Introducción a la IA

VAAP01

Grupo: 4MV9

Ciclo Escolar: 25-1

Materia: Visión Artificial Aplicada

Mendez Olvera Martin Joel

October 3, 2024
1 Historia
La creencia de la posibilidad de transferir a las máquinas, no sólo las caracterı́sticas mecánicas humanas,
sino además, las caracterı́sticas cognitivas e intelectuales, es algo que se viene alimentando desde el inicio
mismo de la humanidad y sus posteriores pasos en lo que conocemos como ciencia, en la construccion de
la teoria cientifica.

Los primeros trabajos que pueden ya considerarse como el embrión de la Inteligencia Artificial mod-
erna aparecen en la década de los 40 del siglo pasado, aunque no serı́a hasta 1950 cuando realmente estos
estudios y propuestas consiguen una verdadera repercusión gracias al artı́culo “Computing Machinery
and Intelligence”, escrito por Alan Turing, uno de los padres de la IA, y publicado en el volumen 59 de
la revista “Mind”. En este artı́culo se profundiza sobre la posibilidad de que una máquina pueda imitar
el comportamiento de la mente humana. En este mismo artı́culo se propone el conocido Test de Turing,
orientado a demostrar si una determinada máquina es inteligente o no.
Ese artı́culo es, probablemente, el catalizador que aglutina el conocimiento acumulado con anteriori-
dad en otras disciplinas como la lógica y la algorı́tmica, llevándolo al nacimiento de una nueva ciencia.
Ciencia que no serı́a oficialmente bautizada hasta 1956, durante la conferencia de Dartmouth.

John McCarthy acuñó en 1956 el término “inteligencia artificial” e impulsó en la década de 1960
el desarrolló del primer lenguaje de programación de IA, LISP. Los primeros sistemas de inteligencia
artificial se centraron en reglas, lo que condujo al desarrollo de sistemas más complejos en las décadas
de 1970 y 1980, junto a un impulso de la financiación. En estos momentos, la IA experimentó un
renacimiento gracias a avances en algoritmos, hardware y técnicas de aprendizaje automático.
Ya en la década de 1990, los avances en la potencia informática y la disponibilidad de grandes
cantidades de datos permitieron a los investigadores evolucionar algoritmos de aprendizaje y consolidar
las bases de la IA del presente. En los últimos años, esta tecnologı́a ha vivido un crecimiento exponencial,
impulsado en buena medida por el desarrollo del aprendizaje profundo, que aprovecha redes neuronales
artificiales con diversas capas para procesar e interpretar estructuras de datos complejas. Este avance ha
revolucionado las aplicaciones de IA, incluyendo el reconocimiento de imágenes y voz, el procesamiento
del lenguaje natural y los sistemas autónomos.

• 1961: General motors Instala su primer robot industrial UNIMATE

• 1964: Joseph Wizenbaum desarrolla el primer programa informatico de procesamiento de lenguaje
natural, ELIZA que simula conversacion con humanos
• 1966: Irrumpe SHAKEY, primer robot movil de proposito general capas de razonar sobre sus
propias acciones. Es considerado el antecesor de los cehiculos autonomos.
• 1997: La super computadora DEEP BLUE de IMB vence al campeon mundial de ajedrez Garry
Kasparov en una partida.

• 2002: Se lanza al mercado el primer robot aspirador fabricado en masa y vendido por iRobot.
• 2011: Apple integra a SIRI, un asistente virtual con interfaz de voz.
• 2022: La compañia OpenAI lanza al publico ChatGPT, una aplicacion de chatbox de inteligencia
artificial.

2 Exponentes
Uno de los Principales exponentes es el antes mencionado Alan Turing La vida de este matemático,
informático (cuando la informática como la conocemos ahora no existı́a aún), criptógrafo y filósofo
británico es ciertamente movida, tanto en lo profesional como en lo personal. Quedándonos con la
primera, si bien la segunda resulta igualmente interesante, muchas son las contribuciones de Turing no
sólo a la Inteligencia Artificial, sino a la computación en general. Por ejemplo, a él debemos el modelo
teórico de máquina computadora universal conocido como máquina de Turing, que sirvió para demostrar
que hay determinados tipos de problemas matemáticos que una máquina no puede resolver. .

