Por ejemplo realiza tareas escolares.

• 1950: Alan Turing se pregunta si las máquinas pueden pensar.

• 1956: Nace el término Inteligencia Artificial.

• 1960-70: Primeros programas y robots básicos.

• 1980-90: Avances lentos (invierno de la IA).

• 2000 en adelante: Crece rápido con internet y hoy está en traductores, autos, celulares y asistentes como ChatGPT.

Falta de creatividad propia por que la IA imita pero no siente ni crea como un humano

y evoluciona con avances como el aprendizaje automático en los 80, el aprendizaje profundo a parti de 2010 y la explotacion de la IA generativa

Un ejemplo cotidiano es cómo tu servicio de email utiliza la IA para reconocer y mover correos de spam a una carpeta separada, protegiendo tu bandeja de entrada de mensajes no deseados. 

un ejemplo es gemini ai

Orígenes y Primeros Pasos (Década de 1950)

• Alan Turing:

  Su artículo de 1950, "¿Las máquinas pueden pensar?", propuso el Test de Turing, una prueba para determinar la inteligencia de una máquina. 

• Conferencia de Dartmouth (1956):

  Fue en esta conferencia donde John McCarthy y otros fundadores definieron la IA y acuñaron el término. 

• Perceptrón:

  Frank Rosenblatt inventó el Perceptrón, el primer algoritmo de redes neuronales, un paso fundamental para el aprendizaje automático. 

Primer "Invierno" de la IA (Décadas de 1970 y principios de 1980) 

• Falta de Avances Prácticos: El optimismo inicial disminuyó debido a la falta de resultados y aplicaciones prácticas, lo que llevó a una reducción de la financiación y el interés en la IA.

Resurgimiento y Desarrollo (Años 80 y 90)

• Retropropagación:

  La introducción del algoritmo de retropropagación en 1986 permitió entrenar redes neuronales multicapa, superando las limitaciones del Perceptrón y sentando las bases para el deep learning. 

• Sistemas Expertos:

  Se desarrollaron sistemas expertos, que intentaban emular la toma de decisiones humanas en campos específicos, mostrando la viabilidad práctica de la IA. 

• Avances en Computación:

  La creciente potencia de los microprocesadores y la disponibilidad de datos impulsaron la evolución de los algoritmos y la integración de la IA en la vida cotidiana. 

La Era del Deep Learning y la IA Moderna (Desde 2000)

• Deep Learning:

  El desarrollo del aprendizaje profundo, que utiliza redes neuronales con muchas capas, revolucionó campos como el reconocimiento de imágenes y el procesamiento del lenguaje natural. 

• Hitos Importantes:

  • Deep Blue (1997): Derrotó al campeón mundial de ajedrez, Gary Kasparov. 

  • AlphaGo (2015): Venció a un profesional en el juego de Go. 

  • Modelos Transformadores: El desarrollo de modelos como los de OpenAI (GPT) impulsó el procesamiento del lenguaje natural y los modelos de IA generativa, como el actual ChatGPT. 

• IA Generativa y Autónoma:

  La IA ha avanzado en la creación de contenido (imágenes, música) y en el desarrollo de sistemas autónomos como los vehículos de Tesla y los drones. 

• Impacto en Diversos Sectores:

  La IA se ha aplicado en la medicina para diagnóstico y tratamiento, en la logística y en el sector financiero, demostrando su amplia aplicabilidad. 

Un Hito importante es que en 1997, la computadora Deep Blue de IBM vencio al campeon mundial de ajedrez Garry Kasparov. Fue la primera vez que una maquina supero a un humano en un juego considerado simbolo de la inteligencia estrategica.

El cerebro es un órgano biológico que procesa información de forma electroquímica, utilizando la experiencia, la memoria y las emociones para generar aprendizaje, razonamiento y toma de decisiones. 

Cómo funciona:

• Neuronas: Miles de millones de neuronas (células nerviosas) se comunican entre sí a través de conexiones llamadas sinapsis. La información se transmite mediante señales electroquímicas.

• Plasticidad: La capacidad del cerebro para cambiar y adaptarse, conocida como plasticidad, permite formar nuevas conexiones neuronales a medida que se aprende, se recuerdan cosas y se crean nuevos pensamientos.

