Inteligencia Artificial (IA)

INTELIGENCIA ARTIFICIAL

AUTOR

Stephanía Salmerón C.I: 30.542.120

ÍNDICE Introducción

3

Enfoques teóricos de la IA

4

Historia de la IA

6

Campos de aplicación de la IA a través de ejemplos del mundo real

7

Fundamentos éticos de la IA

8

Conclusión

9

Referencias

10

INTRODUCCIÓN La Inteligencia Artificial (IA) busca crear sistemas y programas que puedan realizar tareas que necesitan inteligencia humana.

La historia de la IA comenzó en los años 50 y 60 con el desarrollo de programas y algoritmos que imitaban la inteligencia humana. La IA ha progresado mucho en los últimos años gracias al desarrollo del aprendizaje automático y profundo, que permite a las máquinas aprender de los datos y mejorar su rendimiento.

Por otro lado, el enfoque teórico de la IA se basa en el estudio de redes neuronales, aprendizaje automático y aprendizaje profundo. Estos métodos facilitan que las máquinas aprendan de datos y realicen tareas de forma parecida a los humanos.

La IA puede ser utilizada en medicina, industria, educación, transporte y atención al cliente. Su ética de la IA es crucial por las implicaciones éticas y morales de su desarrollo y uso.

Aspectos clave son transparencia, explicabilidad, prevención de sesgos y discriminación, y responsabilidad en el desarrollo y uso de la tecnología.

Finalmente, en el trabajo que se realizará se abordarán diferentes aspectos relacionados con la IA, incluyendo sus aplicaciones en la vida real, su historia, la ética y su enfoque teórico. La IA tiene un impacto significativo en diversos campos y plantea desafíos éticos y morales que deben ser abordados.

ENFOQUES TEÓRICOS DE LA IA La inteligencia artificial (IA) aborda una amplia gama de soluciones de problemas. Estos son algunos de los enfoques teóricos más relevantes de la IA: EL ENFOQUE SIMBÓLICO O ESTRATEGIA TOP-DOWN (DE ARRIBA ABAJO) TAMBIÉN CONOCIDA POR IA DÉBIL El enfoque simbólico, también conocido como IA débil, es uno de los enfoques teóricos de la inteligencia artificial. Este enfoque se basa en el uso de representaciones simbólicas de alto nivel para resolver tareas de IA. En este enfoque, la inteligencia se considera el resultado de agrupar conceptos para formar estructuras y luego manipularlos para hacer afirmaciones.

El enfoque simbólico utiliza la lógica y la investigación para resolver problemas. Los sistemas expertos son un ejemplo popular de este enfoque. Estos sistemas utilizan reglas y conocimiento experto para tomar decisiones o recomendaciones en un dominio específico. Sin embargo, este enfoque tiene limitaciones debido a las dificultades para formalizar el conocimiento informal y la brecha entre teoría y práctica.

Allen Newell y Herbert Simon son referentes importantes de este paradigma. Creían que los sistemas simbólicos formales contienen medios necesarios y suficientes para una acción inteligente. Pero a finales de los años 1980, quedó claro que este enfoque era demasiado general y que ni la investigación ni los avances tecnológicos eran suficientes para superar sus limitaciones.

ENFOQUE CONEXIONISTA O SUBSIMBÓLICO O ESTRATEGIA BOTTOM-UP (DE ABAJO A ARRIBA), CONOCIDA COMO IA FUERTE

El enfoque conexionista, también conocido como IA fuerte, es otro enfoque teórico de la inteligencia artificial. Este enfoque se basa en el uso de redes neuronales y aprendizaje automático para simular el funcionamiento del cerebro humano. El enfoque conexionista sugiere que antes de desarrollar sistemas cognitivos, necesitamos crear hardware que procese datos y simule neuronas y sus conexiones de manera similar al cerebro humano. Las redes neuronales artificiales compuestas de clústeres forman redes neuronales artificiales.

Este tipo de IA está muy relacionado con el aprendizaje automático, que extrae conocimiento de los datos disponibles mediante algoritmos para clasificar, agrupar o predecir.

Los enfoques conexionistas enfatizan la naturaleza paralela del procesamiento neuronal y la naturaleza distribuida de las representaciones neuronales. Esto proporciona a los investigadores un marco matemático general con el que trabajar, incluidos aspectos como unidades de procesamiento, activaciones para cada unidad, funciones de activación y patrones de comunicación entre unidades.

