La IA es una rama de la informática que se centra en la creación

de sistemas capaces de realizar tareas que normalmente

requieren inteligencia humana, como el reconocimiento de
patrones, la toma de decisiones y el aprendizaje automático.

Su OBJETIVO es desarrollar sistemas que simulen capacidades

cognitivas humanas, incluyendo razonamiento, planificación,
aprendizaje y procesamiento del lenguaje natural.

(García Serrano, 2012)

 HISTORIA DE LA IA
•1980s: Redes Neuronales y Sistemas Expertos
•1950s: Nacimiento de la IA •1986: Surge el Deep Learning con redes neuronales
•1950: Alan Turing propone el "Test de Turing". multicapa.
•1956: Dartmouth Conference, el término "IA" •1987: Popularización de lenguajes como LISP y Prolog.
es acuñado. •1990s: Expansión y Logros
•1960s: Primeros Modelos •1997: Deep Blue vence a Garry Kasparov en ajedrez.
•1961: IBM crea el primer robot industrial, •2000s: IA en la Vida Cotidiana
Unimate. •2004: DARPA organiza la primera competencia de
•1966: Se desarrolla Shakey, el primer robot vehículos autónomos.
móvil. •2010s: IA Revoluciona la Sociedad
•1970s: Dificultades y Retrocesos •2016: AlphaGo de DeepMind vence al campeón de Go,
•1973: Reporte Lighthill reduce fondos para la Lee Sedol.
investigación en IA. •2020s: IA Avanza y Crece la Ética
•1979: Creación del primer vehículo autónomo, •2020: OpenAI lanza GPT-3, modelo avanzado de
Stanford Cart. lenguaje natural.
HISTORIA DE LA IA
DATOS: IA en todas partes
Publicaciones relacionadas con IA
PRINCIPALES ENFOQUES DE LA IA

Aprendizaje Automático (Machine Learning) IA Basada en Reglas (Simbólica o IA Clásica)

•Descripción: •Descripción:
Los sistemas aprenden automáticamente a Utiliza reglas predefinidas para tomar decisiones
partir de datos y mejoran su rendimiento sin o realizar tareas. Este enfoque se basa en la
estar explícitamente programados para cada manipulación de símbolos y la lógica formal.
tarea. •Aplicaciones:
•Aplicaciones: Sistemas expertos, procesamiento de lenguaje
Reconocimiento de patrones, basado en reglas, juegos de ajedrez (como los
recomendaciones en plataformas de streaming primeros programas de ajedrez).
(Netflix, Spotify), motores de búsqueda. •Ejemplo:
•Ejemplo: Primeros sistemas expertos, como MYCIN,
Algoritmos de clasificación y regresión como utilizado para diagnosticar enfermedades.
SVM, árboles de decisión y redes neuronales.
Aprendizaje Profundo (Deep Learning) IA Generativa

•Descripción: •Descripción:
Subcampo del aprendizaje automático que utiliza Modelos que pueden generar contenido nuevo,
redes neuronales profundas con múltiples capas como imágenes, texto o música, a partir de
para extraer patrones complejos de datos no patrones aprendidos de grandes conjuntos de
estructurados. datos.
•Aplicaciones: •Aplicaciones:
Reconocimiento de imágenes, procesamiento de Creación de arte digital, generación de texto (GPT-
lenguaje natural, vehículos autónomos. 3), deepfakes.
•Ejemplo: •Ejemplo:
Redes neuronales convolucionales (CNN) para Generative Adversarial Networks (GANs), utilizadas
reconocimiento de imágenes, como el modelo para crear imágenes realistas.
AlexNet.
Sistemas de IA Híbridos

•Descripción:
Combinan enfoques simbólicos y aprendizaje
automático para aprovechar las ventajas de ambos
enfoques.
•Aplicaciones:
Diagnóstico médico, sistemas de soporte a la toma de
decisiones.
•Ejemplo:
Watson de IBM, que utiliza tanto procesamiento
simbólico como aprendizaje automático.
TIPOS DE IA
IA Débil (Artificial Narrow Intelligence, ANI)

•Descripción:
La IA débil o ANI está diseñada para realizar tareas específicas y limitadas. No tiene
consciencia ni comprensión más allá de la tarea asignada. No puede realizar funciones fuera
de su programación.

