, usando algoritmos que identifican y verifican las características faciales.

Navegación de vehículos: Como el que usamos para conducir con ayuda de aplicaciones como Google Maps o Waze, que nos indican la mejor ruta, el tiempo estimado y las incidencias del tráfico, usando algoritmos que optimizan y actualizan la información.

Comercio de acciones: Como el que usan los inversores y los bancos para comprar y vender acciones, predecir tendencias, gestionar riesgos o administrar carteras, usando algoritmos que procesan grandes cantidades de datos financieros.

Diagnóstico médico: Como el que usan los profesionales de la salud para detectar enfermedades, analizar pruebas, prescribir tratamientos o monitorizar pacientes, usando algoritmos que aprenden de los datos clínicos y las evidencias científicas.

Control robótico: Como el que usan los robots para realizar tareas complejas, como explorar el espacio, desactivar bombas, fabricar productos o asistir a personas, usando algoritmos que les permiten percibir, planificar y actuar.

FUNDAMENTOS ÉTICOS DE LA IA Los fundamentos éticos de la IA son los valores, principios y acciones que guían el desarrollo y la implementación de la inteligencia artificial (IA) de forma responsable, beneficiosa y justa para los seres humanos, las sociedades y el medio ambiente. La ética de la IA busca evitar o minimizar los riesgos y los daños que pueden derivarse del uso de la IA, como la discriminación, la violación de la privacidad, la amenaza a los derechos humanos o la degradación ecológica. La ética de la IA también promueve el bienestar, la dignidad, la inclusión y la participación de todas las personas afectadas por la IA. La UNESCO ha elaborado la primera norma mundial sobre la ética de la IA: la "Recomendación sobre la ética de la inteligencia artificial", que fue adoptada por los 193 Estados miembros de la UNESCO en noviembre de 2021. Esta Recomendación establece un marco ético universal y consensuado para orientar a los gobiernos, las organizaciones, los investigadores, los desarrolladores y los usuarios de la IA.

La Recomendación se basa en ocho principios éticos:

1. Proporcionalidad e inocuidad: La IA debe ser útil y no dañina.

2. Seguridad y protección: La IA debe ser confiable y evitar riesgos.

3. Equidad y no discriminación: La IA debe respetar la igualdad y la diversidad.

4. Sostenibilidad: La IA debe contribuir al desarrollo sostenible.

5. Derecho a la intimidad y protección de datos: La IA debe respetar la privacidad y los datos personales.

6. Supervisión y determinación humanas: La IA debe estar bajo el control humano y respetar su autonomía.

7. Transparencia y explicabilidad: La IA debe ser transparente y explicar sus procesos, resultados y efectos.

8. Responsabilidad y solidaridad: La IA debe asumir las consecuencias de sus acciones y promover la cooperación.

CONCLUSIONES

La Inteligencia Artificial ha recorrido un largo camino desde sus inicios teóricos en el siglo XIX hasta su implementación práctica en el siglo XXI. A lo largo de este viaje, ha transformado numerosos aspectos de nuestra vida cotidiana y ha abierto nuevas posibilidades en campos tan diversos como la medicina, la educación, el transporte y el entretenimiento. Sin embargo, a pesar de estos avances, la IA sigue siendo un campo en constante evolución con un potencial aún por explorar. A medida que continuamos avanzando en esta emocionante frontera, es crucial que sigamos cuestionando, innovando y reflexionando sobre las implicaciones éticas y sociales de la IA. Solo así podremos garantizar que la Inteligencia Artificial se desarrolle de una manera que beneficie a todos y moldee un futuro que queremos ver.

BIBLIOGRAFÍA Hillier, J (2010). Investigación de Operaciones. (9 ed).

México: McGraw-Hill.

Libertmand, G (2015). Investigación de Operaciones (10ª ed). Madrid McGraw-Hill.

Moskowits, H (2011). Investigación de Operación. (8 ed).

México: McGraw-Hill.

Taha, H (2011). Investigación de Operaciones. Madrid, España: Addison-Wesley iberoamericana.

Wayne. W (2010). Investigación de Operaciones.

Aplicaciones y Algoritmos.(7 ed). México: Grupo Editorial Iberoamérica.