1
 Asi mismo John McCarthy introduce LISP, un primer lenguaje de Inteligencia Artificial. Mientras
que Marvin Minisky y Seymour Paper, idean el proyecto de micromundos de bloques, mismo que con-
sistı́a en “representaciones” de laboratorio de la vida real, con un aditivo muy especial, el sujeto que
interaccionarı́a con la realidad serı́a un ordenador con forma de robot o de simple programa. Se crearon
programas capaces de tratar con objetos geométricos (SHRDLU), robots que manejaban cubos (Shakey)
y diferentes programas que “entendı́an” el inglés para sacar de las frases una determinada información
(SIR y STUDENT) estos funciona mediante la comparación de patrones.

Posteriormente la mayor contribucion ah sido por parte de grandes empresas con avances en inteligen-
cia artificial como lo fue IBM con DEEP BLUE, Apple con SIRI. Google utiliza la inteligencia artificial
(IA) para mejorar la experiencia del usuario en sus productos, personalizar anuncios y mejorar la precisión
de los resultados de búsqueda. FaceBook ahora conocido como meta tambien a contribuido en mayor
medida con la investigacion de la inteligencia artifical. Estas ultimas dos empresas han desarrollado su
propia IA de chatbox similar a la creada por Open AI que es ChatGPT.

3 Definiciones
Todas las definiciones de Inteligencia Artificial están relacionadas con la siguiente idea: Desarrollo de
métodos y algoritmos que permitan comportarse a las computadoras de modo inteligente.
Los procesos que se llevan a cabo en el cerebro pueden ser analizados, a un nivel de abstracción dado,
como procesos computacionales de algún tipo.

Para John McCarthy (2007) “Es la ciencia e ingenierı́a para construir máquinas inteligentes,
especialmente, programas de computación inteligentes. Ası́ como, lo relativo a la tarea de
usar computadoras para entender la inteligencia humana, pero no limitada a métodos ob-
servables biológicamente.”

Nils Nilsson (2001) refiere que “En una definición amplia y un tanto circular, tiene por
objeto el estudio del comportamiento inteligente en las máquinas.”

Marvin Minsky (1990) explica que “Aun cuando todavı́a no conocemos cómo loscerebros
realizan sus habilidades mentales, podemos trabajar hacia el objetivo de hacer máquinas
que hagan lo mismo. La ‘Inteligencia Artificial’ es simplemente el nombre que dimos a
esta investigación.”

Shirai y Tsujii (1982) la definieron como “El objetivo de la investigación sobre inteligencia
artificial es conseguir que un ordenador llegue a realizar las importantes funciones de la
inteligencia humana.”

Para Russell (2003) “Un sistema inteligente es aquel cuya expectativa de utilidad es la
más alta que se puede alcanzar por cualquier otro sistema con las mismas limitaciones
computacionales.”

Otra forma de clasificación es la que la denomina débil o fuerte, ası́, la Inteligencia Artificial Fuerte es
aquella que busca implementar los procesos cognitivos a semejanza de cómo se realizan en el ser humano,
es decir, dotar a las máquinas de conciencia, por otro lado, la Inteligencia Artificial Débil busca imitar
los proceso cognitivos, obtener resultados que podrı́an ser inteligentes, sin importar la forma o técnica
de obtención. En el primer caso la aproximación es deductiva, descendente (top-down) y simbólica; en
el segundo es inductiva, ascendente (bottom-up) y subsimbólica.

4 Escuelas de pensamiento
La IA se divide en dos escuelas de pensamiento: la Inteligencia artificial convencional y la Inteligencia
computacional
La inteligencia artificial convencional: tiene que ver con métodos que actualmente se conocen como
máquinas de aprendizaje, se caracteriza por el formalismo y el análisis estadı́stico.Tambien se conoce

2
como IA simbolica-deductiva y algunos métodos de esta rama incluyen:
• Sistemas expertos: aplican capacidad de razonamiento para lograr una conclusión. Un sistema
experto puede procesar una gran cantidad de información conocida y proveer conclusiones basadas
en ésta.
• Razonamiento basado en casos: es la parte de la inteligencia artificial que se ocupa del estudio de
los mecanismos mentales necesarios para repetir lo que se ha hecho o vivido con anterioridad, ya
sea por experiencia propia o por casos concretos recopilados en la bibliografı́a o en la sabidurı́a
popular. Los diversos casos son del tipo ”Si X, entonces Y” con algunas adaptaciones y crı́ticas
segun las experiencias previas en el resultado de cada una de dichas reglas
• Red Bayesiana: un modelo de representación del conocimiento basado en teorı́a de la probabilidad
• Inteligencia Artificial basada en comportamientos: que tienen autonomı́a y pueden auto-regularse
y controlarse para mejorar.

