ºº

Integrantes
• Regis Cevallos (coordinador de grupo)
Carpeta y juego lúdico
• Cabrera Castro
Diapositivas
• Beltrán Gonzales
Expositor
• Tingo Atupaña
Expositor
• Jaime Anastasio
Carpeta y diapositivas
• Paucar cordero
Juego Lúdico
 ¿Qué es?
La inteligencia artificial es, en las ciencias de la computación, la disciplina que intenta replicar y desarrollar la
inteligencia y sus procesos implícitos a través de computadoras. No existe definición completa de inteligencia
artificial, pero se han seguido cuatro enfoques: dos centrados en los humanos (sistemas que piensan como
humanos, y sistemas que actúan como humanos) y dos centrados en torno a la racionalidad (sistemas que
piensan racionalmente y sistemas que actúan racionalmente).

La inteligencia artificial abarca en la actualidad una gran variedad de subcampos, que van desde áreas de
propósito general, como el aprendizaje y la percepción, a otras más específicas como el juego de ajedrez, la
demostración de teoremas matemáticos, la escritura de poesía y el diagnóstico de enfermedades. La Inteligencia
Artificial sintetiza y automatiza tareas que en principio son intelectuales y es, por lo tanto, potencialmente
relevante para cualquier ámbito de la actividad intelectual humana. En este sentido, es un campo genuinamente
universal.
 Desde al menos el siglo I a.C., los
humanos se han planteado la
posibilidad de crear máquinas que
imiten al cerebro humano. Ya en la
época moderna, John McCarthy
acuñó el término «inteligencia
artificial» en 1955. En 1956,
McCarthy y algunos otros
organizaron una conferencia
denominada «Dartmouth Summer
Research Project on Artificial
Intelligence».

Este encuentro dio lugar a la creación del aprendizaje automático, el aprendizaje profundo, el análisis predictivo y,
ahora, el análisis prescriptivo. También dio lugar a un campo de estudio totalmente nuevo: la ciencia de los datos. los
primeros referentes históricos se remontan a los años 30 con Alan Turing, considerado padre de la inteligencia
artificial, se considera que el punto de partida es el año 1950, precisamente, cuando Turing publica un artículo con el
título «Computing machinery and intelligence» en la revista Mind, donde se hacía la pregunta: ¿pueden las máquinas
pensar? y proponía un método para determinar si una máquina puede pensar. Los fundamentos teóricos de la IA se
encuentran en el experimento que propone en dicho artículo y que pasó a denominarse Test de Turing, y mediante
cuya superación por una máquina se podía considerar que sería capaz de pasar por un humano en una charla ciega.

numerosos investigadores e
historiadores consideran que el punto
de partida de la moderna inteligencia
artificial fue el año 1956, cuando los
padres de la inteligencia artificial
moderna, John McCarty, Marvin
Misky y Claude Shannon acuñaron
formalmente el término durante la
conferencia de Darmouth, como: «la
ciencia e ingenio de hacer máquinas
inteligentes, especialmente
programas de cálculo inteligente». La
conferencia fue financiada por la
Fundación Rockefeller y se llamó
Dartmouth Summer Research Project
on Artificial Intelligence.
Los últimos cinco años han sido la expansión de la inteligencia artificial (IA) en sectores donde
hasta estas fechas no llegaba. Yoshua Bengio -uno de los investigadores más prestigiosos del
mundo en el campo de la inteligencia artificial- en su artículo de Aprendizaje Profundo
publicado en la revista Scientific American, da como fecha de partida de la explosión de la IA
el año 2012, donde se presentaron los primeros productos comerciales que entendían el
habla -como el caso de Google Now- y posteriormente aplicaciones que permitían identificar
el contenido de una imagen, como hoy incorpora Google Photos.
Hoy en día, la cantidad de datos que se genera, tanto por parte de
los humanos como por parte de las máquinas, supera en gran
medida la capacidad que tienen las personas de absorber,
interpretar y tomar decisiones complejas basadas en esos datos. La
inteligencia artificial supone la base de todo el aprendizaje
automático y el futuro de todos los procesos complejos de toma de
decisiones. Por ejemplo, la mayoría de los humanos pueden
averiguar cómo no perder cuando juegan al tres en raya, aunque
haya 255 168 movimientos únicos, de los cuales 46 080 terminan
en tablas. Muchos menos podrían llegar a ser grandes maestros de
las damas, con más de 500 x 1018 o 500 trillones de posibles
movimientos diferentes. Los ordenadores son extremadamente
eficientes a la hora de calcular estas combinaciones y
permutaciones para llegar a la mejor decisión. La IA (y su evolución
lógica del aprendizaje automático) y el aprendizaje profundo
constituyen los cimientos del futuro en la toma de decisiones
empresariales