Es importante señalar que el enfoque conexionista o IA fuerte difiere en su enfoque de la inteligencia artificial del enfoque simbólico o IA débil. Los enfoques simbólicos se basan en el uso de representaciones simbólicas y reglas lógicas, mientras que los enfoques conexionistas se centran en el modelado de redes neuronales y el aprendizaje automático.

TINY ML Los enfoques de Tiny ML AI se centran en la construcción de modelos de inteligencia artificial utilizando sistemas limitados por hardware, como microcontroladores. Los algoritmos están diseñados y optimizados para consumir la menor cantidad de recursos posible manteniendo una alta eficiencia. Esto permite que dispositivos como impresoras, televisores y automóviles realicen tareas que antes solo eran posibles en computadoras y teléfonos inteligentes.

Tiny ML tiene como objetivo llevar la inteligencia artificial a dispositivos pequeños y de bajo consumo sin una conexión permanente a la nube. Esto proporciona independencia y autoaprendizaje a estos dispositivos, haciéndolos más eficientes y autónomos.

Los enfoques de Tiny ML AI son particularmente relevantes en el contexto de Internet de las cosas (IoT), donde los dispositivos deben poder realizar tareas de inteligencia artificial sin depender de una conexión a Internet o de costosos recursos informáticos. La aplicación de modelos de aprendizaje automático a dispositivos de bajo consumo, como sensores o microcontroladores, puede realizar tareas automatizadas de manera eficiente sin una conexión a la nube.

Tiny ML ha ganado popularidad por su capacidad de permitir que dispositivos pequeños y de bajo consumo realicen tareas inteligentes sin depender de recursos externos. Esto tiene implicaciones importantes para la eficiencia energética, el costo y la privacidad de los datos, ya que no es necesario procesar los datos en la nube y pueden permanecer en el propio dispositivo.

HISTORIA DE LA IA La IA se define como "máquinas que responden a simulaciones como los humanos, con capacidad de contemplación, juicio e intención".

La historia de la inteligencia artificial (IA) abarca casi 100 años. La primera mención histórica se remonta a los años 30, cuando Alan Turing era considerado el padre de la inteligencia artificial. Pero la IA surgió del influyente trabajo de Turing en 1950, donde propuso la famosa Prueba de Turing, que fue pionera en la nueva disciplina de la ciencia de la información.

En las últimas décadas, la IA ha pasado por períodos de progreso y estancamiento conocidos como "inviernos y veranos de la IA". Por ejemplo, en 1997, IBM AI Deep Blue derrotó al campeón mundial de ajedrez Garry Kasparov, lo que marcó un hito en la historia de la IA. Ha habido un renacimiento de la inteligencia industrial en los últimos años y, combinada con otras tecnologías como la robótica y la realidad aumentada, se espera que explote para 2025. La historia de la inteligencia artificial consta de períodos importantes desde la publicación del primer artículo en la década de 1940 hasta su aparición actual en el siglo XXI. La historia de la IA es un testimonio de la curiosidad, la innovación y la perseverancia humanas. La inteligencia artificial ha avanzado enormemente desde sus inicios hasta la era actual del aprendizaje profundo y los sistemas inteligentes. Uno de los pioneros en este campo es Alan Turing, quien sentó las bases teóricas de la IA con su famoso artículo de 1936 sobre números computables.

La inteligencia artificial sigue avanzando y se espera que desempeñe un papel cada vez más importante en nuestras vidas. Se espera que el uso de la IA se expanda aún más en áreas como la Internet de las cosas (IoT) y los dispositivos habilitados para voz. También se espera que la IA genere más de 300 mil millones de dólares en ingresos anuales para 2024.

CAMPOS DE APLICACIÓN DE LA IA A TRAVÉS DE EJEMPLOS DEL MUNDO REAL La inteligencia artificial (IA) juega un papel importante en nuestra vida diaria a través de diversas aplicaciones.

Algunos ejemplos específicos incluyen: Los asistentes de voz como Siri, Alexa y Cortana son comunes en muchos hogares.

Smartphones que utilizan IA para reconocimiento facial y de voz, asistentes virtuales y recomendaciones personalizadas.

Contenido de redes sociales utilizado para personalizar la experiencia del usuario a través de IA para proporcionar información y notificaciones adaptadas a los intereses de cada individuo.