Inteligencia Computacional: Implica el aprendizaje interactivo. Este aprendizaje esta basado en

datos empı́ricos y esta asociado con una inteligencia artificial no simbólica. Tambien conocida como IA
subsimbolica-inductiva. Algunos métodos de esta rama incluyen:
• Redes Neuronales: sistemas con grandes capacidades de reconocimiento de patrones
• Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente
usada en la industria moderna y en productos de consumo masivo, como las lavadoras, asimismo es
extremadamente popular en robótica porque permite la creación acertada de los sistemas dinámicos
en tiempo real que pueden funcionar en ambientes complejos. Por ejemplo, es la base de la in-
teligencia de Sony Aibo.
• Computacion Evolutiva: aplica conceptos inspirados en la biologı́a, tales como población, mutación
y supervivencia del más apto para generar soluciones sucesivamente mejores para un problema.
Estos métodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e inteligencia
colectiva (ej. algoritmos hormigas)

5 Disciplinas involucradas
El campo de la inteligencia artificial surge de la interacción entre varias disciplinas cientı́ficas, entre las
que pueden mencionarse las neurociencias, la psicologı́a cognitiva, la matemática, la biologı́a evolutiva,
las ciencias de la computación y la lógica.
La inteligencia artificial, desde su origen, es de naturaleza interdisciplinaria, el abordaje de los prob-
lemas en este campo requiere volver los ojos constantemente hacia la neuroetologı́a, las ciencias de la
conducta, la neurofisiologı́a, las ciencias computacionales, la psicologı́a cognitiva, la matemática, la lógica
y las teorı́as del aprendizaje. Por ello, en la actualidad la inteligencia artificial ofrece potentes recursos
que encuentran aplicación en diversos campos del quehacer humano, ya sea en el campo de la producción
económica, la educación, la investigación cientı́fica, los estudios sociales o la gestión administrativa.

6 Controversias
Durante el desarrollo de la IA siempre ha existido una controversia sobre los lı́mites de esta Ciencia.Si
bien es verdad que sus aplicaciones son bastas en el desarrollo de muchas areas, tambien existen malos
usos de la misma IA.
Una de estas controversias dentro del area de la educacion es justo la sobreexplotacion de las IA como
ChatGPT en el plagio de tareas escolares, impidiendo la correcta realizacion de las mismas.
En un ambito social se teme que la Inteligencia Artificial reemplace a artistas como diseñadores
graficos o incluso musicos, pues con la IA podemos darle una descripcion de una imagen y esta nos
la va a realizar. De igual forma con el audio la IA ha llegado a reproducir dialogos con la voz de
personas sin su consentimiento. En problemas mayores la utilización de aplicaciones gratuitas de IA
para transformar fotografı́as de personas en falsos desnudos está generando problemas que afectan a
menores. El caso saltó a los medios de comunicación en septiembre de 2023 cuando en Almendralejo

3
(Badajoz, España) aparecieron varias fotografı́as de niñas y jóvenes (entre 11 y 17 años) que habı́an sido
modificadas mediante inteligencia artificial para aparecer desnudas. Las imágenes fueron obtenidas de los
perfiles de Instagram y de la aplicación Whatsapp de al menos 20 niñas de la localidad. Las fotografı́as
de niñas desnudas habı́an circulado después mediante Whatsapp y a partir de ellas se habı́a creado un
vı́deo que también habı́a circulado entre menores. Los autores de dicha transformación también eran
menores y compañeros de colegio o instituto.