• Procesamiento: La información sensorial se procesa en múltiples capas del cerebro, cada una extrayendo diferentes características, hasta que se reconoce un objeto o concepto. El hipocampo, por ejemplo, es crucial para la memoria.

• Eficiencia energética: El cerebro es excepcionalmente eficiente en el uso de energía, consumiendo menos energía que una computadora para realizar tareas complejas.

• Inconsciencia y emoción: A diferencia de la IA actual, el cerebro humano procesa el contexto social, las emociones y tiene conciencia y autoconsciencia. 

La inteligencia artificial en una computadora: un sistema computacional

La IA imita la inteligencia humana utilizando hardware y software especializados. Su funcionamiento se basa en la programación y el procesamiento de grandes volúmenes de datos para encontrar patrones, tomar decisiones y generar respuestas. 

Cómo funciona:

• Redes neuronales artificiales: El método más importante de la IA se inspira en el cerebro biológico, utilizando neuronas artificiales (fragmentos de software) organizadas en capas.

• Entradas y salidas: Cada neurona artificial recibe una entrada de la capa anterior, realiza un cálculo matemático y envía una señal a la siguiente capa. La fuerza de la conexión entre neuronas se ajusta para mejorar el resultado.

• Aprendizaje automático: Mediante algoritmos, la IA aprende a identificar patrones a partir de la información que se le proporciona. El sistema ajusta sus parámetros para minimizar errores y mejorar su precisión.

• Velocidad y precisión: La IA es extremadamente rápida y precisa para procesar grandes cantidades de datos, identificar relaciones que los humanos podrían pasar por alto y automatizar tareas repetitivas.

• Hardware especializado: La computación de la IA requiere hardware especializado (como procesadores de IA o GPU) para manejar los procesos complejos de las redes neuronales. 

• 
  

Usos de la IA

En la vida cotidiana: 

• Asistentes virtuales: Como Siri, Alexa y Google Assistant, que ayudan con tareas diarias, información y control de dispositivos.

• Recomendaciones personalizadas: En plataformas de streaming como Netflix y Spotify, que sugieren contenido basado en el historial del usuario.

• Filtros de correo electrónico: Los detectores de spam utilizan IA para identificar y bloquear correos no deseados.

• Vehículos autónomos: Los coches que se conducen solos dependen de la IA para la navegación, el reconocimiento de obstáculos y la toma de decisiones. 

En la salud: 

• Diagnóstico médico: La IA analiza imágenes médicas (como radiografías y resonancias magnéticas) para detectar enfermedades y anomalías con gran precisión.

• Descubrimiento de fármacos: Acelera la investigación al identificar nuevas moléculas y terapias.

• Medicina personalizada: Permite tratamientos más precisos y efectivos adaptados a las características genéticas de cada paciente. 

En la productividad y la creatividad: 

• Automatización de tareas: Simplifica procesos repetitivos en la industria, la banca y otras áreas, liberando a las personas para trabajos más complejos.

• Generación de contenido: Herramientas como ChatGPT y Mubert crean textos, imágenes y música originales para diversos fines.

• Análisis de datos: La IA procesa enormes volúmenes de datos con rapidez para encontrar patrones y relaciones que serían imposibles de identificar para los humanos. 

Riesgos de la IA

Éticos y sociales: 

• Sesgos y discriminación: Si se entrena la IA con datos sesgados, puede perpetuar y amplificar la discriminación existente, por ejemplo en los procesos de selección de personal o en el sistema judicial.

• Falta de transparencia: A menudo es difícil entender cómo una IA toma sus decisiones ("el problema de la caja negra"), lo que dificulta la rendición de cuentas.

• Desinformación y manipulación: La IA generativa puede crear deepfakes y textos falsos muy convincentes, facilitando la propagación de noticias falsas y la manipulación de la opinión pública.

• Pérdida de empleos: La automatización impulsada por la IA puede desplazar trabajos que implican tareas repetitivas o rutinarias. 

Seguridad y privacidad: 

• Vulneración de datos: Las aplicaciones de IA suelen recopilar grandes cantidades de datos personales, lo que aumenta el riesgo de filtraciones y de que los datos sean utilizados de forma indebida.