La IA se aplica en nuestro día a día, como en los servicios financieros, la detección de fraude, las
predicciones de compras en comercios y en las interacciones de asistencia al cliente en línea. Estos son
algunos ejemplos:

Detección del fraude. El sector de servicios financieros utiliza la inteligencia artificial de dos formas
diferentes. La clasificación inicial de aplicaciones de crédito utiliza la IA para saber cuál es la capacidad
crediticia. Para supervisar y detectar las transacciones de tarjeta fraudulentas al realizar los pagos en
tiempo real se necesitan motores de IA más avanzados.

Ayuda virtual para clientes (VCA). Los centros de llamadas usan VCA para predecir y responder a las
consultas de los clientes sin interacción humana. El reconocimiento de voz, junto con un diálogo humano
simulado, es el primer punto de interacción en una consulta al servicio al cliente. En las consultas de
mayor dificultad se redirigen a una persona con la que se pueda interactuar directamente.

Cuando una persona inicia un diálogo en una página web mediante un chat (bot conversacional), la
interacción se realiza a menudo con un ordenador que ejecuta un sistema de IA especializado. Si se llega
a un punto en el que el bot conversacional no puede interpretar o abordar la pregunta, interviene una
persona que se comunicará directamente con ella. Estas instancias no interpretativas alimentan un
sistema de computación de aprendizaje automático que mejora la aplicación de la IA en las interacciones
futuras.

NetApp y la inteligencia artificial

NetApp es el referente en materia de datos para el cloud híbrido y, como tal, conoce el valor que tiene el
acceso a los datos, su gestión y control. Data Fabric de NetApp® proporciona un entorno de gestión de
datos unificado que abarca todo tipo de dispositivos periféricos, centros de datos y varios clouds de
hiperescala. Data Fabric permite que organizaciones de todos los tamaños tengan la capacidad de
acelerar aplicaciones críticas, obtener visibilidad de datos, optimizar la protección de los datos y
aumentar la agilidad operativa.
Básicamente, para crear una inteligencia artificial solo es necesario disponer de una máquina/ordenador capaz
de realizar cálculos y ejecutar los modelos o maquetas de forma continua.

Puede hacerlo en un servidor local o en la nube. Pero cuantos menos recursos y menos capacidad de
almacenamiento, más tiempo llevará crearlo. Y cuantos más recursos, menos tiempo.

Formas de entrenar la inteligencia artificial

El aprendizaje de una inteligencia artificial se da de manera similar al ser humano. Por lo tanto, además de
aprender a través de los cálculos, también aprende a través de la información y los datos que le brindan quienes
la están capacitando. Y también a través de la interacción con los usuarios.

La forma en que se entrena depende de la forma en que se construye el algoritmo; y puede ser de tres tipos.

supervisado: En este caso, la persona que está entrenando le dice a la IA qué respuesta quiere que dé. Por
ejemplo, le muestra la imagen de un gato y, a través de algún código, le pasa el siguiente mensaje: “Quiero que
digas que esto es un gato”.

Luego muestra la imagen de un perro y dice "Quiero que digas que esto es un perro". Lo hace con varias y varias
imágenes y al mostrar una imagen de un gato que no se utilizó en el entrenamiento, la IA podrá decir que es un
gato.

semi-supervisado: en este modo, la persona que está entrenando, por ejemplo, toma unas muestras y le
informa a la IA que son gatos, toma otras y le informa que son perros, y toma otras y no dice nada. Y la IA, a
partir de las muestras de perros y gatos, hace la clasificación de los que no han sido identificados.

sin supervisión: En este caso, la persona no dice ninguna respuesta y las hojas de la IA para responder por sí
mismo. Por ejemplo, los espectáculos persona varias imágenes de gato y perro juntos mixta y la propia AI
identificarán patrones y crear formas de diferenciar una cosa de la otra - sin que nadie tenga que decir que son
gatos y perros que son.
Hay muchos tipos de inteligencia artificial con diferentes capacidades, depende del algoritmo utilizado.

