Inteligencia Artificial: Aplicaciones y Desafíos en la Era Digital

UNIVERSIDAD DE COLIMA

LECTURA 1

INTELIGENCIA ARTIFICIAL: APLICACIONES Y DESAFÍOS EN LA ERA DIGITAL

OBSERVATORIO TIC #DESCUBRETUENTORNO AgenTes Comy en acción PERTINENCIA QUE TRANSFORMAUniversidad de Colima, 2024.

CC = NC ND BY Edición a cargo de la Dirección General de Integración de Tecnologías de Información (DGIDT). Encuentra esta y otras publicaciones en el sitio del ObservaTIC: https://observatic.ucol.mx/ Diplomado Prácticas Educativas con Inteligencia Artificial, por la Dirección General de Integración de Tecnologías de Información de la Universidad de Colima licenciada bajo Creative Commons-Reconocimiento-NoComercialSinObraDeri vada 4.0 Internacional License.

Usted es libre de redistribuir y compartir el material bajo los siguientes términos: Atribución- Usted debe darle crédito a esta obra de manera adecuada, proporcionando un enlace a la licencia e indicar si se han realizado cambios. No comercial- Usted no puede hacer uso del material con fines comerciales o de lucro. Para dudas o sugerencias, sea tan amable de escribir a: agentestic@ucol.mx

Inteligencia Artificial: Aplicaciones y desafíos en la era digital

Introducción a la Inteligencia Artificial

Según García Serrano (2012), el concepto de inteligencia artificial (IA) está en evolución, puesto que no existe una definición exacta y precisa, en parte, porque la misma definición de la inteligencia humana está en evolución. No obstante, la IA como campo de estudio, también se encuentra en constante evolución y busca desarrollar sistemas y algoritmos capaces de simular los procesos cognitivos humanos. A lo largo de las últimas décadas, la IA ha experimentado un crecimiento exponencial y se ha convertido en una disciplina fundamental en la investigación científica y tecnológica. Su objetivo es emular la inteligencia humana en la toma de decisiones, el aprendizaje, el razonamiento y la resolución de problemas.

La IA se ha convertido en una tecnología con la que interactuamos en nuestra vida diaria. Desde los asistentes virtuales en nuestros teléfonos hasta los sistemas de recomendación de películas en plataformas de streaming, la IA ha demostrado su capacidad para mejorar la eficiencia, la precisión y la personalización en una amplia gama de aplicaciones.

Si bien la IA ofrece nuevas posibilidades para mejorar la eficiencia, la productividad y la calidad en diversos campos, también plantea desafíos éticos, legales y sociales que deben abordarse de manera responsable. Por ello, es fundamental comprender tanto los beneficios como las limitaciones de esta tecnología para aprovechar su potencial y mitigar sus impactos negativos. Una visión integral de la inteligencia artificial en los docentes de cualquier disciplina, es necesaria para comprender sus fundamentos e implicaciones, aspectos esenciales para enseñar y guiar a los estudiantes en este campo en constante evolución.

1. Disciplinas asociadas a la IA

La IA es un campo multidisciplinario que se nutre de diferentes disciplinas para su desarrollo. La intersección de diversas áreas de conocimiento es necesaria para abordar los desafíos y oportunidades que emergen con el desarrollo de esta tecnología. A decir del propio ChatGPT (OpenIA, 2023) las disciplinas más representativas que están asociadas con la IA son:

0010100 000

La informática es una de las disciplinas esenciales. Proporciona los fundamentos teóricos y prácticos para el desarrollo de algoritmos, sistemas inteligentes y gestión de la información digital. En este campo, se desarrollan modelos, algoritmos y arquitecturas computacionales especiales para sustentar la creación y operación de los sistemas de IA.

Las matemáticas y la estadística son fundamentales para la IA. Proporcionan los métodos y herramientas para modelar y analizar datos, así como para desarrollar algoritmos de 4aprendizaje automático. Ramas como el álgebra, el cálculo, la probabilidad y estadística son aplicadas para comprender y desarrollar las técnicas de la IA.

