https://youtu.be/XuWMWPwdlik?si=W6EW_aIDAtkDqaJa

Los Primeros Pasos (Mediados del Siglo XX)

• 1950:Alan Turing publica "Computing Machinery and Intelligence", en la que propone el famoso Test de Turing para evaluar si una máquina puede exhibir un comportamiento inteligente indistinguible del humano. 

• 1956:En la conferencia de Dartmouth, John McCarthy y otros científicos acuñan el término "inteligencia artificial" y definen la IA como la ciencia de crear máquinas inteligentes. 

• Década de 1950:Se desarrollan los primeros algoritmos de aprendizaje automático, como el Perceptrón (1958) de Frank Rosenblatt, un precursor de las redes neuronales. 

Los Primeros Sistemas y sus Limitaciones (Años 60 y 70)

• Sistemas Basados en el Conocimiento:La investigación de los 60 se centró en crear sistemas expertos que emularan la toma de decisiones humanas en un campo específico. 

• Primeros Robots:Se crean los primeros robots autónomos, como el robot Shaki. 

• El "Primer Invierno de la IA":La falta de aplicaciones prácticas y el pesimismo sobre el progreso llevaron a una disminución del interés y la financiación de la IA en la década de 1970. 

El Resurgimiento y el Aprendizaje Automático (Años 80 y 90)

• 1986:Se introduce el algoritmo de retropropagación (backpropagation), lo que permite entrenar redes neuronales más complejas y sienta las bases del aprendizaje profundo. 

• Avances en el Aprendizaje Automático:Las máquinas de vectores de soporte y otros métodos avanzados mejoran el aprendizaje automático. 

• Hitos Tecnológicos:En 1997, el ordenador Deep Blue de IBM vence al campeón mundial de ajedrez, Garry Kasparov. 

La Era Moderna: Aprendizaje Profundo y Auge Exponencial (2000 en adelante) 

• Aprendizaje Profundo (Deep Learning):A partir de 2010, el aprendizaje profundo, que utiliza redes neuronales con múltiples capas, revoluciona las aplicaciones de IA. 

• Procesamiento del Lenguaje Natural (PLN):Los modelos basados en transformadores, como GPT de OpenAI, demuestran avances significativos en la comprensión y generación de lenguaje. 

• IA Generativa:Se desarrolla la capacidad de generar texto, imágenes (Stable Diffusion, ProGAN) y música (Musenet), marcando el auge de los modelos generativos. 

• Aplicaciones Diversas:La IA se integra en logística, robótica, vehículos autónomos (Tesla, Waymo) y medicina (diagnóstico, tratamiento personalizado). 

Desafíos Actuales

• A pesar de los avances, la historia de la IA muestra la necesidad de superar desafíos técnicos y éticos, como la responsabilidad y la transparencia en su uso. 

¿Te gustaría algo más breve o adaptado a una presentación o tarea escolar?

El cerebro humano está compuesto por aproximadamente 86 mil millones de neuronas, que son células especializadas en transmitir información. Cada neurona se conecta con muchas otras a través de sinapsis, formando una red biológica compleja.

Cuando una neurona recibe señales de otras, estas señales se transmiten en forma de impulsos eléctricos y químicos. Si la señal es lo suficientemente fuerte, la neurona se "activa" y envía su propio impulso a otras neuronas conectadas. Este proceso es continuo y permite al cerebro realizar funciones como percibir, pensar, recordar, moverse y aprender.

El aprendizaje en el cerebro ocurre principalmente mediante la modificación de la fuerza de las conexiones sinápticas (plasticidad sináptica). Es decir, cuando una conexión se usa con frecuencia, se fortalece, lo que facilita futuras transmisiones. Este principio es la base del aprendizaje humano: cuanto más se practica una tarea, más eficientes se vuelven las conexiones neuronales asociadas a esa tarea.

Redes neuronales en una computadora:En el campo de la inteligencia artificial, las redes neuronales artificiales están inspiradas en el cerebro humano, pero son modelos matemáticos y computacionales. Una red neuronal artificial está formada por capas de "neuronas" o nodos, que son unidades de procesamiento simples.

Cada nodo recibe datos de entrada, realiza un cálculo (por ejemplo, una suma ponderada seguida de una función matemática como la sigmoide o ReLU) y transmite el resultado a los siguientes nodos. La red suele estar compuesta por una capa de entrada, una o varias capas ocultas y una capa de salida.

