La Comisión Europea la define como sistemas de software (y posiblemente también de hardware) diseñados por humanos que, ante un objetivo complejo, actúan en la dimensión física o digital:

1. Percibiendo su entorno, a través de la adquisición e interpretación de datos estructurados o no estructurados.

2. Razonando sobre el conocimiento, procesando la información derivada de estos datos y decidiendo las mejores acciones para lograr el objetivo dado.

3. Los sistemas de IA pueden usar reglas simbólicas o aprender un modelo numérico. También pueden adaptar su comportamiento al analizar cómo el medio ambiente se ve afectado por sus acciones previas.

Dicho de otro modo:

La inteligencia artificial (IA) es un campo de la informática que se enfoca en crear sistemas que puedan realizar tareas que normalmente requieren inteligencia humana, como el aprendizaje, el razonamiento y la percepción.

Estos sistemas pueden percibir su entorno, razonar sobre el conocimiento, procesar la información derivada de los datos y tomar decisiones para lograr un objetivo dado

·         1950: Alan Turing publica Computing Machinery and Intelligence. En el artículo, Turing, famoso por haber descifrado el código ENIGMA de los nazis durante la Segunda Guerra Mundial, propone responder a la pregunta "¿pueden pensar las máquinas?". e introduce la Prueba de Turing para determinar si una computadora puede demostrar la misma inteligencia (o los resultados de la misma inteligencia) que un humano. El valor de la prueba de Turing ha sido objeto de debate desde entonces.

·         1956: John McCarthy acuña el término "inteligencia artificial" en la primera conferencia de IA en el Dartmouth College. (Posteriormente, McCarthy inventaría el lenguaje Lisp). Ese mismo año, Allen Newell, JC Shaw y Herbert Simon crearon Logic Theorist, el primer programa de software de inteligencia artificial que funcionó.

·         1967: Frank Rosenblatt crea el Mark 1 Perceptron, la primera computadora basada en una red neuronal que "aprendió" mediante prueba y error. Apenas un año después, Marvin Minsky y Seymour Papert publican un libro titulado Perceptrons, que se convierte en el trabajo de referencia en redes neuronales y, al menos por un tiempo, en un argumento contra futuros proyectos de investigación de redes neuronales.

·         1980: Las redes neuronales que utilizan un algoritmo de retro propagación para entrenarse a sí mismas se utilizan ampliamente en aplicaciones de IA.

·         1997: El sistema Deep Blue de IBM vence al campeón mundial de ajedrez Garry Kasparov, en una partida de ajedrez (y revancha).

·         2011: IBM Watson vence a los campeones Ken Jennings y Brad Rutter en Jeopardy!

·         2015: La supercomputadora Minwa de Baidu usa un tipo especial de red neuronal profunda, llamada red neuronal convolucional, para identificar y categorizar imágenes con una mayor precisión que el promedio humano.

·         2016: El programa AlphaGo de DeepMind, impulsado por una red neuronal profunda, vence a Lee Sodol, el campeón mundial de Go, en un partido de cinco juegos. La victoria es significativa dado el gran número de movimientos posibles a medida que el juego progresa (¡más de 14,5 billones después de solamente cuatro movimientos!). Más tarde, Google compró DeepMind por USD 400 millones

Reconocimiento del habla: También denominado reconocimiento automático de voz (ASR), reconocimiento de voz por computadora o conversión de voz a texto, es una funcionalidad que utiliza el procesamiento de lenguaje natural (NLP) para procesar el habla humana y trasladarla a un formato escrito.

Muchos dispositivos móviles incorporan el reconocimiento del habla en sus sistemas para realizar búsquedas por voz, por ejemplo, Siri, o proporcionar más accesibilidad en torno a los mensajes de texto.

Servicio al cliente: Los agentes virtuales en línea están reemplazando a los agentes humanos en la experiencia del cliente. Responden a preguntas frecuentes de diferentes temas (como el envío) o proporcionan asesoramiento personalizado, realizan venta cruzada de productos o sugieren tallas para los usuarios, cambiado la forma de interactuar con los clientes en los sitios web y las plataformas de redes sociales.

Visión artificial: Esta tecnología de IA permite que las computadoras y los sistemas obtengan información significativa de imágenes digitales, videos y otras entradas visuales, y que actúen con base en ellas.

Esta capacidad de proporcionar recomendaciones lo distingue de las tareas de reconocimiento de imágenes. Impulsada por redes neuronales convolucionales, la visión artificial se puede aplicar en el etiquetado de fotos en redes sociales, las imágenes radiológicas en la salud y los vehículos autónomos en la industria automotriz. 