•Características:
•Opera bajo un conjunto de reglas predefinidas.
•No puede "aprender" fuera de los parámetros para los que fuera su programación.

•Aplicaciones:
Asistentes virtuales (Siri, Alexa), motores de búsqueda, reconocimiento facial, chatbots.

•Ejemplo:
Los algoritmos de recomendación en plataformas como Netflix o YouTube son ejemplos de IA
débil que solo pueden sugerir contenido en función de los patrones de uso de los usuarios.
•Asistentes virtuales como Siri, Alexa, o los sistemas de reconocimiento facial
IA Fuerte (Artificial General Intelligence, AGI)

•Descripción:
Se refiere a un sistema que tiene la capacidad de realizar cualquier tarea cognitiva humana. En teoría,
una AGI podría razonar, aprender, planificar y comunicarse como un ser humano. Sin embargo, la AGI
es un objetivo aún no alcanzado.

•Características:
• Capaz de aprender de manera autónoma y realizar múltiples tareas.
• No se limita a tareas específicas; puede adaptarse a contextos nuevos sin reprogramación.
• Puede realizar tareas complejas sin programación específica para cada una.

•Estado actual:
Aún no existe un sistema AGI plenamente desarrollado. La mayoría de los sistemas actuales son ANI.

•Ejemplo
•Máquinas que puedan aprender un idioma o adquirir habilidades como lo haría un ser humano.
IA Superinteligente (Artificial Superintelligence, ASI)

•Descripción:
Es una inteligencia teórica que supera la capacidad intelectual de los humanos en todos los aspectos. Sería
más inteligente que el ser humano no solo en conocimientos técnicos, sino también en habilidades sociales,
creatividad y toma de decisiones.

•Características:Tiene capacidad para automejorarse a un ritmo más rápido que los humanos.
•Potencialmente puede resolver problemas que están fuera del alcance de la comprensión humana.

•Implicaciones:
La ASI plantea importantes cuestiones éticas y de seguridad, ya que su desarrollo podría implicar riesgos si
no se gestiona adecuadamente.

•Ejemplo:
Hoy en día, la ASI es puramente especulativa y no ha sido alcanzada. Sin embargo, su potencial ha
generado debates entre expertos en ética y tecnología, como el dilema de control sobre la inteligencia
superhumana.
•IA que pueda abordar y resolver problemas globales complejos como el cambio climático o la búsqueda de
curas para enfermedades incurables.
Actúa como docente de Marketing Digital. Redacta una actividad dirigida a estudiantes universitarios para
que creen una infografía acerca de social media marketing. la actividad debe contener una rúbrica de
evaluación considerando una calificación de 20 puntos . Presentar la rúbrica en forma de tabla.

Actúa como docente universitario experto en derechos humanos, y redacta las instrucciones dirigidas al
estudiante para que desarrollen una actividad grupal acerca del tema de "rotación de personal". La actividad
es grupal y tiene como objetivo que los estudiantes realicen una investigación, recopilen los sitios
investigados y como resultado de la actividad deben grabar un video o podcast presentando el tema en un
tiempo máximo de 5 minutos. Define los criterios de evaluación . Utiliza una temperatura de 0,50.
Estoy interesada en crear un mapa mental de "las competencias docentes "necesarias para innovación educativa. Actúa
como experto en pedagogía e innovación educativa. General un mapa mental con las "competencias docentes del
docente innovador ". Genera el mapa en el formato DOT de 3 niveles .

Genera un mapa mental de la "clasificación de necesidades educativas especiales asociadas y no asociadas a al

discapacidad". Generar CODIGO dot con 4 niveles

[Link]

estoy interesada en crear un mapa mental con las competencias docentes necesarias para
innovación educativa. Actúa como experto en pedagogía e innovación educativa. General un mapa
mental con las competencias docentes del docente innovador . Genera el mapa en el formato
Markdowm incluyendo la salida en "...". utiliza tono profesional y educativo.

[Link]

[Link]
HERRAMIENTAS DE IA
Leonardo ai.
• [Link]
=%28jobId%3AZAtszzj0LF0OuFOsn2f3%29

• Bing ai
Sugerencias

[Link]
presentaciones

[Link]

[Link] Video
[Link]
[Link]
epage
[Link]