Durante el entrenamiento, la red ajusta los "pesos" de las conexiones entre nodos para minimizar el error entre su salida y el resultado deseado. Este proceso se llama aprendizaje supervisado y se basa en algoritmos como el descenso del gradiente y la retropropagación del error.

Por ejemplo, una red neuronal puede aprender a reconocer imágenes de gatos y perros si se le muestran miles de ejemplos y se le dice cuál es cuál. Con el tiempo, ajusta sus pesos internos para mejorar su precisión.

Funcionamiento del Cerebro Humano

• Procesamiento Paralelo y Adaptativo:El cerebro opera de forma masivamente paralela, procesando múltiples señales simultáneamente a través de complejas redes neuronales. 

• Conexiones y Señales Electroquímicas:Las neuronas se comunican mediante señales electroquímicas, que son más lentas que las señales eléctricas de una computadora, pero forman conexiones sinápticas que permiten al cerebro cambiar y adaptarse constantemente. 

• Emociones, Conciencia e Integración:A diferencia de las computadoras, el cerebro integra información sensorial, emociones y conciencia, lo que le permite interpretar el mundo de manera compleja y generar ideas nuevas. 

• Baja Consumo Energético:El cerebro es extremadamente eficiente en términos energéticos, consumiendo una cantidad de energía muy baja en comparación con su capacidad de procesamiento. 

Funcionamiento de una Computadora

• Procesamiento Lógico y Secuencial:Las computadoras siguen instrucciones precisas y operan de manera lógica y secuencial, procesando tareas paso a paso. 

• Conexiones Eléctricas y Reloj:Las partes de una computadora se comunican a través de señales eléctricas y sus operaciones están sincronizadas por un reloj interno que dicta un tiempo preciso. 

• Hardware y Software:El funcionamiento de una computadora se basa en un hardware (componentes físicos) y software (programas) predefinidos, lo que la hace rígida y predecible en comparación con la plasticidad del cerebro. 

• Alto Consumo Energético:Para igualar, aunque sea de forma limitada, las capacidades del cerebro, una computadora necesita consumir mucha más energía, y requiere hardware y software adicionales para cambiar. 

Diferencias Clave

• Plasticidad vs. Rigidez:El cerebro es un sistema biológico que se reconfigura y adapta continuamente, mientras que la estructura de una computadora es fija y solo se modifica con nuevo hardware o software. 

• Integración de la Conciencia:El cerebro opera con un nivel de conciencia que las computadoras no poseen, ya que estas últimas procesan información sin "saber" que lo están haciendo. 

• Generación de Ideas y Creatividad:El cerebro es un motor de ideas, sensaciones y emociones, y puede generar conceptos completamente nuevos e imaginar, algo que va más allá del procesamiento de información de una computadora. 

Mayor eficiencia y automatización, Toma de decisiones más inteligente, Mejora de la experiencia del cliente y personalización, Etc...

La inteligencia artificial, a pesar de sus ventajas, presenta una serie de riesgos y problemas que generan debates éticos y sociales. A medida que la tecnología avanza, es crucial abordar estas desventajas para garantizar un desarrollo responsable y justo. 

Riesgos y problemas principales de la IA

1. Sesgos y discriminación

• Problema: Los algoritmos de IA se entrenan con grandes volúmenes de datos. Si estos datos reflejan sesgos sociales, raciales o de género, la IA los aprende y amplifica, lo que puede llevar a resultados discriminatorios.

• Ejemplo: Un sistema de selección de personal que favorece a candidatos de cierto género porque se ha entrenado con datos de contrataciones históricas sesgadas. 

2. Falta de transparencia y explicabilidad

• Problema: Muchos modelos de IA, especialmente los más complejos, funcionan como "cajas negras", lo que significa que es difícil entender cómo llegan a sus conclusiones.

• Riesgo: Esta opacidad dificulta la validación de sus decisiones y la detección de errores o sesgos, especialmente en campos críticos como la medicina o la justicia. 

3. Desinformación y manipulación

• Problema: La IA puede usarse para crear y difundir información falsa a gran escala y de forma extremadamente realista (por ejemplo, los deepfakes), lo que podría desestabilizar la política y erosionar la confianza pública.

• Riesgo: La manipulación de la información puede influir en procesos electorales o en la opinión pública. 