Mejorar la participación del cliente a través del marketing digital utilizando IA para la creación de contenido, personalización de la experiencia del usuario y chatbots impulsados ​por IA.

Salud, utiliza inteligencia artificial para analizar, diagnosticar y tratar enfermedades crónicas y descubrir fármacos.

FUNDAMENTOS ÉTICOS DE LA IA La ética en la IA es vital por las implicaciones éticas y morales que surgen con su desarrollo y uso. Aquí están algunos principios éticos de la IA: Principios centrados en los derechos humanos: diez principios fundamentales para una ética de la IA centrada en los derechos humanos buscan garantizar el respeto a los derechos y dignidad de las personas en el desarrollo y uso de la IA. Prevención de resultados negativos: la política de IA busca prevenir errores humanos, falta de creatividad, posible aumento del desempleo y cuestionamiento ético.

Afectaciones en la vida y la sociedad: la ética en la inteligencia artificial se plantea al considerar cómo un sistema inteligente afecta la vida, salud, libertad, trabajo, dignidad e intimidad de las personas. El mal manejo y uso de la información recolectada y la programación incorrecta pueden ocasionar consecuencias graves.

Las responsabilidades en la IA: implican establecer fundamentos éticos para considerar la asunción de responsabilidades. En el caso de los robots o las máquinas, se plantea la incógnita sobre quién asumirá la responsabilidad de corregir errores y encontrar soluciones, a diferencia de otras disciplinas.

La transparencia: las aplicaciones de IA es una preocupación creciente. Se busca lograr inteligencias artificiales explicables y comprensibles para evitar la opacidad en su modo de operar y comprender cómo toman decisiones.

Prevenir prejuicios y estereotipos: los algoritmos de IA pueden agravar la discriminación al reproducir y reforzar sesgos ya existentes. Es primordial crear regulaciones que aseguren que la IA beneficie a la sociedad y esté alineada con los intereses de los ciudadanos.

CONCLUSIÓN La IA aspira a imitar la inteligencia humana mediante sistemas y programas en constante evolución. La IA ha progresado y se ha utilizado en medicina, industria, educación y otros campos.

Pero la IA también presenta desafíos éticos. La tecnología debe desarrollarse y utilizarse con transparencia, explicabilidad, prevención de sesgos y discriminación, y responsabilidad. Es imperativo abordar de manera rigurosa la ética en la IA para garantizar su uso responsable en beneficio de la sociedad.

La IA se fundamenta en el análisis de redes neuronales, el machine learning y el deep learning desde un enfoque teórico. Estos métodos posibilitan que las máquinas aprendan de los datos y ejecuten tareas de forma parecida a los humanos.

La IA tiene un impacto importante en la sociedad y muestra un gran potencial en diferentes áreas. Sin embargo, su desarrollo e implementación deben ir acompañados de una base ética sólida y una cuidadosa consideración de sus implicaciones. La IA puede mejorar nuestras vidas, pero necesitamos atenderla responsablemente para asegurar su uso ético y beneficioso.

REFERENCIAS Salces, D. (2023, April 12). Fundamentos de la inteligencia artificial, todo lo que debes saber para entenderla. MuyComputer. https://www.muycomputer.com/2023/04/06/fundamentos-dela-inteligencia-artificial-todo-lo-que-debes-saber-paraentenderla/ Strand, K. (2023, February 16). Inteligencia artificial: conceptos básicos y aplicaciones en el desarrollo. Abierto Al Público. https://blogs.iadb.org/conocimiento-abierto/es/inteligenciaartificial/ De Membiela, J. B. L. (2021, February 3). Enfoques de inteligencia artificial. El Español. https://www.elespanol.com/blog_del_suscriptor/opinion/202102 04/enfoques-inteligencia-artificial/555514446_7.html Rodríguez, E. (2023, September 22). Bases Teóricas que Sustentan la Inteligencia Artificial. Canal Innova. https://canalinnova.com/bases-teoricas-que-sustentan-lainteligencia-artificial/ Corporativa, I. (n.d.). Historia de la inteligencia artificial. Iberdrola. https://www.iberdrola.com/innovacion/historia-inteligenciaartificial Ocho hábitos para evitar el riesgo de impagos. (n.d.). Cesce España. https://www.cesce.es/es/w/asesores-de-pymes/brevehistoria-la-inteligencia-artificial-camino-hacia-la-empresa