La neurociencia es una disciplina que estudia el funcionamiento del cerebro y los procesos cognitivos. La IA se inspira en los principios y mecanismos de procesamiento de información del cerebro humano. Los avances en neurociencia ayudan a comprender mejor cómo funciona la inteligencia y cómo se pueden replicar sus procesos mediante algoritmos y sistemas de IA.

La interacción humano-computadora se centra en cómo los humanos y las máquinas interactúan y se comunican entre sí. Esta disciplina contribuye al desarrollo de interfaces amigables y eficientes que permitan a los usuarios interactuar de manera natural y efectiva con sistemas de IA. La comprensión de los aspectos cognitivos y emocionales de las personas es esencial para diseñar interfaces inteligentes y adaptativas.

La lingüística computacional se enfoca en el procesamiento del lenguaje natural (PLN) y la comprensión de la comunicación humana con eficiencia y precisión mediante el desarrollo de algoritmos y modelos de reconocimiento y generación del lenguaje. El PLN es fundamental para aplicaciones como los asistentes virtuales, la traducción automática y el análisis de las emociones.

La robótica combina los principios de la ingeniería mecánica, la electrónica y la informática para diseñar y construir sistemas físicos autónomos capaces de interactuar con el entorno. La integración de la IA en la robótica permite el desarrollo de robots inteligentes que pueden tomar decisiones, aprender de su entorno y adaptarse a nuevas situaciones.

Estas son solo algunas de las disciplinas asociadas con la IA. La colaboración entre expertos de diferentes campos es esencial para avanzar en la investigación y aplicaciones de la IA, ya que cada disciplina aporta perspectivas únicas y conocimientos especializados. Comprender las relaciones de estas disciplinas con la IA permite a los docentes construir una visión más completa e integral tanto del desarrollo de la IA, como de sus aplicaciones en diversas áreas del conocimiento, lo que a su vez los empodera para guiar a sus estudiantes en la incursión e interacción con esta tecnología.

2. Tipos y técnicas de IA

La inteligencia artificial (IA) en su evolución ha tenido diversas clasificaciones y conceptualizaciones, por ejemplo, Russell y Norving (2020) establecen categorías tomando como referencia la inteligencia humana vista como una serie de sistemas que pueden pensar, pero también actuar: Sistemas que piensan como humanos, sistemas que actúan como humanos, sistemas que piensan racionalmente, sistemas que actúan racionalmente. De esta 5clasificación se puede deducir que existen dos ramas generales en el desarrollo de la IA, una con un alcance limitado a la toma de decisiones racionales y otra más ambiciosa, que aspira a emular las capacidades humanas para pensar y actuar.

La IA débil, también conocida como IA estrecha, se enfoca en tareas específicas y limitadas. Estos sistemas están diseñados para cumplir una función específica, como reconocimiento de voz, clasificación de imágenes o recomendaciones de productos. Aunque son eficientes en tareas específicas, carecen de la capacidad de razonamiento y comprensión más allá de su campo de especialización.

La IA fuerte: también conocida como IA general, tiene como objetivo replicar la inteligencia humana en su totalidad. Busca desarrollar sistemas que puedan razonar, comprender, aprender y adaptarse en una amplia variedad de situaciones.

Estas dos tipologías están asociadas a una serie de técnicas que se han desarrollado para dar aplicabilidad a la IA.

Aprendizaje automático

El aprendizaje automático, también conocido como machine learning, es una técnica central en la IA que permite a los sistemas aprender a partir de datos sin ser programados explícitamente. Los algoritmos de aprendizaje automático analizan grandes conjuntos de datos para identificar patrones y construir modelos predictivos. Estos modelos se utilizan para realizar tareas como clasificación, regresión, agrupación y detección de anomalías. El aprendizaje automático se divide en dos categorías principales: aprendizaje supervisado, donde los modelos se entrenan utilizando ejemplos etiquetados, y aprendizaje no supervisado, donde los modelos encuentran patrones en datos no etiquetados.

Como ejemplos de aplicación de esta técnica podemos encontrar las recomendaciones de películas en plataformas de streaming como Netflix o Amazon Prime Video. Otro ejemplo muy conocido son los sistemas de detección de mensajes no deseados o spam en el correo electrónico.

