Introducción a la

Inteligencia Artificial
Maestría en Ciencias de la Computación
Postgrado del Decanato de Ciencias y Tecnología
Dra. Ma. Auxiliadora Pérez

Dra. Ma. Auxiliadora Pérez

Agenda
01 Visión General

Definiciones y enfoques
02 de la IA?

03 Una breve historia

04 Estado del Arte

 ¿Qué es la IA?

Pensar como Pensar

humanos racionalmente.

Actuar como Actuar

humanos racionalmente
Actuar como humanos: Test de Alan Turing
 Pensar como humanos: Modelo Cognitivo

▪ 1960s: Revolución cognitiva: psicología del

procesamiento de la información

▪ Teorías científicas de las actividades internas del

cerebro.( Ciencia Cognitiva y Neurociencia
Cognitiva)

▪ En la actualidad, son áreas de investigación

distintas de la IA
 Pensar racionalmente: “Leyes del Pensamiento"

▪ Aristóteles: ¿cuáles son los argumentos/procesos de

pensamiento correctos?
▪ Varias escuelas griegas desarrollaron diversas formas de La
lógica: notación y reglas de derivación de pensamientos; puede
o no haber procedido a la idea de la mecanización.
▪ Línea directa a través de las matemáticas y la filosofía a la IA
moderna.
▪ Problemas:
▪ No todo comportamiento inteligente es mediado por la
deliberación lógica.
▪ ¿Cuál es el propósito del pensamiento? ¿Qué pensamientos
debería tener?
 Actuar racionalmente: Agente Racional

▪ Comportamiento racional: Hacer lo que es correcto

▪ Lo correcto: aquello que se espera maximizar el logro de

objetivos, dada la información disponible.

▪ Un agente es una entidad que percibe y actúa

▪ Abstractamente, un agente es una función desde las

historias de percepción hasta las acciones:
 Prehistoria de la IA

• Lógica, métodos de razonamiento, la mente como

Filosofía sistema físico, fundamentos del aprendizaje, lenguaje,
racionalidad

• Algoritmos formales de representación y prueba,

Matemáticas computación, (in)decidibilidad, (in)tratabilidad,
probabilidad

Economía • Utilidad, teoría de la decisión.

Neurociencia • Sustrato físico para la actividad mental

Psicología
• Fenómenos de percepción y control motor, técnicas
experimentales.
Ingeniería
Informática • Diseño de computadoras rápidas

Teoría de Control
• Diseño de sistemas que maximicen una función objetivo
a lo largo del tiempo
Lingüística • Representación del conocimiento lingüístico, gramática.
 Historia abreviada de la IA

• 1943 McCulloch y Pitts: modelo de circuito booleano del cerebro

• 1950 Turing, “Máquinas informáticas e inteligencia”.
• 1956 Reunión de Dartmouth: Se adopta el nombre de “Inteligencia Artificial”
• 1952- 69 Mira, Ma, no hay manos.
• 1950 Programas de IA tempranos: Programa de chequeadores de Samuel,
Teórico de la lógica de Newell y Simon, Motor de Geometría de
Gelernter
• 1965 Algoritmo completo de Robinson para el razonamiento lógico.
• 1966—73 IA descubre la complejidad computacional
La investigación en redes neuronales casi desaparece
• 1969—79 Desarrollo temprano de sistemas basados en el conocimiento.
• 1980 La IA se convierte en una industria
• 1986 Las redes neuronales regresan a la popularidad
• 1987 La IA se convierte en ciencia.
• 1995 La aparición de agentes inteligentes
Estado del Arte
Integración de Agentes Autónomos de IA

En 2025, se espera una mayor integración de agentes

autónomos de IA en diversas áreas. Estos agentes, que van
más allá de ser simples asistentes, se están convirtiendo en
actores clave en sectores como la medicina, la educación y
las finanzas, realizando operaciones complejas de forma
automatizada y mejorando la eficiencia en procesos críticos
Estado del Arte
IA Neuro-Simbólica