Una cosa es el mal uso de la Inteligencia Artificial, pero tambien su avance progresivo ha llegado a
causar controversia. A finales de julio de 2017, varios medios internacionales dieron a conocer que el
laboratorio de investigación de inteligencia artificial del Instituto Tecnológico de Georgia, en conjunto
con el Grupo de Investigación de inteligencia artificial (FAIR) de Facebook, ahora Meta, tuvieron que
apagar dos inteligencias artificiales de tipo chatbot denominadas Bob y Alice, ya que habı́an desarrollado
un lenguaje propio más eficiente que el inglés, idioma en el que habı́an sido entrenados para aprender a
negociar, desarrollando finalmente un tipo de comunicación incomprensible que se alejaba de las reglas
gramaticales del lenguaje natural y que favorecı́a el uso de abreviaturas. El lenguaje creado por estas
IA mostraba caracterı́sticas de un inglés corrupto y patrones repetitivos, en especial de pronombres y
determinantes.
Este inesperado suceso fue visto con pánico en los medios de comunicación, ya que se aseguraba
que los chatbots supuestamente habı́an salido del control humano y habı́an desarrollado la capacidad de
comunicarse entre sı́. Sin embargo, posteriormente esto también fue desmentido, pues se argumentó que
en realidad Facebook no apagó las inteligencias artificiales, sino que simplemente las puso en pausa y
cambió los parámetros de los chatbots, desechando el experimento al final por no tener ningún interés
práctico o útil dentro de la investigación sobre IA.

7 IA debil vs IA fuerte
La principal diferencia entre la IA débil y la IA fuerte es su capacidad para realizar tareas más allá de
lo que se ha programado especı́ficamente. La IA débil está diseñada para realizar tareas especı́ficas y
predecibles, mientras que la IA fuerte tiene la capacidad de aprender y adaptarse a nuevas situaciones.
Además, la IA fuerte es capaz de razonar y tomar decisiones, mientras que la IA débil simplemente sigue
instrucciones.

La IA débil se utiliza en una variedad de aplicaciones en nuestra vida cotidiana, incluyendo sistemas
de recomendación en lı́nea, chatbots en sitios web y aplicaciones móviles, y reconocimiento de voz en
dispositivos móviles y hogares inteligentes. Estas aplicaciones de IA débil han mejorado la eficiencia y
la precisión de los procesos en una variedad de industrias.
La IA fuerte se está utilizando cada vez más en áreas como la robótica avanzada y los vehı́culos
autónomos. Estas tecnologı́as tienen el potencial de revolucionar la forma en que nos movemos y traba-
jamos. Por ejemplo, los vehı́culos autónomos podrı́an reducir significativamente la cantidad de accidentes
de tráfico causados por errores humanos.

Aunque la IA fuerte tiene el potencial de mejorar nuestra vida de muchas maneras, también existen
preocupaciones sobre su impacto en la sociedad. Una de las preocupaciones es que la IA fuerte podrı́a
reemplazar trabajos que antes eran realizados por humanos, lo que podrı́a tener un impacto negativo en
la economı́a y en la sociedad en general. También hay preocupaciones sobre la seguridad y privacidad,
ya que la IA fuerte podrı́a ser utilizada para realizar tareas ilegales o malintencionadas.

8 Areas de aplicacion
La inteligencia artificial (IA) se puede aplicar en muchos ámbitos de la sociedad, como:
Análisis de datos: La IA puede analizar grandes cantidades de datos para encontrar patrones ocultos
y predecir tendencias. Esto se utiliza en el marketing para segmentar clientes, en el análisis financiero
para detectar fraudes, y en la investigación cientı́fica.
Reconocimiento facial La IA se utiliza en teléfonos, ordenadores portátiles y PC para identificar a los
usuarios y proporcionar un acceso seguro. Chatbots. Los chatbots pueden ayudar a los estudiantes a en-
contrar información, responder preguntas y orientar en temas académicos. También pueden automatizar

4
tareas administrativas como el registro de estudiantes y la gestión de horarios.
Robótica La IA se utiliza para construir robots inteligentes que pueden realizar tareas repetitivas
y de optimización de procesos. Procesamiento de lenguaje natural. La IA puede ver, comprender y
traducir lenguaje hablado y escrito. La IA también se aplica en las compras por internet, la publicidad,
la traducción automática, las casas inteligentes, los vehı́culos y la agricultura.
Por mencionar algunos ejemplos, sin embargo actualmente la IA tiene un sin fin de aplicaciones en
todos los ambitos.

