5 )cual es la historia de la IA?

Se remonta a mediados del siglo XX, aunque sus raíces se pueden encontrar en la antigüedad:
 Daríamos Conference (1956) propuso en grupo de conferencia de científicos investigar como simular el
pensamiento humano a través de maquinas.
 Perceptrón (1958) el psicólogo Frank Rosenblatt desarrollo el perceptrón un modelo matemático que
puede aprender a reconocer patrones simples, sentó las bases para futuros avances en redes neuronales.
 Lógica simbólica y programación heuristica (1960) resolver problemas de IA como el razonamiento y la
planificación.
 Sistemas expertos (1970-1980) bases de conocimiento para imitar la toma de decisiones humanas en
campos específicos como la medicina y la ingeniería.
 Auge y la caída de la IA (1980) experimento un auge de interés y financiamiento, pero seguido de un
periodo de desilusión debido a las altas expectativas exageradas y los problemas no resuelto.
 Aprendizaje profundo y Big Data (2000- presente) con el aumento de la disponibilidad de los datos y
poder computacional, el aprendizaje profundo (deep learning) ha revolucionado la inteligencia artificial al permitir el
entrenamiento de redes neuronales profundas para tareas complejas como reconocimiento de imágenes y
procesamiento del lenguaje natural.

6)Cuales son los principales enfoques de la IA

 Lógica y razonamiento; uso de reglas lógicas para mejorar el razonamiento humano

 Aprendizaje automático (Machine Learning); aprender de datos y mejorar su rendimiento
 Redes neuronales artificiales; funcionamiento del cerebro humano y consiste en redes de nodos
interconectados que pueden aprender complejos o patrones a partir de datos.
 Procesamiento del lenguaje natural; se centra en la interacción entre las computadoras y el lenguaje
humano
 Visión por computadoras; en el análisis y procesamiento de imágenes y videos para reconocer objetos,
personas, escaneas y realizar otras tareas relacionadas con la percepción visual.
 Sistemas basados en reglas; utilizan reglas y bases de conocimiento predefinidas para tomar decisiones
y realizar tareas especificas.

7)Cual es la diferencia entre la inteligencia artificial débil y fuerte

La inteligencia débil carece de la capacidad de generalizar su conocimiento a otras áreas o de realizar tareas mas allá de
su ámbito especifico; en cuanto a la inteligencia fuerte son capaces de aprender, razonar, comprender el lenguaje
natural, adaptarse a nuevas situaciones y resolver problemas complejos de manera similar a los seres humanos. La
diferencia radica en el alcance y la autonoma de los sistemas, la débil se centra en tareas especificas mientras que la
fuerte aspira a replicar la inteligencia humana en múltiples áreas.

8)Los algoritmos de las IA son seguros

Podríamos argumentar con razón que pocas cosas, en este mundo, son realmente seguras y fiables. Nosotros mismos
somos vulnerables e imprevisibles, y todo lo que vemos, creamos y construimos está sujeto a multitud de
imponderables que pueden acabar descontrolando su comportamiento. Pero, en relación con los algoritmos de IA,
constatamos dos hechos: estos sistemas son mucho menos fiables de lo que nos explican, y tanto sus desarrolladores
como sus panegiristas y ensalzadores suelen tender a esconder fallos y errores, dando una visión sesgada de su grado de
fiabilidad. Porque el nivel de fallos y errores de los algoritmos y sistemas de inteligencia artificial es muy superior al de
los algoritmos clásicos, deterministas y no basados en Big Data, aquellos que nos ayudan en nuestros desplazamientos
(como el sistema GPS), los que calculan la cuenta de nuestra compra en el supermercado, o los que nos permiten
interaccionar durante las video llamadas.

9)¿EN QUÉ CASOS TIENE SENTIDO USAR TÉCNICAS BASADAS EN INTELIGENCIA ARTIFICIAL?

La Inteligencia Artificial puede ser una buena herramienta para el progreso social, pero existe un peligro real de uso
inapropiado, prematuro o malintencionado. Dado que no siempre es recomendable, es importante analizar su idoneidad
en distintos ámbitos.
En todo caso, habría que distinguir entre la IA basada en el conocimiento y la IA basada en datos. La IA basada en el
conocimiento, que se empezó a usar a finales de los setenta, intenta modelar el conocimiento humano en base al diseño
de reglas y algoritmos. En ella, los expertos diseñan las soluciones a partir del análisis de los problemas. La IA basada en
datos, en cambio, también conocida comúnmente como aprendizaje automático, trabaja de forma ascendente a partir
de grandes cantidades de datos y ha aparecido como una gran novedad ya entrado el siglo XXI. En este caso, podríamos
decir que los expertos van experimentando con distintos esquemas para ver si con alguno de ellos, una ingente cantidad
de datos les resuelve el problema.

10 ¿que papel juegan los algoritmos en la IA?

Son un conjunto de instrucciones y reglas que permiten a los sistemas de IA aprender, tomar desiciones y realizar tareas
especificas, son utilizados para procesar datos, identificar patrones, tomar desiciones mejorar su rendimiento a lo largo
del tiempo a traves del aprendizaje automatico.

11)Como se entrena a un sistema de IA

Alimentar con datos para que pueda aprender patrones y tomar desiciones los cules son: recopilacion de datos,
procesamientos de los datos, selección del algoritmo adecuado, entrenamiento del modelo, validacion y ajuste,
evaluacion del rendimiento, despliegue y optimizacion continua.