4. Privacidad y seguridad

• Problema: Los sistemas de IA requieren enormes cantidades de datos personales para funcionar, lo que plantea serias preocupaciones sobre la privacidad y el uso indebido de la información.

• Riesgo: La IA también puede ser utilizada con fines maliciosos, como para realizar ciberataques más sofisticados o para una vigilancia masiva. 

5. Impacto en el empleo

• Problema: La automatización impulsada por la IA puede llevar a la pérdida de puestos de trabajo en sectores que dependen de tareas repetitivas.

• Riesgo: Aunque la IA también crea nuevos empleos, la transición puede generar desempleo y desigualdad económica, requiriendo una adaptación significativa de la fuerza laboral. 

6. Riesgos existenciales y dependencia excesiva

• Problema: Existe la preocupación de que una dependencia excesiva de los sistemas de IA reduzca la capacidad humana de pensamiento crítico y resolución de problemas.

• Riesgo: En el escenario más extremo, algunos expertos alertan sobre la posibilidad de perder el control sobre sistemas de IA cada vez más autónomos y capaces, lo que podría suponer un riesgo para la humanidad. 

7. Despersonalización e impacto social

• Problema: El uso de IA en áreas como la atención médica puede reducir la interacción y conexión humana, reemplazando la empatía con la eficiencia.

• Riesgo: Esto podría llevar a una despersonalización de los servicios y a la pérdida de habilidades sociales importantes. 

8. Problemas ambientales

• Problema: La alta demanda de energía de los centros de datos que albergan servidores de IA tiene un impacto significativo en el medio ambiente.

• Riesgo: El consumo de agua y la generación de residuos electrónicos son problemas crecientes asociados al desarrollo y la operación de la IA.

¿Cómo funciona?

• Aprendizaje automático:

  La IA utiliza algoritmos para "aprender" de datos en lugar de ser programada explícitamente para cada tarea. 

• Procesamiento de datos:

  Los sistemas de IA son capaces de procesar, comprender y generar datos, ya sea en forma de texto, imágenes o audio. 

• Patrones y reglas:

  A través del aprendizaje, la IA identifica patrones y establece reglas para poder realizar predicciones y toma de decisiones. 

¿Para qué se usa?

• Asistentes personales:

  Permiten el reconocimiento de voz y la traducción de idiomas. 

• Recomendaciones:

  Analizan datos de los usuarios para ofrecer recomendaciones personalizadas en compras y contenido. 

• Automatización:

  Ayuda a automatizar tareas repetitivas y flujos de trabajo, mejorando la eficiencia. 

• Análisis de datos:

  Permite el procesamiento de grandes volúmenes de datos para obtener información valiosa. 

Gemini es una familia de modelos de inteligencia artificial (IA) multimodal desarrollada por Google que procesa texto, imágenes, audio y más, para potenciar herramientas como el asistente Gemini, Gmail, Google Drive y Google Fotos. Sirve para simplificar y optimizar tareas, generar ideas, escribir, planificar y encontrar información de manera eficiente al interactuar con tus datos y las aplicaciones de Google. 

¿Qué es Gemini y cómo funciona?

• Modelos de IA multimodales:

  Gemini no es solo un chatbot, sino una familia de modelos (Nano, Pro, Ultra) que son capaces de procesar y generar diferentes tipos de información, como texto, imágenes, código y video. 

• Interacción con tus aplicaciones:

  Se integra con Gmail, Google Drive, Google Fotos y otras aplicaciones de Google para ayudarte a encontrar información, resumir contenidos y organizar tu vida sin cambiar de aplicación. 

• Asistente personal:

  A través de la aplicación Gemini, puedes usar la voz para hacer preguntas, dar instrucciones, escribir correos, crear resúmenes, planificar viajes y más. 

Funciones clave de Gemini:

• Escribir y crear:

  Te ayuda a redactar textos, intercambiar ideas, generar contenido creativo y transformar tus ideas en imágenes y videos. 

• Organizar y planificar:

  Puede ayudarte a planificar vacaciones, organizar tu hogar, poner alarmas y controlar la música en tus dispositivos. 

• Buscar y resumir:

  Accede a tu información personal de Gmail, Google Drive, etc., para resumir contenido, encontrar rápidamente lo que necesitas o responder a tus preguntas. 