9 Enfoques principales
La Inteligencia Artificial (IA) deriva en una serie de modelos o ramas que se pueden emplear en diferentes
ámbitos de la vida de las personas ası́ como en el mundo profesional para automatizar procesos que,
realizados de manera tradicional, pueden resultar poco productivos, ineficientes, lentos o costosos.

Machine Learning: Se encuentra enfocada en el desarrollo de algoritmos que permiten a los sis-
temas informáticos aprender de los datos que se han ido proporcionando anteriormente. Podemos obser-
var diferentes tipos de aprendizaje automático.
• Aprendizaje supervisado
• Aprendizaje no supervisado
• Aprendizaje por refuerzo
• Redes neuronales

Procesamiento del lenguaje natural: Es la rama de la Inteligencia Artificial que se ocupa del
desarrollo de algoritmos y técnicas que permiten a los sistemas informáticos comprender, interpretar
y generar lenguaje humano natural. Combina lingüı́stica computacional, la cuál se ocupa de desarrol-
lar formalismos que describen las reglas del lenguaje humano para que puedan ser adaptadas por un
ordenador, con modelos de aprendizaje profundo.
• Asistentes Virtuales.
• Traduccion automatica.
• Generacion de texto.
• Clasificacion categorica.

Vision Artificial: Es una Inteligencia Artificial que pretende emular el modo de funcionar de la
visión humana. La IA permite dotar a los sistemas informáticos de lı́neas de pensamiento y la visión
artificial les brinda capacidad de observación y de comprensión ante lo que están viendo. Existen distintos
tipos de visión artificial que se utilizan para problemas diferentes, veámos cuáles son:
• Detecccion de objetos
• Seguimiento de objetos.
• Reconocimiento.
• Clasificacion.

Robotica:Rama de la Inteligencia Artificial que se ocupa de la creación de robots y sistemas autónomos

que pueden realizar tareas de manera independiente. Existen varios tipos de robótica artificial que ver-
emos a continuación:
• Robotica Autonoma.
• Robotica Colaborativa.

5
 • Robotica Industrial.
• Robotica de exploracion.

Sistemas Expertos:Son programas de ordenadores que utilizan conocimientos y reglas especı́ficas

para realizar tareas concretas, como la toma de decisiones. Resuelven problemas en un dominio especı́fico.
Los tipos de sistemas expertos que existen son:
• Basados en casos.

• Basado en redes neuronales.

• Basado en logica difusa
• Basado en algoritmos geneticos.
• Basado en agentes inteligentes.

10 Principales frameworks
Los frameworks son conjuntos de herramientas que permiten acelerar el trabajo, simplificar procesos
complejos y reutilizar componentes geniales una y otra vez. Además puedes usarlos con el lenguaje de
programación que más te guste.

TensorFlow y PyTorch son las estrellas principales cuando se trata de desarrollar modelos de apren-
dizaje automático. TensorFlow con su robustez, es una elección popular entre los desarrolladores debido
a su amplio ecosistema de herramientas y su capacidad para manejar tareas complejas de manera efi-
ciente. Por otro lado, Pytorcho se destaca por su elegancia y flexibilidad, ofreciendo una experiencia de
desarrollo más intuitiva y cercana a Python, lo que facilita la experimentación y la iteración rápida en
el proceso de creación de modelos.
Scikit-Learn, Keras y Caffe te brindan APIs súper prácticas para que puedas empezar a construir
tus aplicaciones sin tener que empezar desde cero. Son perfectos para una variedad de proyectos, desde
pequeños prototipos hasta desafiantes tareas de aprendizaje profundo.
LangChain: Utiliza modelos de lenguaje grandes (LLM). Se integra perfectamente con una variedad
de herramientas, incluyendo OpenAI y Hugging Face Transformers.
Hugging Face: Este framework es genial ¿sabı́as que se especializa en herramientas de IA super fáciles
de usar? Su famosa biblioteca Transformers es todo un éxito. ¿Lo mejor? Ofrecen herramientas para
tareas avanzadas de aprendizaje automático y versiones compatibles con la web.
IBM Watson: Es como tener un conjunto completo de servicios de inteligencia artificial y aprendizaje
automático de IBM a tu disposición. Te brinda todas las herramientas que necesitas para crear e
implementar aplicaciones impulsadas por IA. Respaldadas por la experiencia de IBM.
Microsoft Cognitive Toolkit (CNTK): Es un marco gratuito y de código abierto de Microsoft que se
destaca por su eficiencia, especialmente cuando se trata de sistemas multi-GPU. Es perfecto tanto para
proyectos de investigación como para producción.
XGBoost y LightGBM : Estas bibliotecas son imprescindibles para aquellos que trabajan con modelos
de boosting de árboles, ya que ofrecen un rendimiento excepcional y una amplia gama de funciones
avanzadas.