Procesamiento del Lenguaje Natural (PLN)

El Procesamiento del Lenguaje Natural (PLN) es una técnica que se enfoca en la interacción entre las computadoras y el lenguaje humano. Permite a las máquinas comprender, analizar, interpretar y generar lenguaje humano de manera eficiente. El PLN se utiliza en aplicaciones como la traducción automática, los chatbots, el análisis de sentimientos y la generación automática de texto.

Una de las aplicaciones más interesantes y famosas en los últimos días es el ChatGPT que utiliza algoritmos de PLN para comprender y responder preguntas, proporcionar información y participar en conversaciones de manera similar a cómo lo haría un humano. Otras aplicaciones reconocidas son los asistentes de voz como Siri de Apple o el asistente de Google.

Visión por computadora

La visión por computadora emplea algoritmos y modelos que permiten analizar y extraer información de imágenes y videos para interpretarlos e incluso comprenderlos. Algunas aplicaciones las podemos identificar en el reconocimiento facial empleado en sistemas de 6seguridad o en el desbloqueo de los teléfonos, en la detección de objetos como placas vehiculares, en el seguimiento de movimientos en cámaras de seguridad o en la clasificación de imágenes en aplicaciones médicas.

Robótica e IA

La robótica combina los principios de la ingeniería mecánica, la electrónica y la informática para diseñar y construir sistemas físicos autónomos capaces de interactuar con el entorno. La IA se integra en la robótica para desarrollar robots inteligentes que pueden tomar decisiones, aprender de su entorno y adaptarse a nuevas situaciones.

Algunos robots que se han vuelto mediáticos en los últimos años por sus capacidades de inteligencia artificial son Ameca y Sophia, que han sorprendido por sus capacidades de interactuar con los humanos y emular sus emociones con gestos y movimientos. Las aplicaciones de este tipo de robots pueden ser en campos muy variados como obreros, asistentes, recepcionistas, entre otros.

Redes Neuronales Artificiales (RNA)

Las Redes Neuronales Artificiales (RNA) son modelos computacionales inspirados en la estructura y funcionamiento del cerebro humano. Estas redes están compuestas por unidades interconectadas llamadas neuronas artificiales, que procesan y transmiten información. Las redes neuronales se utilizan en diversos campos de la IA, como el reconocimiento de patrones, el procesamiento de imágenes y el aprendizaje profundo.

Una de las aplicaciones que más han sorprendido en los últimos tiempos y que se puede asociar a esta técnica son los sistemas de conducción autónoma en automóviles, donde las redes neuronales se utilizan para detectar y reconocer objetos en la carretera, calcular mejores rutas, evitar obstáculos etc.

Estas son solo algunas de las técnicas más utilizadas en la IA. A medida que el campo avanza, surgen nuevos enfoques para abordar desafíos más complejos. Comprender los diferentes tipos y técnicas de la IA es fundamental para evaluar las capacidades y limitaciones de esta tecnología, y para utilizar la técnica adecuada en función del problema a resolver.

Inteligencia Artificial Generativa (IAG)

La Inteligencia Artificial Generativa (IAG) se refiere a la generación de contenido nuevo a partir de instrucciones, o de forma autónoma a partir de inferencias que la propia IAG realiza sobre el trabajo que se esté desarrollando. Bajo esta línea, la IA es capaz de aprender del contexto para dar sugerencias que van desde completar un mensaje de correo hasta redactar un informe o producir una presentación.

A más de un año desde la popularización de ChatGPT, la aplicación más representativa de la IAG, empresas como Google con Gemini y Microsoft con Copilot han iniciado una carrera impresionante y sin tregua en el desarrollo de estas tecnologías. Como parte de sus servicios, presentan chatbots gratuitos que sirven como puerta de entrada a suscripciones que, por un costo adicional, ofrecen acceso a aplicaciones que van desde la generación de imágenes con DALLE 2 hasta su integración en herramientas de ofimática como hojas de cálculo, documentos y presentaciones que utilizamos a diario.

7