Los sistemas que emplean IA estrecha están programados con un objetivo de especialización, pero no tienen la capacidad de evolucionar su conocimiento ni desarrollar habilidades más allá de aquellas que se le han asignado.  

La seguridad a nivel de usuario es una medida de seguridad, cuyo objetivo es proteger los datos de los usuarios de amenazas externas, esta relacionada normalmente con el uso de contraseñas o cuentas, o permisos de usuario.

2ºBach.

Se emplea en tareas que requieren habilidades para resolver problemas y planteamientos más complejos. Algunas de las características de este tipo de inteligencia artificial es su generalidad y adaptación a diferentes tareas y situaciones, su capacidad de aprendizaje, la toma de decisiones o la comprensión del lenguaje natural.

2. Finanzas y gestión de inversiones automatizadas:
En el ámbito financiero, la IA permite automatizar inversiones mediante "robo-advisors" que analizan datos del mercado y toman decisiones. También se usa para detectar fraudes, gestionar riesgos y atender clientes con chatbots.

3. Automatización industrial y robótica:
La IA controla robots que realizan tareas repetitivas o peligrosas en fábricas, mejorando la eficiencia y seguridad. Además, supervisa el funcionamiento de las máquinas y ajusta procesos en tiempo real.

4. Vehículos autónomos:
Los autos autónomos usan IA para interpretar su entorno mediante sensores y cámaras, tomando decisiones para conducir sin ayuda humana. Esta tecnología busca mejorar la seguridad vial y la movilidad urbana.

5. Asistentes virtuales:
Los asistentes virtuales como Siri, Alexa o Google Assistant utilizan inteligencia artificial para entender el lenguaje natural y responder a comandos de voz. Pueden realizar tareas como buscar información, enviar mensajes, reproducir música o controlar dispositivos del hogar, facilitando la vida diaria de millones de personas.

6. Traducción automática de idiomas:
Gracias a la IA, hoy existen traductores automáticos como Google Translate que pueden traducir textos, audios o imágenes en tiempo real. Estos sistemas aprenden de grandes volúmenes de datos multilingües y mejoran constantemente, ayudando a superar barreras del idioma en la comunicación global.

• Siri (Apple)

• Reconocimiento facial

• Tesla Autopilot

IA General (Teórico):

• Robot que pueda aprender una profesión

• Robot que pueda comprender el contexto social

• Robot que pueda tomar decisiones complejas

Super IA (Teórico)

• Skynet (Terminator)

• Hal 9000 (2001 una Odisea Espacial)

• Ultron (Avengers)

Es un tipo de IA que está en desarrollo y, por el momento, es más un desarrollo teórico que práctico. La base de este tipo de inteligencia artificial parte de la base de que los robots pueden superar a los humanos en prácticamente todo, pero las consecuencias reales, éticas y morales hacen que se convierta en el tipo más delicado de IA. 

2. Índice: secciones del documento

3. Introducción: breve presentación del tema

4. Desarrollo del tema: con imágenes y vídeo

5. Kahoot: enlace + Preguntas y respuestas de desarrollo generadas para el estudio

6. Conclusión: reflexión final

7. Referencias: fuentes + herramientas IA usadas

Las relacionales se basan en tablas y utilizan SQL para manipular datos, destacándose por su estructura ordenada y consistencia. En cambio, las distribuidas almacenan datos en múltiples ubicaciones, lo que permite mayor escalabilidad y disponibilidad, siendo ideales para aplicaciones de gran escala.

Este tema analiza las diferencias clave entre ambos modelos, sus ventajas, desventajas y cuándo conviene usar uno u otro.

Sin embargo, con el crecimiento exponencial de los datos y la necesidad de sistemas más escalables y disponibles, surgieron las bases de datos distribuidas. Estas permiten almacenar información en varios servidores o ubicaciones, lo cual reduce los cuellos de botella y mejora la tolerancia a fallos. Aunque pueden usar modelos relacionales, muchas utilizan estructuras NoSQL como documentos, grafos o columnas. Ejemplos comunes son MongoDB, Cassandra y Google Spanner.