11 Comentarios
La idea de la Inteligencia ha estado presente desde hace mucho tiempo, el proporcionarle inteligencia a
las maquinas para resolver problemas, optimizar procesos o simplemente realizar tareas tediosas para los
humanos se ha vuelto la principal aplicacion de lo que es la IA. Resulta interesante como tiene diversas
ramas de desarrollo como de aplicaciones. Convergen diversas disciplinas para dar ”vida” a una maquina
desde el pensamiento basico de clasificacion como lo es el uso de sistemas neurodifusos, hasta darle
sentidos a una maquina como lo es la vision artifical.
Es importante tomar en cuenta que con el constante desarrollo de la IA tambien existan malos usos,
sin embargo esta responsabilidad cae en nosotros pues a dia de hoy la IA es una herramienta que de darle

6
un mal uso puede perjudicar demasiado. Y por justa razon no consideraria a la IA como una amenaza
de pelicula de ciencia ficcion, sino a las personas que la utilicen paa perjudicar a otros.

12 Fuentes
References
[1] E. de la Torre and M. C. Romero, ”Historia de la Inteligencia Artificial,” Universidad Carlos III
de Madrid. [En lı́nea]. Disponible en: https://ocw.uc3m.es/pluginfile.php/2573/mod_page/
content/16/1_historia_inteligencia_artificial.pdf. [Accedido: 02-oct-2024].
[2] Iberdrola, ”Historia de la Inteligencia Artificial: desde sus orı́genes hasta la actualidad,” [En lı́nea].
Disponible en: https://www.iberdrola.com/innovacion/historia-inteligencia-artificial.
[Accedido: 02-oct-2024].

[3] A. R. Dı́az, ”Inteligencia Artificial: Estado del arte y su futuro,” Redalyc, 2017. [En lı́nea]. Disponible
en: https://www.redalyc.org/pdf/5217/521752338014.pdf. [Accedido: 02-oct-2024].
[4] C. Malagón, ”Introducción a la Inteligencia Artificial,” Universidad Nebrija. [En lı́nea]. Disponible
en: https://www.nebrija.es/~cmalagon/ia/transparencias/introduccion_IA.pdf. [Accedido:
02-oct-2024].

[5] A. G. Góngora, ”La Inteligencia Artificial y su impacto en la sociedad,” UNAM. [En

lı́nea]. Disponible en: http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.
52.100/219/A7.pdf. [Accedido: 02-oct-2024].
[6] Ing. Pierre P. Loncan. ”Inteligencia Artificial”, ”Sesion 14- Estructura de la informacion”. [En linea].
Disponible en: https://cursa.ihmc.us/rid=1201385077671_1590506156_7659/Inteligencia.
[Accedido: 02-oct-2024].
[7] Gamco Team. ”Principales ramas de la inteligencia Artificial” Gamco. [En linea]. Disponible en:
https://gamco.es/principales-ramas-inteligencia-artificial/. [Accedido: 02-oct-2024].
[8] Cerpa team. ”Diferencias entre la IA Debil y la IA Fuerte” Cerpa. [En linea]. Disponible
en: https://cerpawebdesigns.com/diferencias-entre-la-ia-debil-y-la-ia-fuerte/#:~:
text=La%20IA%20d%C3%A9bil%20est%C3%A1%20dise%C3%B1ada,y%20adaptarse%20a%20nuevas%
20situaciones.. [Accedido: 02-oct-2024]