La IA neuro-simbólica combina el aprendizaje profundo con el

razonamiento simbólico, integrando la capacidad de aprendizaje
de las redes neuronales con la manipulación de símbolos
característica de la IA clásica. Esta fusión permite a los sistemas
de IA abordar tareas complejas que requieren tanto
reconocimiento de patrones como razonamiento lógico,
acercándose más a una inteligencia general artificial. Un estudio
reciente ofrece una taxonomía detallada de este enfoque y sus
aplicaciones
Estado del Arte
Aprendizaje por Refuerzo Avanzado

El aprendizaje por refuerzo ha evolucionado con técnicas que

minimizan la intervención humana durante el entrenamiento. Un
ejemplo destacado es el modelo R1 desarrollado por el
laboratorio chino DeepSeek, que utiliza aprendizaje por refuerzo
para generar respuestas precisas mediante razonamiento paso
a paso. Este enfoque ha demostrado ser más eficiente y
rentable, superando en algunas tareas a modelos de empresas
líderes en IA. FT.
Estado del Arte
Modelos de Lenguaje de Código Abierto

La aparición de modelos de lenguaje de código abierto, como

DeepSeek-R1 y Qwen 2.5, ha revolucionado el campo de la IA.
Estos modelos ofrecen un rendimiento comparable al de
sistemas propietarios avanzados, pero con costos de desarrollo
significativamente menores. Su accesibilidad y eficiencia han
democratizado el desarrollo de aplicaciones de IA, permitiendo
a desarrolladores y empresas crear productos competitivos con
recursos limitado
Estado del Arte
Teoría de la Mente en IA

Recientemente, se ha investigado la capacidad de los modelos

de IA para comprender y predecir estados mentales humanos,
una habilidad conocida como "teoría de la mente". Un
experimento demostró que ciertos modelos de lenguaje pueden
simular esta capacidad, lo que representa un avance
significativo hacia interacciones más naturales y efectivas entre
humanos y máquinas.
Estado del Arte
Principios Computacionales de la Inteligencia

Se han propuesto nuevos marcos teóricos que buscan una

comprensión más profunda de la inteligencia desde una
perspectiva computacional. Estos marcos enfatizan la
naturaleza generativa y de espejo de las representaciones
aprendidas, así como procesos iterativos de aprendizaje y
razonamiento basados en representaciones causales. Estos
enfoques ofrecen interpretabilidad y aprendizaje continuo,
acercando la IA a una comprensión más integral de la
inteligencia humana.
Estado del Arte
Avances en Modelos de Lenguaje y Competencia Global

Recientemente, China ha lanzado DeepSeek-R1 y Qwen 2.5,

modelos de IA de código abierto que compiten directamente con
gigantes como ChatGPT de OpenAI y Gemini de Alphabet. Estos
modelos destacan por su eficiencia y bajos costos de entrenamiento,
utilizando tecnología de NVIDIA. DeepSeek-R1, en particular, es
gratuito para los usuarios y ofrece un rendimiento comparable al de
modelos propietarios más sofisticados. Este desarrollo ha tenido un
impacto económico notable, afectando el valor de las acciones de
empresas como NVIDIA
Estado del Arte
Aplicaciones en Ciencia y Medicina

La IA continúa revolucionando campos como la salud, la astronomía

y la exploración espacial. Herramientas como AlphaFold han
determinado la estructura tridimensional de millones de proteínas,
facilitando el diseño de nuevos fármacos y tratamientos. Además,
sistemas como ClimateNet utilizan redes neuronales para analizar
grandes volúmenes de datos climáticos, esenciales para comprender
y mitigar el cambio climático
Estado del Arte
Impacto Económico y Geopolítico

El desarrollo de IA, especialmente en países como China, está

redefiniendo la competencia tecnológica global. La aparición de
modelos avanzados de IA ha generado preocupaciones estratégicas
en términos militares, de ciberseguridad y económicas, subrayando
la necesidad de respuestas rápidas y colaborativas por parte de
otras naciones
Gracias