La principal diferencia entre ambas es el enfoque:

• Las relacionales priorizan la consistencia y estructura.

• Las distribuidas priorizan la escalabilidad, disponibilidad y rendimiento en entornos distribuidos.

Sin embargo, las distribuidas enfrentan retos como la complejidad en la sincronización de datos y la posibilidad de inconsistencias temporales, especialmente si se basan en el principio CAP (Consistencia, Disponibilidad, Tolerancia a particiones), que establece que es difícil garantizar las tres al mismo tiempo en sistemas distribuidos.

En resumen, las bases de datos relacionales son ideales para sistemas transaccionales tradicionales, como sistemas bancarios o de gestión empresarial. Por otro lado, las bases de datos distribuidas son más adecuadas para aplicaciones modernas en la nube, redes sociales o grandes plataformas de comercio electrónico.

Smishing: Se realiza mediante mensajes de texto SMS, normalmente llevan un enlace el cual transporta el virus, se aprovechan de los acortamientos de enlace en dispositivos móviles.

Hombre en el medía(MiTM): Consiste en la interceptación de información por el atacante en el trayecto entre la salida y el destino.

Spyware: Es un malware diseñado para espiar y acaparar información en un ordenador sin ser detectado. Puede robar credenciales, datos financieros o información privada del usuario.

Caballo de Troya (Troyano): Tiene apariencia de software gratuito, sin embargo, una vez se descarga comienza su función como malware.

Otra plataforma de noticias tecnológicas muy conocida y utilizada en el trabajo ha sido "Xataka".

En resumen, la información que se presenta en esta sección del padlet ha sido extraida de diferentes fuentes, lo que hace que sea lo más precisa y fiable posible.

2.ÍNDICE

3.INTRODUCCIÓN

4.DESARROLLO

5.CONCLUSIÓN

6.BIBLIOGRAFÍA

También he obtenido información preguntando a ChatGPT o de artículos de la UNESCO como: https://www.unesco.org/en/articles/generative-ai-unesco-study-reveals-alarming-evidence-regressive-gender-stereotypes?

Se basa en las matemáticas y la lógica formal.

Permite que las máquinas realicen inferencias (deducciones), como en los sistemas expertos.

2- Algoritmos y programación

Los algoritmos son instrucciones paso a paso que permiten que un sistema procese datos y tome decisiones.

Programación en lenguajes como Python, Java o C++ permite implementarlos.

3- Aprendizaje automático (Machine Learning)

Rama clave de la IA.

Permite que los sistemas aprendan de los datos en lugar de seguir reglas fijas.

Usa modelos como redes neuronales, árboles de decisión, máquinas de soporte vectorial, etc.

4- Redes neuronales artificiales

Inspiradas en el cerebro humano.

Procesan información mediante capas de “neuronas” artificiales.

Son la base del aprendizaje profundo (Deep Learning).

5- Probabilidad y estadística

Ayudan a manejar la incertidumbre.

Son esenciales para modelos predictivos y decisiones en ambientes complejos o no deterministas.

Visión por computadora: análisis e interpretación de imágenes.

Robótica: percepción y acción en el mundo físico.

Agentes inteligentes: sistemas que interactúan con entornos dinámicos.

Toma de decisiones automatizada: como en diagnósticos médicos, finanzas, juegos o logística.

Sesgo y discriminación: los modelos pueden reproducir injusticias si aprenden de datos sesgados.

Impacto laboral y social: automatización de trabajos, vigilancia, privacidad, etc.

2- Fundamentos teoricos

3- Areas de aplicacion

4-Aspectos eticos y filosoficos

https://www.isdi.education/es/blog/fundamentos-de-la-inteligencia-artificial

https://blog.invgate.com/es/inteligencia-artificial

La Inteligencia Artificial (IA) es el campo de estudio que busca crear sistemas capaces de realizar tareas que normalmente requieren inteligencia humana, como razonar, aprender, percibir, entender el lenguaje o tomar decisiones.