Algunos usan algoritmos extremadamente específicos, como el procesamiento del lenguaje natural (NLP) y la visión
por computadora. Pero en su mayor parte se basan en máquinas y técnicas de aprendizaje profundo.

Aprendizaje automático

Las inteligencias basadas en máquina de aprendizaje, o aprendizaje automático, utilizan redes neuronales, sistemas
informáticos con nodos interconectados que actúan como neuronas humanas.

Por lo tanto, pueden modificar su comportamiento de forma autónoma, a partir de su propia experiencia, derivada
de la formación que mencionamos anteriormente y de la interacción con los datos y la información proporcionada
por el usuario de la tecnología, el llamado análisis de navegación.

Son un poco más simples en comparación con los que se basan en el aprendizaje profundo, ya que procesan los datos
a una velocidad más lenta y, por lo tanto, trabajan con capacidades menos especializadas.

Aprendizaje profundo

Las inteligencias basadas en el aprendizaje profundo, o aprendizaje profundo, utilizan grandes redes neuronales con
varias capas de procesamiento, o capas de aprendizaje, para que puedan aprender patrones más complejos y son
capaces de procesar un cantidad mucho mayor de datos En menos tiempo.

Por lo general, se utilizan para funciones más especializadas, como el procesamiento de audio e imágenes.

Procesamiento del lenguaje natural (PNL)

Por otro lado, el procesamiento del lenguaje natural (NLP), como decíamos, es un tipo de inteligencia artificial
extremadamente especializada que utiliza algoritmos únicos para entender y simular el lenguaje humano.

Es decir, permite que una tecnología comprenda lo que dice o escribe un ser humano y formular respuestas
comprensibles utilizando también el lenguaje humano. Ejemplos bien conocidos del uso de la PNL en nuestra vida
diaria son los asistentes virtuales y los chatbots.

Visión por computador

La visión artificial, a su vez, es una rama de la inteligencia artificial que estudia y desarrolla el procesamiento de
imágenes por máquinas, otorgándoles la capacidad de interpretar la información visual, es decir, de ver. Y desde ese
inicio manda.

A diferencia de la PNL, la visión artificial no trata de imitar la visión humana, sino de ir más allá. Por lo tanto, se
considera más poderosa y asertiva que la propia capacidad visual humana.

Este tipo de IA se utiliza para reconocimiento de imagen y faciales. En la industria se trabaja en la identificación de
etiquetas, códigos, etc., inspección y prevención de problemas en máquinas; en los coches autónomos, sirve para
comprobar las señales; Somos nosotros sistemas de búsqueda, permite buscar por imagen.
Sistemas que piensan como humanos. - Estos sistemas tratan de emular el pensamiento

humano; por ejemplo, las redes neuronales artificiales. La automatización de actividades que

vinculamos con procesos de pensamiento humano, actividades como la toma de

decisiones, resolución de problemas y aprendizaje.

Sistemas que actúan como humanos. - Estos sistemas tratan de actuar como humanos; es

decir, imitan el comportamiento humano; por ejemplo, la robótica (El estudio de cómo lograr

que los computadores realicen tareas que, por el momento, los humanos hacen mejor).

Sistemas que piensan racionalmente. - Es decir, con lógica (idealmente), tratan de imitar el

pensamiento racional del ser humano; por ejemplo, los sistemas expertos, (el estudio de

los cálculos que hacen posible percibir, razonar y actuar).

Sistemas que actúan racionalmente. - Tratan de emular de forma racional el comportamiento

humano; por ejemplo, los agentes inteligentes, que está relacionado con conductas inteligentes

en artefactos .
 Objetivos de la Inteligencia Artificial:

Razonamiento y resolución de problemas

Representación del conocimiento

Planificación

Aprendizaje

Procesamiento de lenguajes naturales

Percepción