1. Orígenes (1940s-1950s): Figuras como Alan Turing plantearon la posibilidad de máquinas pensantes (Test de Turing, 1950). El término "Inteligencia Artificial" fue acuñado en la Conferencia de Dartmouth en 1956, marcando el nacimiento oficial del campo.

2. Primeras Expectativas y el "Invierno de la IA" (1960s-1970s): Se lograron avances iniciales con programas que resolvían problemas lógicos simples. Sin embargo, las promesas no se cumplieron rápidamente, llevando a una reducción drástica de la financiación (Primer Invierno de la IA).

3. Sistemas Expertos (1980s): Hubo un resurgimiento con los Sistemas Expertos, programas que emulaban la toma de decisiones de expertos humanos en campos específicos, utilizando bases de conocimiento bien definidas.

4. Segundo Invierno y Renacimiento (Finales 1980s - 1990s): Los sistemas expertos resultaron caros de mantener y poco flexibles, provocando otro declive. Sin embargo, en los 90, el aumento de la capacidad de cómputo y la disponibilidad de datos sentaron las bases para el aprendizaje automático moderno.

5. El Auge del Aprendizaje Automático y el Deep Learning (2000s - Presente): La mejora exponencial en el poder de cómputo (GPUs) y la disponibilidad masiva de datos permitieron el desarrollo del Deep Learning (redes neuronales profundas). Esto llevó a avances espectaculares en reconocimiento de voz, visión por computadora y, más recientemente, en la IA Generativa (como los modelos de lenguaje grandes).

* Automatización de tareas y optimización de procesos.

* Diagnósticos médicos más rápidos y precisos.

* Personalización de experiencias de usuario (recomendaciones).

* Traducción y comprensión de lenguaje natural.

Riesgos:

* Desplazamiento laboral por automatización.

* Propagación de sesgos y discriminación algorítmica.

* Riesgos de privacidad y vigilancia masiva.

* Creación y proliferación de desinformación (deepfakes).

Sin embargo, también existen riesgos o problemas. Si se usa de manera incorrecta, la IA puede generar información falsa, reemplazar empleos humanos, mostrar sesgos en sus respuestas o hacer que las personas dependan demasiado de la tecnología. Por eso es importante usarla con cuidado y siempre combinarla con el juicio humano.

Ejemplo cotidiano: los filtros de fotos en Instagram que reconocen tu cara y colocan efectos.

Por ejemplo, al escribir “Redacte un ensayo sobre los beneficios de la inteligencia artificial”, esa frase constituye el prompt que guía a la IA para elaborar el texto solicitado.

1956: nace el término “Inteligencia Artificial” en la conferencia de Dartmouth (EE.UU.).

• Década de 1990: las computadoras empiezan a vencer a los humanos en juegos como el ajedrez (Deep Blue derrotó a Kasparov en 1997).

  Actualidad: la IA se expandió con aplicaciones como ChatGPT, asistentes virtuales (Siri, Alexa), diagnósticos médicos y música personalizada en Spotify.

Alexa es el asistente virtual de Amazon, lanzado en 2014 junto con el altavoz inteligente Amazon Echo.

• Funciona con reconocimiento de voz y redes neuronales.

• Permite reproducir música, responder preguntas, controlar dispositivos inteligentes, dar recordatorios y hacer compras.

• Se activa con la palabra clave “Alexa”.

• Es uno de los asistentes virtuales más usados, junto a Siri (Apple) y Google Assistant.

En el cerebro humano: las neuronas se conectan mediante impulsos eléctricos y químicos, permitiendo aprender, recordar y adaptarse.

• En la computadora: las “redes neuronales artificiales” imitan ese proceso con capas de nodos que procesan datos, reconocen patrones y “aprenden” de la experiencia (ejemplo: reconocer imágenes o voces).

Cómo funcionan

Una red neuronal artificial está compuesta por nodos interconectados llamados "neuronas", que están organizados en capas. 

DJ Livi (Spotify): crea mezclas musicales personalizadas analizando tus gustos y hábitos de escucha.

En los años 80 se desarrollaron las redes neuronales artificiales, inspiradas en el cerebro humano, lo que permitió que la IA mejorara, aunque todavía con limitaciones. A partir del 2000, con Internet, la gran cantidad de datos y computadoras más rápidas, la IA empezó a crecer mucho más. Se crearon asistentes de voz como Siri y Alexa, traductores automáticos y sistemas de recomendación como los de Netflix o Spotify.