12) Que es el aprendizaje automático y como se relaciona con la IA

Es una rama de la IA que se centra en el desarrollo de algoritmos y modelos que permiten a las computadoras aprender
patrones a partir de datos y tomar decisiones sin ser programadas explicitamente para cada situacion. Ellas se
relacionan en el sentido de que es una herramienta fundamental para crear sistemas inteligentes capaces de tomar
desiciones y realizar tareas de manera autonoma.

13)Cual es la importancia de los datos en la IA

Los datos son fundamentales para el funcionamiento de la inteligencia artificial. La calidad y cantidad de datos que se
utilizan en los algoritmos de IA tienen un impacto directo en la precisión y eficacia de los modelos generados.

14) Que tipos de datos se utilizan en la IA

 Datos estructurados,
 Datos no estructurados
 Datos semi-estructurados
 Datos temporales
 Datps geoespaciales
 Datos transaccionales

15)Que es el procesamiento del lenguaje natural y como se aplica en la IA

Es una rama de la IA que se enfoca en la interccion entre las computadoras y el lenguaje humano, su objetivo es permitir
a las maquinas comprender, interpretar y generar lenguaje humano de manera natural.
 Analisis de sentimiento
 Procesamiento de texto
 Chatbots y asistentes virtuales
 Analisis de texto medico
 Reconocimiento de voz

16)Cuales son los beneficios y riegos de la IA

Beneficios; eficiencia y automizacion, mejora de la aplicacion, personalizacion, avances en la medicina, mejora de la

seguridad.
Riesgos; desplazamiento laboral, sesgo algoritmico, privacidad y seguridad, falta de transparencia, superintekigencia
artificial.
17) Como afecta la IA en la ética y la privacidad

Plantea importantes desafios eticos y de privacidad debido a su capacidad para recopilar, analizar y utilizar grandes
cantidades de datos personales, son aspectos criticos a considerar en el desarrollo y aplicacion de la IA, es fundamental
abordar estos desafios mediante la implantacion de politicas y practicas eticas, mecanismos de proteccion de la
privacidad y normativas claras que promueven el uso responsable y seguro de la IA en beneficio de la sociedad en su
conjunto.

18) Cual es el impacto de la inteligencia artificial en la economía y el empleo

La IA esta transformando la economia y el empleo al automatizar tareas, impulsar la innovacion y crear nuevas
oportunidades laborales. Para maximizar los beneficios de la IA y mitigar sus posibles impactos negativos en el empleo,
es fundamental fomentar la formacion continua, la adaptabilidad laboral y la colaboracion entre los sectores publico y
privado para garantizar una transicion exitosa hacia una economia digitalizada y basada en la IA.

19) Como se utiliza la IA en diferentes sectores como la medicina, la educación o la industria

Para mejorar la precision, eficiencia y personalizacion en la prestacion de servicios, la toma de decisiones y la gestacion
de operaciones. Su aplicacion en medicina, educacion e industria esta transformando estos ambitos al ofrecer
soluciones innovadoras y adaptadas a las necesidades especificas de cada sector.

20) Cuales son los desafíos actuales de la IA

Enfrenta una serie de desafios complejos relacionados con la interpretabilidad, el sesgo, la privacidad, la escasez de
datos, las limitaciones cognitivas, la regulacion y la adaptacion a entornos cambiantes.

21)Que avances recientes se han producidos en el campo de la IA

Los avances reciente son: apendizaje profundo, transferencia de aprendizaje, IA explicativa y etica, generacion de
lenguaje natural, vision por computadora avanzada, IA en la salud, Anatomia robotica, a medida que la investigacion
continua avanzando se espera que la IA siga transformando numerosos sectores y aspectos de nuestra vida cotidiana

22) Que es el aprendizaje profundo y como se relaciona con la IA

Es una tecnica de aprendizaje automatico que se basa en redes neuronales artificiales con multiples capas de
procesamiento para aprender representaciones jerarquicas de datos complejos, el aprendizaje profundo es una
subdisiplina de la IA que ha experimentado un gran avance en los ultimos años, gracias a la disponibilidad de gran
cantidades de datos y al aumento en el poder de computacion.

23) Que papel juegan las redes neuronales en la IA

Las redes neuronales desempeñan un papel fundamental en la inteligencia artificial (IA), ya que son la base de muchos
enfoques y técnicas utilizadas para el aprendizaje automático y el procesamiento de datos. Estas redes neuronales
artificiales están inspiradas en el funcionamiento del cerebro humano y se utilizan para simular la forma en que las
neuronas biológicas procesan la información. En el contexto de la IA, las redes neuronales se utilizan para aprender a
partir de datos y realizar tareas específicas, como reconocimiento de patrones, clasificación de imágenes, traducción
automática, generación de texto, entre otras. A través del aprendizaje supervisado, no supervisado o por refuerzo, las
redes neuronales pueden ajustar sus pesos y conexiones internas para mejorar su capacidad de generalización y realizar
predicciones precisas. Además, las redes neuronales profundas, que constan de múltiples capas de procesamiento, han
demostrado ser especialmente efectivas en la resolución de problemas complejos y en el aprendizaje de
representaciones jerárquicas de datos. Estas redes profundas han impulsado avances significativos en áreas como el
procesamiento del lenguaje natural, la visión por computadora, la robótica y muchas otras aplicaciones de la IA.

En resumen, las redes neuronales son una herramienta poderosa en el campo de la inteligencia artificial, permitiendo a
los sistemas aprender de los datos y realizar tareas sofisticadas de manera autónoma, lo que ha llevado a importantes
avances en la tecnología y la innovación.