• Integración con el ecosistema de Google:

  Gemini se está integrando en diversos productos de Google, incluyendo su motor de búsqueda, convirtiéndose en un asistente personal para el día a día. Ejemplos de inteligencia artificial incluyen asistentes virtuales como Siri y Alexa, sistemas de recomendación en Netflix y Spotify, chatbots de atención al cliente, vehículos autónomos como coches sin conductor, y software de reconocimiento facial en teléfonos. La IA también se usa para la traducción automática, la creación de contenido (texto, video), la ciberseguridad y el análisis de datos para predecir resultados. 

  En la vida diaria

  • Asistentes virtuales: Siri, Google Assistant y Alexa, que entienden y responden a comandos de voz. 

  • Plataformas de streaming: Netflix, Spotify y otras que recomiendan contenido basado en tus preferencias. 

  • Redes sociales: Algoritmos que personalizan las notificaciones y el contenido que ves. 

  • Reconocimiento facial: En teléfonos móviles para el desbloqueo y en la seguridad de dispositivos. 

  • Traducción automática: Herramientas que traducen texto o voz entre diferentes idiomas. 

  En la tecnología y la industria

  • Chatbots: Programas que ayudan a los clientes, responden preguntas frecuentes y automatizan tareas. 

  • Vehículos autónomos: Coches que pueden conducirse solos utilizando IA para la navegación. 

  • Modelado predictivo: Análisis de datos para prever resultados en áreas como medicina o ventas. 

  • Ciberseguridad: Sistemas que detectan y previenen ataques cibernéticos analizando redes. 

  • Automatización: Robots, como aspiradoras, o sistemas que realizan tareas repetitivas para aumentar la eficiencia. 

  En la creación de contenido

  • Generadores de texto: Modelos como GPT que redactan, resumen y traducen textos. 

  • Creación de imágenes y videos: Software que produce contenido visual y audiovisual. 

  • Asistentes de programación: Herramientas que ayudan a escribir y depurar código. Ejemplos de inteligencia artificial incluyen asistentes virtuales como Siri y Alexa, sistemas de recomendación en Netflix y Spotify, chatbots de atención al cliente, vehículos autónomos como coches sin conductor, y software de reconocimiento facial en teléfonos. La IA también se usa para la traducción automática, la creación de contenido (texto, video), la ciberseguridad y el análisis de datos para predecir resultados. 

    En la vida diaria

    • Asistentes virtuales: Siri, Google Assistant y Alexa, que entienden y responden a comandos de voz. 

    • Plataformas de streaming: Netflix, Spotify y otras que recomiendan contenido basado en tus preferencias. 

    • Redes sociales: Algoritmos que personalizan las notificaciones y el contenido que ves. 

    • Reconocimiento facial: En teléfonos móviles para el desbloqueo y en la seguridad de dispositivos. 

    • Traducción automática: Herramientas que traducen texto o voz entre diferentes idiomas. 

    En la tecnología y la industria

    • Chatbots: Programas que ayudan a los clientes, responden preguntas frecuentes y automatizan tareas. 

    • Vehículos autónomos: Coches que pueden conducirse solos utilizando IA para la navegación. 

    • Modelado predictivo: Análisis de datos para prever resultados en áreas como medicina o ventas. 

    • Ciberseguridad: Sistemas que detectan y previenen ataques cibernéticos analizando redes. 

    • Automatización: Robots, como aspiradoras, o sistemas que realizan tareas repetitivas para aumentar la eficiencia. 

    En la creación de contenido

    • Generadores de texto: Modelos como GPT que redactan, resumen y traducen textos. 

    • Creación de imágenes y videos: Software que produce contenido visual y audiovisual. 

    • Asistentes de programación: Herramientas que ayudan a escribir y depurar código. 

Además, la IA mejora la experiencia del cliente al ofrecer servicios personalizados y atención las 24 horas. En el ámbito de la salud, contribuye a diagnósticos más precisos y a la seguridad del paciente. Finalmente, al automatizar procesos, reduce costos operativos y facilita la innovación, liberando a las personas para que se concentren en trabajos más estratégicos y creativos. 