Hoy en día, la IA está presente en casi todos los ámbitos: diagnósticos médicos, autos autónomos, aplicaciones como ChatGPT o creaciones artísticas digitales. Actualmente, además de sus beneficios, también se discuten los riesgos que trae y cómo debería regularse su uso.

Recomendaciones de música o series (Spotify, Netflix).

• medicina (diagnósticos más rápidos).

  • Educación (explicaciones y apoyo escolar).

    Trabajo (automatización de tareas).

  Riesgos:
  

  Pérdida de empleos por automatización.

  Difusión de noticias falsas (deepfakes).

  Dependencia excesiva de la tecnología.

  • Problemas de privacidad de datos.

  
  

Ejemplo: si escribís en ChatGPT “explicame la fotosíntesis en 5 renglones”, ese texto es el prompt, y la IA responde según lo que le pediste.

Cada neurona recibe información, la procesa con operaciones matemáticas y transmite un resultado a la siguiente capa. Al repetir este proceso muchas veces y con grandes cantidades de datos, la red puede aprender patrones, reconocer imágenes, entender lenguaje o tomar decisiones.

• Salud: diagnósticos médicos, análisis de imágenes, descubrimiento de fármacos.

• Educación: tutores virtuales, aprendizaje personalizado.

• Transporte: autos autónomos, gestión del tráfico.

• Finanzas: detección de fraudes, inversiones automáticas.

• Trabajo y empresas: chatbots, automatización de tareas repetitivas.

• Vida cotidiana: asistentes virtuales (Alexa, Siri), recomendaciones en Netflix o Spotify.

• Creatividad: generación de textos, imágenes, música y videos.

Riesgos de IA

1. Desempleo tecnológico → automatización que puede reemplazar trabajos humanos.

2. Sesgos y discriminación → si se entrena con datos injustos, reproduce prejuicios.

3. Privacidad → recopila y analiza grandes cantidades de datos personales.

4. Desinformación → creación de deepfakes y noticias falsas difíciles de detectar.

5. Dependencia tecnológica → exceso de confianza en sistemas que pueden fallar.

6. Ciberseguridad → uso de IA para ataques más sofisticados.

7. Autonomía peligrosa → riesgo en armas autónomas o decisiones críticas sin supervisión humana.

Cada neurona recibe información, la procesa con operaciones matemáticas y transmite un resultado a la siguiente capa. Al repetir este proceso muchas veces y con grandes cantidades de datos, la red puede aprender patrones, reconocer imágenes, entender lenguaje o tomar decisiones.

Es como la “pregunta” que guía a la máquina sobre qué tiene que hacer.

Puede ser una orden simple, como “escribí un poema corto”, o algo más detallado, como “creá una imagen de un perro en la playa al atardecer, estilo dibujo animado”.

Cuanto más claro y específico sea el prompt, mejor será la respuesta de la IA.

1. Filtros y lentes de realidad aumentada:
   La IA reconoce tu cara en tiempo real (ojos, boca, cejas, etc.) y coloca filtros encima, como orejas de perro, cambio de cabello o maquillaje virtual. Lo logra gracias a redes neuronales de visión por computadora, que detectan puntos clave de tu rostro.

2. Edición de fotos y videos:
   Puede borrar objetos, cambiar fondos o mejorar la calidad de la imagen automáticamente, porque la IA analiza la foto y “recrea” las partes que faltan.

3. Chatbot “My AI”:
   Es un asistente dentro de la app, parecido a ChatGPT. Responde preguntas, da recomendaciones, sugiere ideas para mensajes o hasta recetas

1. Automatización y eficiencia: 

• Procesos de negocio: Automatiza tareas repetitivas en diversas industrias, lo que aumenta la productividad y reduce los errores humanos.

• Fabricación: Los robots y sistemas de visión por computadora optimizan la producción, mejoran el control de calidad y garantizan la seguridad en entornos de riesgo. 

2. Asistencia y personalización: 

• Recomendaciones: Plataformas de comercio electrónico y servicios de streaming usan IA para sugerir productos y contenido según las preferencias del usuario.

