IA USAC 2025

By Gabriel R.A

​Luis Gabriel Rodríguez Arias

CONCEPTO GENERAL

​Inteligencia es el poder de combinación, afirmó Ebbinghaus en 1885. Más tarde insistió en que inteligencia es la capacidad de adaptarse a nuevas situaciones. Por otra parte, la inteligencia, según Binet se refiere a cualidades formales como la memoria, la percepción, la atención y el intelecto. La inteligencia según él se caracteriza por comprensión, invención, dirección y censura.(Ardila,2011 pág 3 )

ORÍGENES (1930-1950)

• Alan Turing propuso en 1936 la máquina de Turing, base de la computación moderna.

• En 1950 formuló el Test de Turing, planteando la posibilidad de que las máquinas pudieran pensar.

• Se desarrollaron las primeras computadoras programables, lo cual hizo posible experimentar con “inteligencia” artificial.

NACIMIENTO FORMAL

• En la Conferencia de Dartmouth (1956), John McCarthy acuñó el término Artificial Intelligence.

• Aquí se planteó que el aprendizaje y cualquier aspecto de la inteligencia humana podían describirse tan precisamente que una máquina podría simularlos.

Primeros programas y entusiasmo (1956–1970)

• Se crearon programas pioneros como:

  • Logic Theorist (Newell y Simon), capaz de resolver problemas matemáticos.

  • ELIZA (Weizenbaum, 1966), un chatbot temprano que simulaba conversaciones.

• Hubo gran optimismo: se pensaba que las máquinas lograrían inteligencia humana en pocos años.

Multiple Choice

Según el contenido socializado

¿A quien se le considera el padre de la Inteligencia Artificial?

• Newell y Simon

• John McCarthy

• Alan Turing

• Sergio Chumil

Primer invierno de la IA (1970–1980)

Se conoce como el “AI Winter”, cuando el campo perdió apoyo económico y académico.

​El entusiasmo chocó con la realidad:

• ​Limitaciones computacionales.

• Problemas difíciles de formalizar.

• Fondos de investigación recortados.

​AI PAUSA

​AI WINTER

Sistemas expertos y renacimiento (1980–1990)

• Resurgimiento gracias a los sistemas expertos:

  • Programas basados en reglas capaces de imitar la toma de decisiones de un experto humano.

  • Ejemplo famoso: XCON en DEC, que configuraba computadoras.

• Las empresas invirtieron de nuevo en IA.

Aprendizaje automático y redes neuronales (1990–2010)

• Se desarrollaron métodos estadísticos para que las máquinas aprendieran de datos.

• Las redes neuronales renacieron con nuevas técnicas (backpropagation).

• Apareció el Machine Learning y luego el Deep Learning.

• Hitos:

  • 1997: IBM Deep Blue vence al campeón mundial de ajedrez Garry Kasparov.

  • Avances en visión por computadora y reconocimiento de voz.

BIG DATA Y DEEP LEARNING (2010–2020)

• El aumento de datos y potencia de cálculo permitió que las redes profundas alcanzaran resultados extraordinarios.

• Hitos importantes:

  • 2012: AlexNet revoluciona la visión artificial.

  • 2016: AlphaGo de Google derrota al campeón mundial de Go.

  • IA aplicada a traducción, vehículos autónomos, medicina, asistentes digitales, etc

IA GENERATIVA/ SERVICIOS

• Nacen modelos capaces de generar texto, imágenes, audio y video, como GPT, DALL·E, Claude, Gemini, entre otros.

• Las IA generativas transforman campos como educación, arte, investigación y programación.

• Crece el debate sobre regulación, ética y el futuro del trabajo.

Multiple Select

Seleccione el servicio de IA mas utilizado para gestionar procesos en la docencia

​¿QUÉ
TIPOS
DE
IA
EXISTEN?

​IA GENERAL

​IA DÉBIL

​Entiende
y
aprende
cualquier
problema. Similar
a
la
inteligencia
 humana. No
existe
actualmente.

Especializada
en
tareas
 específicas. Ejemplos꞉
Siri,
Alexa,
 sistemas
de
 recomendación. Ampliamente
utilizada
 hoy
en
día.

​IA DÉBIL (CLÁSICA)

¿Qué
hace?
Funciona
con
 reglas
fijas
como
"Si
pasa
 esto,
entonces
haz
eso". Uso
común꞉
diagnósticos
 médicos.

​IA DÉBIL (APRENDIZAJE AUTÓNOMO)

​¿Qué
hace?
Aprende
de
 grandes
cantidades
de
 datos
para
hacer
 predicciones
o clasificaciones. Importante꞉
Necesita
datos
 de
buena
calidad
para
 funcionar
bien.

​IA DÉBIL (RNA)

¿Qué
hace?
Imita
cómo, funciona
el
cerebro
 humano
con
capas
de
"neuronas"
digitales. Reto꞉
Es
difícil
entender
cómo
llega
a
sus
 conclusiones.

​IA DÉBIL (APRENDIZAJE PROFUNDO)

​¿Qué
hace?
Versión
 avanzada
de
redes
 neuronales
con
muchas
más
 capas. Uso
común꞉
En
tecnologías
 como
reconocimiento
de
voz
 e
imagen

5 grandes ideas sobre IA (Autor: AI4K12

USO DE IA