1. Sesgo y discriminación: La IA puede replicar prejuicios humanos al aprender de datos sesgados, lo que lleva a resultados injustos.
2. Privacidad y desinformación: Requiere muchos datos personales, lo que aumenta los riesgos de violación de la privacidad. También puede generar contenido falso, como deepfakes, que socava la confianza.
3. Pérdida de control: La automatización de empleos puede llevar al desplazamiento laboral. Además, hay desafíos éticos por la falta de transparencia en sus decisiones y la posible pérdida de control sobre sistemas autónomos

• Aprender (adquirir conocimientos o patrones a partir de datos).

• Razonar (resolver problemas o tomar decisiones).

• Percibir (reconocer imágenes, sonidos o textos).

• Comprender el lenguaje (interpretar y generar lenguaje natural).

• Actuar de forma autónoma (por ejemplo, conducir un vehículo o jugar ajedrez).

Existen varios tipos de IA:

1. 🧩 IA débil o estrecha: está diseñada para realizar una tarea específica (por ejemplo, un asistente virtual, un traductor automático o un sistema de recomendación).

2. 🧠 IA fuerte o general: sería capaz de entender, razonar y aprender cualquier cosa que un ser humano pueda hacer —aún no existe, pero es un objetivo de investigación.

En resumen, la IA combina matemáticas, programación, estadística y neurociencia para crear máquinas que “piensan” o simulan la inteligencia humana.

• Década de 1940: Con la invención de las primeras computadoras electrónicas (como ENIAC), los científicos comenzaron a pensar si una máquina podía “pensar”.

• Alan Turing (1950): publica “Computing Machinery and Intelligence”, donde plantea la famosa Prueba de Turing, una forma de evaluar si una máquina puede exhibir inteligencia similar a la humana.

• 1951: Se crean los primeros programas que jugaban ajedrez y damas.

• 2. Nacimiento de la IA moderna (1956–1974)

  • 1956: En la conferencia de Dartmouth College (EE.UU.), John McCarthy acuña el término “Artificial Intelligence” (Inteligencia Artificial).

  • Surgen los primeros programas simbólicos, que usaban reglas lógicas para resolver problemas (por ejemplo, el programa Logic Theorist de Newell y Simon).

  • Se pensaba que pronto las máquinas alcanzarían la inteligencia humana.

  • 3. Primer invierno de la IA (1974–1980)

    • Los sistemas eran lentos y requerían mucha memoria, algo escaso en esa época.

    • Las expectativas no se cumplieron, y el financiamiento se redujo drásticamente.

    💡 4. Renacimiento con los sistemas expertos (1980–1987)

    • Aparecen los sistemas expertos, programas diseñados para imitar la toma de decisiones de un especialista (por ejemplo, en medicina o ingeniería).

    • Empresas como XCON (Digital Equipment Corporation) mostraron que la IA podía ser útil comercialmente.

    • Sin embargo, el alto costo de mantenimiento llevó a un nuevo declive.

    • 5. Segundo invierno de la IA (1987–1993)

      • El entusiasmo volvió a caer: los sistemas eran frágiles y no podían aprender.

      • El interés se mantuvo solo en investigación académica.

      🔥 6. El resurgimiento con el aprendizaje automático (1990–2010)

      • Con más potencia de cómputo y grandes cantidades de datos, surge el machine learning (aprendizaje automático).

      • Los algoritmos empezaron a aprender patrones sin ser programados explícitamente.

      • 1997: Deep Blue de IBM derrota al campeón mundial de ajedrez Garry Kasparov —un gran hito.

      • 7. La era del aprendizaje profundo (2010–presente)

        • Con el auge de las redes neuronales profundas (deep learning), la IA logra grandes avances:

          • Reconocimiento de voz e imágenes.

          • Traducción automática.

          • Asistentes virtuales (Siri, Alexa, ChatGPT, etc.).

        • 2016: AlphaGo de Google DeepMind vence al campeón mundial de Go, un logro histórico.

        • En la actualidad, la IA se usa en medicina, transporte, educación, arte y muchos otros campos.

        • 8. Futuro de la IA

          • Se investiga la IA general (AGI), capaz de razonar y aprender como un ser humano.

          • También surgen debates éticos sobre empleo, privacidad, y el uso responsable de la tecnología.

Unidad básica Neurona biológica.

Cantidad Aproximadamente 86 mil millones de neuronas.

Estructura Cada neurona tiene dendritas (reciben señales), un soma (procesa la señal) y un axón (envía señales a otras neuronas).

Comunicación Las neuronas se comunican mediante impulsos eléctricos y neurotransmisores químicos en las sinapsis.