• Atención al cliente: Los chatbots y asistentes virtuales responden preguntas en tiempo real, mejorando la experiencia del cliente.

• Hogares inteligentes: Asistentes de voz como Siri o Alexa controlan dispositivos, programan recordatorios y buscan información. 

3. Innovación en sectores clave: 

• Salud: Ayuda en el diagnóstico médico, el análisis de imágenes (como radiografías) y el desarrollo de nuevos medicamentos.

• Educación: Ofrece tutoría personalizada y agiliza tareas administrativas, como la calificación, para que los docentes dediquen más tiempo a la enseñanza.

• Finanzas: Detecta fraudes y optimiza operaciones bancarias.

• Transporte: Potencia el desarrollo de vehículos autónomos y la optimización de rutas. 

4. Creación de contenido: 

• IA generativa: Modelos avanzados crean texto, imágenes y código original a partir de simples instrucciones. 

Riesgos de la IA

1. Sesgos y discriminación: 

• Datos sesgados: Los sistemas de IA aprenden de los datos con los que se les entrena. Si estos datos contienen sesgos sociales (raciales, de género), la IA puede perpetuar y amplificar la discriminación en la toma de decisiones, como en la contratación de personal o la concesión de préstamos. 

2. Desinformación y deepfakes: 

• Manipulación de contenido: La IA generativa puede crear noticias falsas, imágenes, videos y audios sintéticos (deepfakes) muy convincentes, lo que borra la línea entre lo real y lo artificial.

• Impacto social: La propagación de desinformación puede influir en elecciones, provocar inestabilidad social y erosionar la confianza pública. 

3. Automatización del trabajo: 

• Pérdida de empleos: La automatización de tareas por parte de la IA puede desplazar a trabajadores en sectores donde las tareas son repetitivas o rutinarias.

• Cambio en las habilidades: A largo plazo, el mercado laboral se transformará, lo que requerirá que los trabajadores desarrollen nuevas habilidades y se adapten a las nuevas tecnologías. 

4. Privacidad y seguridad: 

• Recopilación de datos: Los sistemas de IA requieren grandes cantidades de datos personales para funcionar, lo que plantea riesgos de privacidad y seguridad para los usuarios.

• Ciberdelincuencia: Las herramientas de IA pueden ser utilizadas por criminales para desarrollar ataques cibernéticos más sofisticados, como suplantación de identidad y fraudes. 

5. Falta de transparencia: 

• Caja negra: A menudo, es difícil entender cómo una IA llega a una decisión, un problema conocido como la "caja negra". Esto dificulta la rendición de cuentas y la identificación de sesgos. 

6. Dilemas éticos y control: 

• Decisiones autónomas: Los sistemas de IA cada vez más autónomos podrían tomar decisiones con implicaciones éticas sin considerar el contexto o las consecuencias, por ejemplo, en vehículos autónomos o en armas letales autónomas.

• Control y regulación: La falta de regulación adecuada podría llevar a un desarrollo irresponsable de la IA. 

Un prompt designa el texto o instrucción que se proporciona a un sistema de inteligencia artificial para que este genere una respuesta o producto determinado.

La estructura y la precisión de un prompt determinan en gran medida la calidad del resultado obtenido.

Por ejemplo, el prompt “Escribe un texto sobre perros” es menos específico que “Escribe un artículo de 300 palabras sobre las razas de perros más adecuadas para apartamentos pequeños”.

Orígenes (antes de 1950)

- Conceptos iniciales: La idea de máquinas pensantes se remonta a la mitología y la filosofía, con figuras como el Golem o las especulaciones de filósofos como Descartes sobre la mente y las máquinas.

- Primeros pasos tecnológicos: En 1936, Alan Turing introduce la Máquina de Turing, un modelo teórico de computación que sienta las bases para las computadoras modernas. En 1950, publica "Computing Machinery and Intelligence", proponiendo el Test de Turing para evaluar si una máquina puede imitar la inteligencia humana.

Nacimiento formal de la IA (1950-1980)

- 1956: El término "IA": John McCarthy organiza la Conferencia de Dartmouth, donde se acuña el término "inteligencia artificial". Se plantea la IA como la creación de máquinas que puedan aprender y razonar.