• Mal uso con fines maliciosos: La IA puede ser empleada para ciberataques más sofisticados, vigilancia masiva o desarrollo de armas autónomas.

• Riesgos de la IA generativa: Las empresas que utilizan IA generativa corren el riesgo de exponer públicamente secretos comerciales y datos de clientes si no cuentan con la supervisión adecuada. 

Dependencia tecnológica: 

• Deterioro de habilidades humanas: La dependencia excesiva de la IA podría llevar a una disminución de la capacidad humana para resolver problemas, pensar de forma crítica y ser creativos.

• Ausencia de empatía: En campos como la medicina, la IA carece del vínculo emocional necesario entre el profesional y el paciente, que es vital para la curación. 

• 
  

MidJourney es el nombre de uno de los sistemas de inteligencia artificial más populares que existen para crear imágenes a partir de texto, lo que se conoce como text to image. Pero además, también es el nombre que tiene el laboratorio independiente que investiga y crea esta IA.

La IA en computadora, en cambio, usa neuronas artificiales matemáticas que ajustan pesos con algoritmos. Aprende reconociendo patrones a partir de grandes cantidades de datos, procesa información sin emociones ni conciencia y consume mucha más energía. Su “creatividad” es estadística y limitada a lo que ya conoce.

El término se popularizó con el auge de la IA generativa, como los modelos de lenguaje (GPT) y los generadores de imágenes (DALL-E), donde la calidad del prompt influye directamente en el resultado obtenido. 

¿Qué tipos de prompts existen?

Los prompts no son solo preguntas, sino que pueden adoptar diferentes formatos dependiendo de la tarea: 

• Texto a texto: Se le pide a una IA que genere una respuesta en lenguaje natural.

  • Ejemplo: "Escribe un correo electrónico formal para solicitar una reunión con un cliente."

• Texto a imagen: Se le describe a una IA lo que debe dibujar o generar visualmente.

  • Ejemplo: "Un astronauta montando a caballo en un paisaje lunar, estilo foto realista".

• Texto a música: Se le indica a la IA qué tipo de música debe componer.

  • Ejemplo: "Música relajante para estudiar, con piano y cuerdas". 

La importancia de un buen prompt

La calidad del prompt es crucial para obtener una respuesta útil y precisa de la IA. Un prompt efectivo suele ser: 

• Claro y específico: Cuantos más detalles y contexto incluyas, mejor entenderá la IA tu intención.

• Estructurado: Algunos prompts incluso especifican el rol que debe asumir la IA, la tarea a realizar y las guías para la respuesta.

• Iterativo: El proceso de crear un prompt a menudo requiere varias interacciones. Puedes refinar tus instrucciones basándote en las respuestas previas de la IA. 

• 
  

-Estan formadas por neuronas biologicas conectadas por sinapsis.

-Cada neurona recibe señales electricas/quimicas, las procesa y decide si ¨dispara¨o no.

-El aprendizaje ocurre porque las conexiones se fortalecen o debilitan segun la experiencia.

-Permiten percibir, recordar, razonar y aprender de manera flexible y adaptativa.

Redes Neuronales en la computadora (IA):

-Estan hechas de neuronas artificial.

-El aprendizaje ocurre ajustado los pesos d esas conexiones mediante algoritmos.

-Se usan para reconocer imagenes ,traducir idiomas ,entender textos ,generar musica, etc.

Los usos de Midjourney son amplios y versátiles, abarcando desde la inspiración creativa hasta la producción comercial: 

• Creación artística: Artistas y diseñadores gráficos lo usan para generar obras de arte digital con estilos únicos, explorando nuevas estéticas y técnicas.

• Conceptualización: Arquitectos, diseñadores de productos y desarrolladores de juegos pueden visualizar ideas complejas rápidamente, creando bocetos e ilustraciones conceptuales en minutos.

• Marketing y publicidad: Se utiliza para generar imágenes de productos, campañas publicitarias y otros materiales visuales para marcas, ofreciendo una forma rápida y económica de crear contenido atractivo.

• Ilustración: Escritores, editores y creadores de contenido utilizan Midjourney para ilustrar historias, libros, blogs y artículos, proporcionando un acompañamiento visual a sus textos.