Aprendizaje Se basa en el refuerzo o debilitamiento de las conexiones sinápticas: “las neuronas que se activan juntas, se conectan juntas”.

VelocidadMuy lenta (milisegundos por señal), pero altamente paralela (millones de procesos a la vez).

EnergíaExtremadamente eficiente: el cerebro usa solo unos 20 vatios.

💻 2. En la computadora (red neuronal artificial)

AspectoDescripción

Unidad básica“Neurona artificial” o nodo matemático.

CantidadPuede tener desde unas pocas hasta miles de millones de nodos (en modelos grandes).

Estructura Cada nodo recibe valores numéricos (entradas), los multiplica por pesos, los suma, y pasa el resultado por una función de activación.

Comunicación Es puramente numérica: las conexiones son pesos que representan la fuerza de relación entre nodos.

Aprendizaje Se ajustan los pesos mediante un proceso llamado retropropagación (backpropagation) y gradiente descendente, para reducir el error.

Velocidad Muy rápida en operaciones individuales, pero aún limitada por el hardware.

Energía Consume mucha más energía que un cerebro humano, aunque se están optimizando los chips (GPU, TPU, neuromórficos).

Usan procesamiento del lenguaje natural para entender y responder al usuario.

• 🗣️ Siri (Apple)

• 💬 Alexa (Amazon)

• 🎧 Google Assistant

• 💻 Cortana (Microsoft)

• 🧠 ChatGPT (OpenAI)

🧩 2. IA en redes sociales

Analizan grandes volúmenes de datos para personalizar contenido.

• Facebook / Instagram: Reconocimiento facial y selección de publicaciones.

• TikTok: Algoritmo de recomendación de videos según tus gustos.

• Twitter/X: Detección de spam y contenido inapropiado.

• 🚗 3. IA en transporte

  Usan sensores, cámaras y algoritmos para tomar decisiones.

  • Tesla Autopilot: Conduce de forma semiautónoma.

  • Waymo (Google): Vehículos totalmente autónomos.

  • Waze / Google Maps: Aprenden patrones de tráfico y optimizan rutas.

  💼 4. IA en empresas y servicios

  Optimiza procesos y decisiones.

  • IBM Watson: Analiza datos complejos y responde preguntas (usado en medicina y negocios).

  • Salesforce Einstein: Predice ventas y comportamientos de clientes.

  • SAP Leonardo: IA para gestión empresarial y automatización.

Usan sensores, cámaras y algoritmos para tomar decisiones.

• Tesla Autopilot: Conduce de forma semiautónoma.

• Waymo (Google): Vehículos totalmente autónomos.

• Waze / Google Maps: Aprenden patrones de tráfico y optimizan rutas.

💼 4. IA en empresas y servicios

Optimiza procesos y decisiones.

• IBM Watson: Analiza datos complejos y responde preguntas (usado en medicina y negocios).

• Salesforce Einstein: Predice ventas y comportamientos de clientes.

• SAP Leonardo: IA para gestión empresarial y automatización.

👉 En otras palabras, un prompt es lo que escribís o decís para que la IA entienda qué querés que haga.

🧩

Ejemplos de prompts:

• “Escribí un resumen sobre el Palacio de Versalles.”

• “Traducí este texto al inglés.”

• “Haceme una lista de los planetas del sistema solar.”

💡

Tipos de prompts:

• Simples: una instrucción corta (“Definí inteligencia artificial”).

• Detallados: incluyen contexto, tono o formato (“Explica la IA como si fuera para un niño, en 3 oraciones”).

Precursores y conceptualización

• Antigüedad:

  Los mitos griegos y los autómatas mecánicos ya planteaban la idea de objetos que actuaban por sí mismos. 

• Siglo XIX:

  Ada Lovelace y Charles Babbage sentaron las bases de la programación y la idea de una máquina que podía seguir instrucciones. 

• Años 50:

  Alan Turing propuso el "test de Turing" para evaluar la inteligencia de las máquinas y se consideró la base teórica para la IA moderna. 

Nacimiento formal y los años dorados (1950-1970) 

• 1956:

  La conferencia de Dartmouth marca el nacimiento formal de la IA como campo de estudio y el término fue acuñado por John McCarthy. 

• Años 50-60:

  Se desarrollan los primeros programas informáticos con objetivos de IA, como el General Problem Solver (1957) y el primer software de ajedrez (1958). 