- Primeros programas: En los años 50 y 60, se desarrollan programas como el Logic Theorist (1955) de Herbert Simon y Allen Newell, que demostraba teoremas matemáticos, y ELIZA (1964-1966), un chatbot primitivo que simulaba conversaciones.

- Optimismo inicial: Se pensaba que la IA general estaba cerca, pero las limitaciones de hardware y la complejidad de modelar la inteligencia frenaron el progreso.

- Invierno de la IA (1970s): Las expectativas exageradas y la falta de resultados llevaron a una reducción de fondos y entusiasmo.

Renacimiento y auge de la IA experta (1980-2000)

- Sistemas expertos: En los 80, la IA se centra en sistemas basados en reglas para dominios específicos, como MYCIN (diagnósticos médicos). Estos sistemas usaban conocimiento humano codificado.

- Redes neuronales: Aunque las redes neuronales artificiales se propusieron en los 40 (por McCulloch y Pitts), en los 80 resurgen con algoritmos como el backpropagation, sentando bases para el aprendizaje profundo.

- Segundo invierno de la IA (finales de los 80-90): Nuevas limitaciones técnicas y expectativas no cumplidas redujeron el interés nuevamente.

Era moderna (2000-presente)

- Big Data y poder computacional: En los 2000, el aumento de datos disponibles, el poder de las GPUs y avances en algoritmos impulsaron la IA. El aprendizaje profundo (deep learning) se convierte en protagonista.

- Hitos clave:

- 1997: Deep Blue de IBM derrota al campeón de ajedrez Garry Kasparov.

- 2011: Watson de IBM gana en el concurso Jeopardy!, mostrando capacidades de procesamiento de lenguaje natural.

- 2012: La red neuronal AlexNet revoluciona el reconocimiento de imágenes, marcando el auge del aprendizaje profundo.

- 2016: AlphaGo de DeepMind vence al campeón mundial de Go, Lee Sedol, demostrando la capacidad de la IA para resolver problemas complejos.

- 2020s: Modelos de lenguaje como GPT-3 (OpenAI) y herramientas como ChatGPT popularizan la IA conversacional. La IA se integra en la vida diaria: asistentes virtuales, traducción automática, recomendación de contenido, vehículos autónomos, etc.

Presente y futuro (2025 en adelante)

- La IA está en constante evolución, con avances en modelos multimodales (que combinan texto, imágenes, audio) y aplicaciones en medicina, educación, industria y más.

- Hay debates éticos sobre el impacto de la IA: sesgos, privacidad, desempleo tecnológico y el riesgo de una IA superinteligente.

- Proyectos como los de xAI (creadores de mí, Grok) buscan acelerar el descubrimiento científico humano mediante la IA.

La IA se usa en muchas áreas: asistentes virtuales, diagnósticos médicos, autos autónomos, traducción de idiomas, recomendaciones en redes sociales y control de seguridad. Sus ventajas son que ahorra tiempo, ayuda a resolver problemas complejos y mejora la vida cotidiana. Sin embargo, también tiene riesgos, como la pérdida de empleos por la automatización, el mal uso de datos personales y la posibilidad de errores o decisiones poco éticas en manos de las máquinas.

Durante los años 60 y 70, se desarrollaron programas como ELIZA, pero el "invierno de la IA" redujo el interés y la financiación por falta de avances significativos. En los años 90, la potencia de procesamiento y el acceso a grandes datos impulsaron un renacimiento, con el desarrollo de algoritmos de aprendizaje automático.

Desde 2010, la IA ha progresado rápidamente, siendo parte integral de aplicaciones cotidianas como asistentes virtuales y reconocimiento de voz, y sigue evolucionando.

Pero también tiene riesgos: puede generar desempleo, sesgos y discriminación, afectar la privacidad, crear dependencia tecnológica y presentar problemas de seguridad.

Pero también trae riesgos importantes. La IA puede reemplazar trabajos humanos, lo que genera preocupación laboral; puede propagar sesgos si aprende de datos parciales o discriminatorios; y existe el riesgo de uso malintencionado, como crear información falsa, espiar o manipular personas. Además, cuanto más compleja es la IA, más difícil resulta controlar sus decisiones y prever sus errores.

