¿Qué es la IA?

Hoy en día podemos definir el concepto de la Inteligencia Artificial de forma

simple y concreta como “la combinación de algoritmos planteados con el
propósito de crear máquinas que presenten las mismas capacidades del ser
humano” (Stuart & Peter, 2018) esta tecnología se consolida gracias a dos
grandes aportes : el primero lo representan los desarrollos tecnológicos y
científicos actuales como el computador, las redes e internet. El segundo es el
aporte de un sinnúmero de conocimientos interdisciplinarios entre los que
destacan a las matemáticas, la filosofía, la psicología y por supuesto, la
computación e informática.
Otra definición que podemos encontrar, está referida “al modo de simular las
capacidades de la inteligencia del cerebro humano”, esta definición sostiene
que al hablar de IA debemos también pensar en aquello que nos hace posible
interactuar y aprender; por ello, sus aplicaciones pueden contribuir en gran
medida a la educación (Ocaña-Fernández, Valenzuela-Fernández y Garro-
Aburto, 2019).

Historia
Para hablar de los inicios de la IA es necesario citar a Alan Turing, quien fue la
primera persona que cuestionó si las computadoras podían pensar como los
seres humanos en su artículo Computing Machinery and Intelligence (1950), en
él introduce la llamada “prueba de Turing” para determinar si una máquina era
realmente inteligente. Posteriormente, en 1987 Martin Fischles y Oscar
Firschein definen cuáles deben ser los atributos de un “agente inteligente”,
entre los cuales destacan:
 Tiene actitudes mentales tales como creencias e intenciones. Puede percibir y
modelar el mundo exterior.
 Tiene la capacidad de obtener conocimiento, es decir, aprender. Puede
entender y utilizar el lenguaje y sus símbolos.
 Puede resolver problemas, incluso descomponiendo problemas complejos en
otros más simples. Además es capaz de realizar operaciones más complejas.
 Entiende. Posee la capacidad de dar sentido, sí es posible, a ideas ambiguas o
contradictorias.Conoce los límites de sus propias habilidades y conocimientos.
 Planifica, predice consecuencias, evalúa alternativas (como en los juegos de
ajedrez). Puede ser original, creando incluso nuevos conceptos o ideas, y hasta
utilizando analogías.
 Puede distinguir a pesar de la similitud de las situaciones.Puede generalizar.
En los 90`s se inicia la construcción de agentes inteligentes, como las
supercomputadoras, con un poder de procesamiento que permitió desarrollar la
IA tal cual la conocemos hoy. El caso más conocido es el de Deep Blue una
supercomputadora creada por IBM que le ganó una partida de ajedrez al
campeón mundial de la época Gary Kaspárov en mayo de 1997. Podemos citar
también a WATSON el superordenador que ganó el concurso de preguntas y
respuestas de la cadena norteamericana ABC.
Isaac Asimov (el primero en plantear el término robótica) planteó las famosas
tres leyes de la robótica que nos acercaron a pensar el problema ético que nos
trae el desarrollo de una inteligencia artificial, estas leyes son:
 No causar daño: “Un robot no puede dañar a un ser humano ni, por inacción,
permitir que un ser humano sufra daño”.
 Cumplir las órdenes: “Un robot debe cumplir las órdenes de los seres humanos,
excepto si dichas órdenes entran en conflicto con la Primera Ley”.
 Proteger la propia existencia: “Un robot debe proteger su propia existencia en
la medida en que ello no entre en conflicto con la Primera o Segunda Ley”.
La coyuntura provocada por el uso ètico de la IA ha dado pie a muchas
propuestas para delimitar su uso o aplicación, entre ellas la generación de
Directrices éticas que nos ayudan a comprender la relevancia de ser atendido
no solo por el área de tecnología sino por las ciencias sociales y humanidades.
Se han establecido también categorías que permiten agrupar todos estos
desarrollos de acuerdo a su propòsito:
Nivel 1: Revolucionaria: Representada por los desarrollos de grandes
empresas como Google o Hanson Robotics que buscan mejorar las
condiciones de vida tanto en lo cotidiano como en el hogar, autos,
alimentación, salud.
Nivel 2: Ampliación: Cuyo objetivo es impulsar la producción a escala, la
comunicación, el mercado cotidiano y el análisis de riesgos en la bolsa de
valores.Ejemplo: el sistema de aprendizaje automático de Amazon.
Nivel 3: Comunicación. Dedicada a desarrollar los procesos básicos de
interacción que buscan responder las respuestas probables que puedan
satisfacer las necesidades de los usuarios. Ejemplo de ello son las plataformas
de comprensión del lenguaje natural como Dialogflow o Botmake.io.

Aplicaciones de la IA en la actualidad
En la actualidad la IA está presente en muchas de las actividades que
realizamos, podemos citar ejemplos como los motores de búsqueda
(jerárquicos, metabuscadores, verticales o especializados) que utilizamos para
la investigación a través de la Web. El software de reconocimiento facial que
utilizan los móviles o las redes sociales para identificar personas está basado
también en el desarrollo de esta tecnología. Los servicios de correos
electrónicos utilizan algoritmos para reconocer aquellos que son “Spam”
y derivarlos a la carpeta de correos no deseados. Las sugerencias de
reproducción de videos o de películas en algunos servicios de Streaming,
basados también en el uso de IA. Los asistentes en la creación de documentos
de texto. Los chatbots con los cuales interactuamos para solicitar ayuda o
hacer consultas que son muy utilizados en la actualidad por las empresas como
paso previo a la atención con una operadora para agilizar los tiempos de
respuesta.