Motores de recomendaciones: Utilizando datos del comportamiento pasado de los consumidores, los algoritmos de IA pueden ayudar a descubrir tendencias de datos para desarrollar estrategias de venta cruzada más eficaces.

Esto se usa para que los minoristas en línea puedan hacer recomendaciones adicionales relevantes a los clientes durante el proceso de compra.

Comercio bursátil automatizado: Diseñado para optimizar las carteras de acciones, las plataformas bursátiles de alta frecuencia impulsadas por IA hacen miles o incluso millones de operaciones por día sin intervención humana.

IA Fuerte: está diseñada para tener una amplia gama de habilidades cognitivas y capacidad de aprendizaje autónomo. Estos sistemas pueden realizar múltiples tareas y aprenden de forma autónoma a medida que interactúan con el entorno. La IA fuerte tiene que tener la capacidad de razonar, planificar y tomar decisiones complejas en un amplio espectro de situaciones.

IA Superinteligente: es un tipo de IA que superaría la inteligencia humana en todos los aspectos. Este nivel de IA sería capaz de comprender el mundo de una manera que está más allá de la capacidad humana, y sería capaz de resolver problemas complejos a una velocidad y eficiencia que los seres humanos no pueden alcanzar. Es una forma teórica de IA que aún no ha sido desarrollada en la práctica.

Dado que el deep learning y el machine learning tienden a ser utilizados indistintamente, vale la pena señalar sus diferencias. Como se mencionó anteriormente, ambos son subcampos de la inteligencia artificial, y el deep learning es en realidad un subcampo del machine learning.

En realidad, el aprendizaje profundo se compone de redes neuronales. "Profundo" en el deep learning se refiere a una red neuronal compuesta por más de tres capas (que incluirían las entradas y la salida), que se puede considerar un algoritmo de deep learning.

El deep learning automatiza gran parte de la fase de extracción de características del proceso, lo que elimina parte de la intervención humana manual necesario y permite el uso de conjuntos de datos más grandes. El deep learning se podría considerar como "machine learning escalable", tal como Lex Fridman señaló en la misma conferencia del MIT mencionada anteriormente.

El machine learning tradicional, o "non-deep", depende más de la intervención humana para aprender. Los expertos humanos determinan la jerarquía de características para comprender las diferencias entre las entradas de datos, lo que por lo general requiere más datos estructurados para aprender.

El "deep" machine learning puede utilizar los conjuntos de datos etiquetados, también conocidos como aprendizaje supervisado, para informar a su algoritmo, pero no requiere necesariamente un conjunto de datos etiquetados. Puede ingerir datos no estructurados en su forma original (como por ejemplo texto o imágenes) y puede determinar automáticamente la jerarquía de características que distinguen diferentes categorías de datos.

A diferencia del machine learning, no requiere intervención humana para procesar datos, lo que permite escalarlo de maneras más interesantes.

Aunque la inteligencia artificial tiene el potencial de transformar la forma en que interactuamos con el mundo, también presenta una serie de retos y preocupaciones:

Los algoritmos de la IA pueden ser sesgados si se basan en datos incompletos o no representativos.

Existe la preocupación de que la IA pueda ser utilizada para fines malintencionados, como la guerra cibernética o la manipulación de la opinión pública.

Tiene el potencial de reemplazar a los trabajadores humanos en muchos campos, lo que podría tener un impacto negativo en la economía.

La IA plantea una serie de preocupaciones éticas, como la privacidad, la seguridad y la responsabilidad.

 ¿Qué es la Inteligencia Artificial (IA)? (s/f). Ibm.com. Recuperado el 28 de octubre de 2023, de https://www.ibm.com/mx-es/topics/artificial-intelligence

Qué es la Inteligencia Artificial. (s/f). Gob.es. Recuperado el 28 de octubre de 2023, de https://planderecuperacion.gob.es/noticias/que-es-inteligencia-artificial-ia-prtr

https://www.youtube.com/watch?v=TETejHAJOGc

https://www.youtube.com/watch?v=MgWtYXcUg9Y

Pero, ¿Qué es realmente la IA? En esta presentación te daré una visión básica de la IA y su historia,  para que puedas entender y explicar la IA a cualquiera de manera sencilla. Este es un tema importante que debemos entender para avanzar en un mundo cada vez más tecnológico.

También se muestran algunos enlaces a noticia acerca de la inteligencia artificial

La tecnología puede integrarse en todo tipo de procesos empresariales, aplicaciones y productos para impulsar tanto la automatización como la innovación.

Interactuar con modelos de IA a nivel personal y empresarial es una manera empezar a desmitificar la tecnología y abrirse a posibilidades transformadoras.