Sin embargo, también presenta riesgos, como la pérdida de empleos por automatización, la difusión de información falsa, el uso indebido de datos personales, la discriminación si aprende con datos sesgados y la dificultad para controlar decisiones tomadas por sistemas avanzados. Por eso, su desarrollo necesita regulación y un uso responsable

.

Se entrenan con datos etiquetados, ajustando conexiones para minimizar errores. Cada neurona aplica una función de activación, lo que permite resolver problemas complejos. Tienen aplicaciones en reconocimiento de voz, visión por computadora y procesamiento del lenguaje natural, siendo herramientas clave en el aprendizaje automático.

Un riesgo de la IA es el sesgo: si se entrena con datos incompletos o injustos, puede tomar decisiones discriminatorias, por ejemplo al recomendar a quién dar un préstamo o a quién contratar, reproduciendo desigualdades en lugar de corregirlas.

Imaginá que la IA es como un artista o un asistente muy listo: el prompt es lo que le decís para que sepa qué crear o cómo responder. Puede ser una frase, un párrafo o incluso una lista de indicaciones, y según cómo lo escribas, la IA dará respuestas distintas.

Usos de la IA

1. Medicina: Detecta enfermedades en estudios médicos más rápido y con precisión.

2. Educación: Explica temas, corrige ejercicios y traduce textos (ej: Duolingo, traductores).

3. Vida cotidiana: Filtros en redes sociales, asistentes como Siri o Alexa, recomendaciones de Netflix o Spotify.

4. Transporte: Autos que se manejan solos y apps que buscan la ruta más rápida.

5. Cuidado del ambiente: Predice fenómenos climáticos y ayuda a ahorrar energía.

Riesgos de la IA

1. Pérdida de empleos: Algunas tareas repetitivas pueden ser reemplazadas por máquinas.

2. Privacidad: La IA maneja muchos datos personales y puede usarse mal.

3. Desinformación: Con IA se pueden crear noticias falsas, imágenes o audios que parecen reales.

4. Dependencia: Usarla demasiado puede hacer que las personas piensen o decidan menos por sí mismas.

5. Uso ético: Si no se controla, la IA podría tomar decisiones injustas o discriminatorias.

La inteligencia artificial (IA) comenzó a desarrollarse a mediados del siglo XX. En 1956, en la conferencia de Dartmouth, se usó por primera vez el término “inteligencia artificial” y se planteó la idea de que las máquinas podían “pensar”. En los años 60 y 70 se hicieron los primeros programas que resolvían problemas matemáticos y jugaban al ajedrez. Luego, en los 80 y 90, aparecieron los sistemas expertos y las primeras redes neuronales. El gran avance llegó en el siglo XXI, cuando con más datos y computadoras potentes, la IA empezó a reconocer imágenes, traducir idiomas y responder preguntas. Hoy en día se aplica en casi todos los ámbitos: medicina, educación, transporte y entretenimiento.

Luzia (o LuzIA) es un asistente virtual de inteligencia artificial (IA), desarrollado por la empresa española FACTORIA ELCANO, S.L., que funciona a través de diversas plataformas, como WhatsApp, Telegram y como una aplicación móvil independiente. Su propósito es ayudar a los usuarios en su día a día, realizando tareas como la transcripción de audios a texto, la generación de imágenes a partir de descripciones, la resolución de dudas y problemas académicos, y la oferta de entretenimiento y apoyo emocional

Años más tarde, Konrad Zuse diseñó la primera computadora electrónica digital. La Z3 operaba con un sistema binario y requería de una cinta externa para almacenar los programas. A pesar de ser una versión un tanto rudimentaria, la invención del ingeniero alemán dio paso al diseño de las computadoras como las conocemos en la actualidad.

En 1955 el matemático John McCarthy acuñó por primera vez el término inteligencia artificial. Un año después, se llevó a cabo la conferencia de Dartmouth, en la que el reconocido matemático y otros expertos se reunieron para ahondar más sobre el tema. Como resultado de este encuentro, se abrieron nuevas ramas de estudio, como la ciencia de los datos.

1. Procesamiento de Lenguaje Natural (PLN):

- Ejemplos: Asistentes virtuales como yo (Grok), chatbots de atención al cliente, traducción automática (e.g., Google Translate), generación de texto (artículos, guiones), resumen de documentos.

- Aplicación práctica: Empresas usan IA para responder consultas de clientes en tiempo real; yo ayudo a usuarios con preguntas como esta.