• 1958:

  Frank Rosenblatt crea el Perceptrón, uno de los primeros modelos de redes neuronales artificiales. 

• 1966:

  Joseph Weizenbaum crea ELIZA, un programa que simulaba una conversación con un psicoterapeuta, considerado uno de los primeros chatbots. 

El "Invierno de la IA" y la recuperación (1970-1990) 

• 1970s-1980s:

  Se conoce como el "Invierno de la IA" debido a la falta de avances prácticos y a las promesas incumplidas, lo que llevó a una disminución de la financiación.

• 1980s:

  Se produce un resurgimiento del interés con el auge del aprendizaje automático y la invención de la retropropagación (1986) para entrenar redes neuronales más complejas. 

La era de los grandes logros y el aprendizaje profundo (1990-presente)

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

• 2011: Apple lanza Siri, popularizando a los asistentes de voz con IA. 

• 2012: Una red

Características y capacidades principales

• Generación de texto: Crea contenido coherente como artículos, correos electrónicos, historias y otros textos. 

• Responder preguntas: Proporciona explicaciones detalladas y respuestas a preguntas sobre una amplia variedad de temas. 

• Resumir y editar: Puede resumir textos extensos, como artículos e informes, y reescribir o editar texto existente. 

• Traducción y asistencia lingüística: Ayuda a traducir entre diferentes idiomas. 

• Programación: Puede generar y depurar código en varios lenguajes de programación. 

• Creatividad y resolución de problemas: Ofrece ideas creativas, ayuda a la lluvia de ideas, asiste en la toma de decisiones y resuelve problemas. 

Cómo funciona

• Modelo de lenguaje grande (LLM):

  Se basa en la arquitectura GPT (Generative Pre-trained Transformer), que está diseñada para comprender el contexto de grandes cantidades de texto.

• Comprensión:

  El modelo interpreta el significado y la intención de la entrada del usuario transformándola en una representación numérica.

• Generación:

  Utiliza este contexto para predecir la secuencia de palabras más probable y generar una respuesta coherente y relevante

  
  

  ChatGPT tiene una versión gratuita y opciones de pago. La versión gratuita es para usos básicos, mientras que las suscripciones de pago ofrecen ventajas como acceso prioritario, modelos más avanzados, y funciones adicionales como la generación de imágenes y análisis de archivos. 

👉 Ejemplo sencillo:
Cuando tu celular reconoce tu voz para escribir un mensaje o cuando YouTube te recomienda videos parecidos a los que ya viste.

👉 Ejemplo sencillo:
Cuando tu celular reconoce tu voz para escribir un mensaje o cuando YouTube te recomienda videos parecidos a los que ya viste.

Hitos importantes:

• 🧩 1956: Nace oficialmente el término “Inteligencia Artificial”.

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

• 🤖 2011: Watson, otra IA de IBM, gana el concurso de preguntas “Jeopardy!”.

• 🧠 Hoy: Existen IAs como ChatGPT, Gemini o Copilot que pueden conversar, crear textos, imágenes o ayudar en trabajos complejos.

En el cerebro humano:
Las neuronas se conectan entre sí y envían señales eléctricas para procesar información y aprender.

En una computadora:
Las “neuronas artificiales” son programas matemáticos conectados que reciben datos, los procesan y aprenden a reconocer patrones (por ejemplo, identificar una cara en una foto o traducir un texto).

✅ Usos o ventajas:

• Ayuda a hacer tareas más rápido y con menos esfuerzo.

• Se usa en educación, salud, traducción de idiomas y atención al cliente.

• Permite crear imágenes, textos o música.

• Mejora la seguridad y el análisis de datos.

⚠️ Riesgos o problemas:

• Puede dar información falsa o sesgada.

• Algunas personas pueden perder trabajos por la automatización.

• Riesgos de falta de privacidad o mal uso de datos.

• Puede usarse para engañar o manipular (como en noticias falsas o “deepfakes”).

Un prompt es la instrucción o pregunta que le escribes a una Inteligencia Artificial (como ChatGPT) para que entienda lo que quieres que haga.

Sirve para:
👉 Darle una orden clara a la IA y obtener una respuesta útil y precisa.

Ejemplo:
Prompt: “Escribe un poema corto sobre el mar en tono alegre.”
➡️ La IA genera un poema con esas características.