Términos relacionados a la Inteligencia Artificial que se

deben conocer:
Aprendizaje automático:
El Aprendizaje automático o Machine Learning es un desarrollo que permite a
un ordenador aprender sin ser expresamente programado. Muchos científicos
consideran que esta tecnología ha progresado gracias al uso de algoritmos de
aprendizaje llamados redes neuronales, que imitan a nuestro cerebro. En la
actualidad los avances en el conocimiento del funcionamiento de nuestro
cerebro (Neurociencia) han posibilitado el progreso significativo de este
desarrollo y la consolidación de la Inteligencia Artificial.

Aprendizaje profundo (Deep Learning):

Ésta es una sub-categoría del aprendizaje automático permite que una
máquina identifique de manera autónoma conceptos complejos tales como
rostros, cuerpos humanos o cualquier tipo de imágenes, comparando entre
millones de iconografías extraídas de Internet. Esta tecnología surge de la
combinación de un intrincado conjunto de algoritmos de aprendizaje automático
con las redes neuronales formales y con el uso de los macrodatos, el
aprendizaje profundo permitió el avance acelerado de la inteligencia artificial.

IA Débil/IA Fuerte:
La IA débil simula la capacidad del ser humano para conocer por medio de la
percepción y el procesamiento de la información en el cerebro y es de gran
provecho para la sociedad, pues nos permite automatizar actividades en las
cuales se debe invertir mucho tiempo o simplemente ningún ser humano por sí
sólo puede ejecutar. La IA hasta el momento no es real, es ficción, hace
referencia a la capacidad de solucionar cualquier tipo de problema a través de
un proceso totalmente autónomo a cargo de las computadoras sin la
participación de humanos impartiendo órdenes.

Redes Neuronales:
Las redes neuronales son construcciones matemáticas que imitan la estructura
del cerebro humano para resumir información compleja en resultados simples y
tangibles. Al igual que entrenamos al cerebro humano para, por ejemplo,
aprender a controlar nuestros cuerpos para caminar, estas redes también
deben ser entrenadas con cantidades significativas de datos. Durante los
últimos cinco años, ha habido avances tremendos en la estratificación de estas
redes y la potencia informática disponible para entrenarlas.

Internet de las cosas

Desarrollo tecnológico innovador asociado al avance de las interconexiones en
el mundo (se asocia mucho a la tecnología 5G de conexión de computadoras)
según esto, los objetos que se usan a diario o los lugares del mundo físico
pueden estar conectados a Internet y ser reconocidos por otros objetos. Un
elemento conectado se encarga de recoger datos (de temperatura, velocidad,
humedad, etc.) mediante sensores y los envía, a través de Internet, para que
sean analizados por ordenadores que pueden determinar acciones a realizar
de manera autónoma o direccionada por el hombre.

Escritura asistida por IA

Hace referencia al uso de software de Inteligencia Artificial para predecir,
modificar o crear textos a partir de la información que les proporciona el
usuario. Algunas herramientas pueden crear nuevos cuerpos de texto, mientras
que otras pueden reformular textos existentes en el caso de las herramientas
de IA para paráfrasis.

Algoritmo
Conjunto de instrucciones o cálculos que sigue una máquina para aprender a
realizar una tarea determinada.

Chatbots (o bots)
Es una aplicación diseñada para interactuar con usuarios humanos para
resolver tareas simples por medio de la comunicación basada en comandos de
texto y voz que asemeja una conversación entre humanos.

ChatGPT
ChatGPT (abreviatura de Chat Generative Pre- Trained Transformer) es un
chatbot lanzado por la empresa OpenAI en noviembre de 2022. Se trata de un
Modelo Lingüístico de Gran Tamaño con técnicas de aprendizaje supervisadas
y de refuerzo. Esta aplicación puede producir un cuerpo de texto único a partir
de una entrada específica del usuario basada en contenido existente en
internet.

DALL-E
Lanzado por la empresa OpenAI en junio de 2021, es una aplicación de IA que
genera imágenes a partir de un texto y puede ser clasificada dentro de la IA
llamada Modelos de Difusión.

Big Data
La Big Data hace referencia a la tecnología que permite recolectar y preparar
grandes cantidades de datos producto de la interacción de los usuarios dentro
de las aplicaciones, redes sociales y otros objetos digitales presentes en la
web. En el ámbito educativo los datos se obtienen de la interacción de los
estudiantes dentro de la plataforma de aprendizaje.

Analìticas del Aprendizaje

Las Analíticas de Aprendizaje hacen referencia a las actividades de medición,
recopilación, análisis y presentación de los datos de los usuarios generados
dentro de alguna plataforma o aplicación. Una vez recogidos estos datos se
realiza la búsqueda de características o patrones de semejanza para identificar
los rasgos más resaltantes que permitan la toma de decisiones sobre dicha
información recolectada.

Bibliografía
Ceballos, F. (s. f.). Glosario de Inteligencia Artificial. Proyectoidis.org.
Recuperado 19 de marzo de 2023, de https://proyectoidis.org/glosario-de-
inteligencia-artificial/
García-Peña, V. R., Mora-Marcillo, A. B., & Ávila-Ramírez, J. A. (2020). La
inteligencia artificial en la educación. Dominio de las Ciencias, 6(3), 648-666.
https://doi.org/10.23857/dc.v6i3.1421
MiAulaTec. (2021, diciembre 20). Integración de los LMS, Big Data y Las Analíti