- Tecnología: Modelos como transformadores (e.g., GPT, BERT).

2. Visión por Computadora:

- Ejemplos: Reconocimiento facial (desbloqueo de teléfonos), análisis de imágenes médicas (detección de tumores), vehículos autónomos (identificación de obstáculos).

- Aplicación práctica: En medicina, la IA analiza radiografías para detectar anomalías con precisión comparable a la de médicos expertos.

- Tecnología: Redes neuronales convolucionales (CNNs).

3. Automatización y Robótica:

- Ejemplos: Automatización de fábricas (robots en líneas de producción), logística (drones de reparto, optimización de rutas), agricultura (monitoreo de cultivos).

- Aplicación práctica: Amazon usa robots con IA para gestionar almacenes, reduciendo tiempos de entrega.

- Tecnología: Aprendizaje por refuerzo y redes neuronales.

4. Análisis de Datos y Predicciones:

- Ejemplos: Predicciones financieras (análisis de mercados), meteorología, recomendación de contenido (Netflix, Spotify), detección de fraudes.

- Aplicación práctica: Bancos usan IA para identificar transacciones sospechosas en tiempo real

Riesgos de la Inteligencia Artificial

A pesar de sus beneficios, la IA también presenta riesgos significativos que deben gestionarse:

1. Sesgos y discriminación:

- Los modelos de IA pueden perpetuar sesgos presentes en los datos con los que fueron entrenados, llevando a decisiones injustas (por ejemplo, en contratación o justicia penal).

- Ejemplo: Algoritmos de reconocimiento facial con menor precisión en personas de ciertos grupos étnicos.

2. Privacidad:

- La recolección masiva de datos para entrenar modelos de IA puede vulnerar la privacidad de los usuarios.

- Riesgo de filtraciones de datos sensibles o mal uso por parte de empresas o gobiernos.

3. Desplazamiento laboral:

- La automatización puede reemplazar empleos en sectores como manufactura, transporte o servicios al cliente.

- Aunque crea nuevas oportunidades, requiere reentrenamiento de la fuerza laboral.

4. Falta de transparencia:

- Muchos modelos de IA, especialmente los de aprendizaje profundo, son "cajas negras", lo que dificulta entender cómo toman decisiones.

- Esto puede generar desconfianza o errores en aplicaciones críticas.

5. Uso malicioso:

- Creación de deepfakes para desinformación, fraudes o manipulación.

- Uso de IA en ciberataques, como generación de malware o phishing sofisticado.

6. Dependencia tecnológica:

- La sobredependencia en sistemas de IA puede reducir habilidades humanas o dejar sistemas vulnerables a fallos técnicos.

7. Riesgos éticos y existenciales:

- En el largo plazo, una IA avanzada podría tomar decisiones contrarias a los intereses humanos si no está bien alineada.

- Debate sobre el control de IA superinteligente y sus implicaciones para la humanidad.

8. Impacto ambiental:

- El entrenamiento de modelos de IA consume grandes cantidades de energía, contribuyendo a la huella de carbono.

- Ejemplo: Grandes modelos de lenguaje requieren infraestructura computacional intensiva.

Los usuarios escriben un aviso en Copilot y Copilot responde con información generada por IA. Las respuestas están en tiempo real y pueden incluir contenido basado en Internet y contenido de trabajo al que los usuarios tienen permiso de acceso.

Los usuarios obtienen contenido relevante para sus tareas de trabajo y, en el contexto de la aplicación de Microsoft 365 que usan.

Por ejemplo, es un administrador de operaciones y está trabajando con recursos humanos para actualizar las descripciones del trabajo. En una sesión de solicitud de Copilot, puede pedir a Copilot que cree una descripción del trabajo y que agregue también calificaciones que deben incluirse en la descripción. En la misma sesión de solicitud, puede expandir la descripción del trabajo generado para crear también niveles diferentes, como nivel 1, nivel 2 y nivel 3.

También puede crear y usar agentes para personalizar la experiencia de Copilot con los orígenes de datos de su organización. Por ejemplo, es un administrador de almacén y debe conocer el estado de un envío. Puede preguntar a su agente de envío de Copilot "¿Cuál es el estado del envío 1234?" Copilot usa los orígenes de datos para obtener la información y puede responder con el estado.

