1
Inteligencia Artificial.
Instituto San José del Carmen
Sunny Reyes
Rocio Salgado
Sophia Vazquez
Raquel Delgado
Victoria Soto
Instituto Bilingüe no Gubernamental San José del Carmen
Decimo U Grado Sección U
Licenciada Naddia Vannesa
2
INDICE DE MARCO TEORICO
1.1 Inteligencia Artificial
1.1.1 Definicion
1.2 Componentes Fundamentales de la IA
1.2.1 Definicion
1.2.2 Tipos de Aprendizaje
1.3 Procesamiento de Lenguaje Natural (NLP)
1.3.1 Definicion
1.3.2 Aplicaciones
1.4 Principales Enfoques Teóricos en IA
1.4.1 Recolección de Datos
1.4.2 Análisis de Datos
3
Resumen
En esta investigación se discute y se indaga acerca de La inteligencia que se dedica a crear
sistemas capaces de realizar tareas que normalmente requieren inteligencia humana. Esto incluye
una variedad de capacidades como el aprendizaje, la percepción, el razonamiento y la
adaptación. La investigación en IA abarca una amplia gama de subcampos y técnicas que han
evolucionado significativamente desde sus inicios a mediados del siglo XX.
Desde los niveles más tempranos como lo es el nivel de los infantes hasta los más elevados
estándares del posgrado, uno de los mecanismos clave por los que la IA impactará en la
educación, será por medio de aplicaciones relacionadas al aprendizaje de tipo individualizado.
Dicho proceso no es nada novedoso ya que a nivel de las tecnologías de la información y
comunicación es el desarrollo y la implementación de simuladores y programas tutoriales,
además de diversos softwares de juegos interactivos desarrollados bajo una interfaz cada vez más
amigable con el usuario el norte que impulsa su desarrollo. Dichos implementos de sistemas
tratan de adaptarse las diversas necesidades de los estudiantes para lo cual el desarrollo de las
nuevas tecnologías hace más viables los propósitos.
4
Abstract
This research discusses and investigates the intelligence that is dedicated to creating systems
capable of performing tasks that normally require human intelligence. This includes a variety of
capabilities such as learning, perception, reasoning and adaptation. AI research encompasses a
wide range of subfields and techniques that have evolved significantly since its inception in the
mid-20th century.
From the earliest levels such as infants to the highest postgraduate standards, one of the key
mechanisms by which AI will impact education will be through applications related to
individualized learning. This process is nothing new since at the level of information and
communication technologies it is the development and implementation of simulators and tutorial
programs, in addition to various interactive game software developed under an increasingly user-
friendly interface. that drives its development. These system implements try to adapt to the
diverse needs of students, for which the development of new technologies makes the purposes
more viable.
5
MARCO TEORICO
1.1 Inteligencia Artificial
1.1.1 Definicion
La IA se define como la simulación de procesos de inteligencia humana por parte de
sistemas informáticos. Esto incluye la adquisición de información (el aprendizaje), el
razonamiento (usando reglas para llegar a conclusiones aproximadas o definitivas) y la
autocorrección
Según lo manifestado por Saavedra (2016) en la última década se patenta por un
sendero de enormes cambios, muchos de ellos imperceptibles directamente por las
mayorías; pero cuyo trasunto abarca y seguirá abarcando un sinfín de actividades ya
que:los adelantos tecnológicos no tienen precedentes en la historia, ya que han
impulsado la gestión del conocimiento a tiempo oportuno en los más altos niveles de la
toma de decisiones, no tan solo en el gobierno sino también en el sector privado
empresarial. La función de inteligencia como elemento de política pública a nivel
nacional y estratégico está experimentando cambios importantes dentro de la sociedad
global e interdependiente actual. (p. 79).
6
1.2 Componentes Fundamentales de la IA
1.2.1 Definicion
Definición: Técnica que permite a las máquinas aprender de los datos y mejorar con
la experiencia.
1.2.2 Tipos de Aprendizaje:
En el aprendizaje supervisado, los algoritmos usan datos que ya han sido
etiquetados u organizados previamente para indicar cómo tendría que ser
categorizada la nueva información. Con este método, se requiere la intervención
humana para proporcionar retroalimentación. Volviendo a nuestro ejemplo,
enseñaríamos previamente al algoritmo fotos donde apareciera un gato para que
luego pudiera identificar imágenes similares.
En el aprendizaje no supervisado, los algoritmos no usan ningún dato etiquetado u
organizado previamente para indicar cómo tendría que ser categorizada la nueva
información, sino que tienen que encontrar la manera de clasificarlas ellos mismos.
