Universidad Tecnológica Centroamericana

UNITEC

La Inteligencia Artificial

Presentada por:
Cesar Urbizo 12311049
Mauricio Urbizo 12312456
Lizzeth Urbizo 12313789

Presentado a:
Ing. Geovanny M. Fortín

Facultad:
Facultad de Ingeniería

Clase y sección:
Ofimática Avanzada 34

Fecha de entrega:
Tegucigalpa M.D.C. 26 de Julio de 2023
Tabla de Contenido
1. ¿Qué es la IA? (N1).....................................................................................................................1
1.1. Orígenes e historia de la inteligencia artificial (N2)............................................................3
2. ¿Cómo funciona la IA? (N1)........................................................................................................5
2.1. Tipos de Inteligencia Artificial (N2).....................................................................................5
2.2. IA y desarrolladores (N2)....................................................................................................7
3. Aplicaciones de inteligencia artificial (N1)..................................................................................8
4. ¿Por qué es importante la inteligencia artificial? (N1).............................................................11
4.1. Deep learning vs. machine Learning (N2).........................................................................13
5. Aplicaciones de inteligencia artificial (N1)................................................................................15
5.1. Reconocimiento del habla (N2)........................................................................................15
5.2. Servicio al cliente (N2)......................................................................................................15
5.3. Visión artificial (N2)..........................................................................................................16
5.4. Motores de recomendaciones (N2)..................................................................................16
5.5. Comercio bursátil automatizado (N2)...............................................................................16
Índice de Márgenes
Imagen 1 Contacto entre la IA y la humanidad......................................................................1
Imagen 2 La IA en la educación.............................................................................................5
Imagen 3 Aplicaciones de la IA..............................................................................................8
Imagen 4 Beneficios de la IA en la salud..............................................................................12
Imagen 5 Machine learning vs Deep learning......................................................................14

Índice de Tablas
Tabla 1 ejemplos de la IA....................................................................................................... 8
 1

1. ¿Qué es la IA? (N1)

La inteligencia artificial1 (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.

Imagen 1 Contacto entre la IA y la humanidad

Fuente: cita

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.

1
La inteligencia articial

La inteligencia artificial
 2

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.

La inteligencia artificial
 3

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

La inteligencia artificial
 4

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.

La inteligencia artificial
 5

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.

Imagen 2 La IA en la educación

Fuente: cita

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:
La inteligencia artificial
 6

 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 por sí mismos, y gama de habilidades

conocida como IA requieren ser cognitivas y capacidad

estrecha. Son sistemas programados para de aprendizaje

diseñados para realizar realizar una tarea autónomo. Estos

tareas específicas y determinada. Su alcance sistemas pueden realizar

limitadas, como el es limitado y no pueden múltiples tareas y

reconocimiento de voz, realizar tareas fuera de aprenden de forma

la identificación de su campo de autónoma a medida que

imágenes o la traducción especialización. interactúan con el

de idiomas. No tienen entorno. La IA fuerte

capacidad de  IA Fuerte: está diseñada tiene que tener la

aprendizaje o adaptación para tener una amplia capacidad de razonar,

La inteligencia artificial
 7

planificar y tomar inteligencia humana en velocidad y eficiencia

decisiones complejas en todos los aspectos. Este que los seres humanos

un amplio espectro de nivel de IA sería capaz no pueden alcanzar.

situaciones. de comprender el mundo Es una forma teórica de

de una manera que está IA que aún no ha sido

 IA Superinteligente: es más allá de la capacidad desarrollada en la

un tipo de IA humana, y sería capaz de práctica.

que superaría la resolver problemas

complejos a una

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.

La inteligencia artificial
 8

3. Aplicaciones de inteligencia artificial (N1)

Imagen 3 Aplicaciones de la IA

Fuente: cita

Tabla 1 ejemplos de la IA

Ejemplos de Aplicaciones IA

Compras por internet La inteligencia artificial se usa mucho para crear

y publicidad recomendaciones personalizadas para los consumidores, basadas,

por ejemplo, en sus 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

La inteligencia artificial
 9

digitales lo más relevante y personalizado posible. El uso de los asistentes

virtuales que responden a preguntan, dan recomendaciones y

ayudan a organizar las rutinas de sus propietarios se ha

generalizado.

Traducciones Los programas de traducción de idiomas, basados tanto en texto

automáticas 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

infraestructuras comportamiento para ahorrar energía, mientras que los

inteligentes desarrolladores de ciudades 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.

La navegación se basa en gran medida en IA.

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
 10

La inteligencia La IA se ha utilizado en las cámaras termográficas instaladas en

artificial para luchar los aeropuertos y en otros lugares. En medicina, puede ayudar a

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

desinformación detectar noticias falsas y desinformación al extraer información

de las redes sociales, buscar palabras sensacionales o alarmantes

e identificar qué fuentes en línea se consideran autorizadas.

Fuente: cita

La inteligencia artificial
 11

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. Ver Imagen 4

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

La inteligencia artificial
 12

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.

Imagen 4 Beneficios de la IA en la salud

Fuente: Cita

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

La inteligencia artificial
 13

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

La inteligencia artificial
 14

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.

Imagen 5 Machine learning vs Deep learning

Fuente:

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.

La inteligencia artificial
 15

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

La inteligencia artificial
 16

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.

La inteligencia artificial
 17

La inteligencia artificial