La inteligencia artificial (IA) es una de las tecnologías más importantes de nuestra época y tiene múltiples usos en la sociedad. En la medicina, por ejemplo, se emplea para analizar estudios y detectar enfermedades con rapidez. En la educación, permite crear programas que se adaptan al ritmo de cada estudiante. En el transporte, hace posible el desarrollo de autos sin conductor y la optimización de rutas. También está presente en la vida cotidiana, con asistentes virtuales que organizan tareas, responden preguntas y facilitan la comunicación.

Pero junto con estos avances también aparecen riesgos. Uno de ellos es el desempleo, ya que la automatización puede reemplazar ciertos trabajos repetitivos. Otro problema es el sesgo o discriminación, porque la IA aprende de datos humanos que a veces contienen prejuicios. La privacidad también se ve amenazada, ya que estas tecnologías manejan enormes cantidades de información personal. Además, la IA puede ser utilizada para crear noticias falsas o deepfakes, capaces de manipular la opinión pública.

En conclusión, la IA ofrece grandes beneficios que mejoran la vida de las personas, pero al mismo tiempo plantea desafíos éticos y sociales que requieren un uso responsable y regulado.

Por ejemplo:

• Si le escribís “explicame la fotosíntesis en pocas palabras”, ese es el prompt, y la IA te va a dar una explicación breve.

• Si pedís “creá una imagen de un gato astronauta en la Luna”, ese también es un prompt, pero para una IA que genera imágenes.

En resumen: un prompt es la forma en que le decimos a la IA qué queremos que haga, y mientras más claro y específico sea, mejores serán los resultados.

Un hito importante podría ser cuando a comienzos de los años 70, la inteligencia artificial tuvo muchos problemas. Se habían gastado millones en proyectos grandes, pero casi no había resultados.

En 1973, en Estados Unidos se discutió mucho sobre el tema, y el matemático británico James Lighthill hizo un informe muy negativo sobre el estado de la IA en el Reino Unido.

Él decía que las máquinas solo podían jugar al ajedrez como un principiante.

Es por eso, que se quitaron los fondos para seguir investigando, y empezó lo que se llamó “el invierno de la inteligencia artificial”.

Es una herramienta de inteligencia artificial que combina un buscador con un asistente conversacional. Sirve para hacer preguntas y obtener respuestas claras y explicadas, con fuentes reales y enlaces a las páginas de donde saca la información. Es muy útil para estudiar, investigar o resumir textos, porque da respuestas actualizadas y bien organizadas.

Perplexity tiene una versión gratuita con funciones básicas, y también una versión paga (Pro) que ofrece respuestas más avanzadas y acceso a modelos de IA más potentes.

Por ejemplo, cuando le pedís a la inteligencia artificial que “resuma un texto” o que “haga una imagen de un perro”, eso que uno escribe es el prompt.

En resumen, sirve para guiar a la inteligencia artificial y que nos de el resultado que queremos. Cuanto más claro y detallado sea el prompt, mejor va a ser la respuesta o el trabajo que genere esa inteligencia artificial.

La inteligencia artificial (IA) es una de las tecnologías más importantes de nuestra época y tiene múltiples usos en la sociedad. En la medicina, por ejemplo, se emplea para analizar estudios y detectar enfermedades con rapidez. En la educación, permite crear programas que se adaptan al ritmo de cada estudiante. En el transporte, hace posible el desarrollo de autos sin conductor y la optimización de rutas. También está presente en la vida cotidiana, con asistentes virtuales que organizan tareas, responden preguntas y facilitan la comunicación.

Pero junto con estos avances también aparecen riesgos. Uno de ellos es el desempleo, ya que la automatización puede reemplazar ciertos trabajos repetitivos. Otro problema es el sesgo o discriminación, porque la IA aprende de datos humanos que a veces contienen prejuicios. La privacidad también se ve amenazada, ya que estas tecnologías manejan enormes cantidades de información personal. Además, la IA puede ser utilizada para crear noticias falsas o deepfakes, capaces de manipular la opinión pública.

En conclusión, la IA ofrece grandes beneficios que mejoran la vida de las personas, pero al mismo tiempo plantea desafíos éticos y sociales que requieren un uso responsable y regulado.