Por tanto, este método no requiere la intervención humana.4 En el ejemplo, los
algoritmos tendrían que clasificar ellos mismos todas las fotos en las que apareciera
un gato en una categoría.
Por último, con el aprendizaje por refuerzo, los algoritmos aprenden de la
experiencia. En otras palabras, tenemos que darles «un refuerzo positivo» cada vez
que a ciertan. La forma en que estos algoritmos aprenden se puede comparar con la
7
de los perros cuando les damos «recompensas» al aprender a sentarse, por
ejemplo.
1.3 Procesamiento de Lenguaje Natural (NLP)
1.3.1 Definicion
Definición: Tecnología que permite a las máquinas comprender, interpretar y generar
lenguaje humano.
La revolución en las diversas tecnologías en las últimas décadas ha generado una
serie de impactos importantes y de gran repercusión en lo que respecta a la
educación superior, ya que no solo ha permitido la generación de procedimientos
sustentados en los modernos procesos de gestión del conocimiento, sino que
además ha permitido la generación de novedosos entornos y planteado nuevas
modalidades en la formación (Gisbert y Esteve, 2016)
1.3.2 Aplicaciones
Aplicaciones: Incluyen traducción automática, chatbots y análisis de sentimientos
La inteligencia artificial (IA) está referida al modo de simular las capacidades de
inteligencia del cerebro humano. (Badaró, Ibañez, Agüero, 2013). También se
asumen que la IA es parte de las Ciencias de la Computación que se ocupa del
diseño de sistemas inteligentes, esto es sistemas que exhiben características que
asociamos con la inteligencia en las conductas humanas. Mariño y Primorac (2016)
ahondan un poco más en la cuestión al manifestar que la IA es concebida como
parte de las Ciencia de la Computación que permiten proporcionar "una diversidad
8
de métodos, técnicas y herramientas para modelizar y resolver problemas simulando
el proceder de los sujetos cognoscentes". (p. 232).
1.4 Principales Enfoques Teóricos en IA
1.4.1 Recoleccion de datos
En el mundo moderno, tenemos una gran cantidad de datos disponibles para su uso. Por el
contrario, hace treinta años, no había tanta información sobre atención médica, tráfico,
finanzas y otras industrias de importancia, por lo que era imposible encontrar soluciones
basadas en la inteligencia artificial para problemas básicos en esas áreas. Lógicamente, es de
suponer que las tecnologías que tenemos ahora serán aún más poderosas dentro de diez años,
a medida que haya mayor acceso a los datos. Un ejemplo de ello es el desarrollo que estamos
viendo en los vehículos autónomos y las ciudades inteligentes interconectadas. El componente
subyacente que hace que esto sea posible es el volumen de datos que pueden recopilarse y
analizarse para mejorar el rendimiento de los sistemas de IA.
1.4.2 Analisis de Datos
El análisis de datos se basa generalmente en dos tipos de información: datos estructurados y
datos no estructurados. Para comprender realmente los sistemas de inteligencia artificial, es
importante reconocer las diferencias entre estos dos tipos de datos. Tradicionalmente, los
datos estructurados se han utilizado con más frecuencia que los no estructurados. Los
primeros incluyen la introducción de información, como valores numéricos, fechas, monedas
o direcciones; los segundos contienen tipos de datos que son más complicados de analizar,
como textos, imágenes y vídeos. Sin embargo, el desarrollo de la inteligencia artificial ha
hecho
9
posible examinar más datos no estructurados y los resultados pueden utilizarse para hacer
recomendaciones y predicciones. a ejemplos de empresas tecnológicas estadounidenses, estos
pasos son también aplicables a otras compañías internacionales que dependen de la IA como
Alibaba, Baidu y Tencent. Los pasos son los siguientes:
1. Obtención de más datos: la idea clave en este paso es que las empresas tecnológicas puedan
crear servicios tan útiles que la gente esté dispuesta a permitir que sus datos sean utilizados
por el servicio. Un ejemplo de ello es el motor de búsqueda de Google, que abarca una gran
cantidad de datos. De igual manera, Facebook no sería una red social tan poderosa si no
tuviera acceso a la información sobre las tendencias sociales de sus usuarios.
2. Mejores productos basados en la IA: en empresas como Google y Facebook, la experiencia
de usuario se personaliza para que sea importante y relevanta para éste, lo que es posible
gracias a que la IA mejora sus productos.
3. Mayor número de usuarios: cuando una persona tiene una experiencia satisfactoria con un
producto o servicio, tiende a recomendarlo a sus amigos.
4. Mayores ingresos: un número mayor de usuarios casi siempre equivale a mayores ingresos.
5. Más expertos y científicos en IA: a medida que las empresas aumentan sus ingresos, están
más capacitadas para atraer a los mejores expertos y científicos.