• Diseño de personajes: Desarrolladores de videojuegos y creadores de cómics pueden diseñar personajes y escenarios de forma eficiente, experimentando con diferentes estilos y características.

• Inspiración y exploración: Para cualquier persona, Midjourney es una herramienta poderosa para explorar ideas visuales y descubrir nuevas perspectivas creativas. 

Ventajas de Midjourney

Midjourney ofrece una serie de beneficios que lo distinguen como uno de los generadores de imágenes por IA más avanzados: 

• Calidad visual superior: Genera imágenes con un alto grado de detalle, realismo y un estilo estético refinado, superando a menudo a otros modelos similares.

• Flexibilidad de estilos: Permite personalizar las imágenes con diversos estilos artísticos, desde el fotorrealismo hasta la ilustración y el arte abstracto, a través de los parámetros del prompt.

• Control avanzado: A través de comandos y parámetros específicos, los usuarios pueden controlar aspectos como la relación de aspecto (--ar), la calidad (--quality) y otros detalles de la imagen.

• Rapidez y eficiencia: Acelera drásticamente el proceso de creación visual, permitiendo generar múltiples variantes de una idea en un corto periodo de tiempo.

• Fidelidad al prompt: Es conocido por seguir de manera precisa las indicaciones del usuario, logrando resultados que se ajustan estrechamente a la descripción textual.

• Comunidad activa: Su funcionamiento a través de Discord fomenta una comunidad activa de usuarios que comparten consejos, técnicas y ejemplos de sus creaciones. 

Desventajas a considerar

A pesar de sus puntos fuertes, Midjourney presenta algunas limitaciones: 

• Dificultad de precisión: Puede ser complicado lograr exactamente la imagen que se tiene en mente, especialmente si el concepto es muy complejo, ya que la herramienta no está diseñada para una precisión milimétrica.

• Salidas inconsistentes: La misma solicitud puede producir resultados diferentes, lo que dificulta la creación de una serie de imágenes con un estilo o características idénticas.

• Curva de aprendizaje: Aunque es fácil de usar, dominar la redacción de prompts para obtener resultados óptimos requiere práctica y paciencia.

• No es gratuito: Para un uso continuo, se requiere de una suscripción paga. 

-Runway ML sirve para crear y editar contenido audiovisual (videos e imágenes) usando Inteligencia Artificial, permitiendo a creadores de todos los niveles generar videos a partir de texto o imágenes, transformar estilos de video, generar imágenes nuevas, eliminar fondos, y más, automatizando tareas complejas y democratizando el acceso a la IA generativa. No es completamente gratuita, ya que ofrece un plan gratuito limitado con funciones básicas

• Acelerar el descubrimiento de fármacos: La capacidad de predecir con precisión la estructura de las proteínas permite a los investigadores diseñar medicamentos más eficaces que se dirijan a enfermedades específicas. Se ha utilizado en la investigación de tratamientos para el párkinson, el cáncer, la malaria y bacterias resistentes a fármacos.

• Comprender enfermedades: Al modelar las proteínas a nivel molecular, AlphaFold ayuda a entender cómo el mal plegamiento de las proteínas puede causar enfermedades neurodegenerativas como el alzhéimer y el párkinson.

• Impulsar la genómica: La predicción de cómo las variaciones genéticas afectan la estructura de las proteínas puede ayudar a identificar las mutaciones que causan enfermedades.

• Mejorar la agricultura y los materiales: Los conocimientos obtenidos de ayuda a entender cómo el mal plegamiento de las proteínas puede causar enfermedades neurodegenerativas como el alzhéimer y el párkinson.

• Impulsar la genómica: La predicción de cómo las variaciones genéticas afectan la estructura de las proteínas puede ayudar a identificar las mutaciones que causan enfermedades.

• Mejorar la agricultura y los materiales: Los conocimientos obtenidos de AlphaFold pueden aplicarse al desarrollo de cultivos más resistentes o a la creación de materiales renovables.

• Democratizar la investigación: AlphaFold pone a disposición de la comunidad científica una vasta base de datos de estructuras proteicas, lo que permite a investigadores de todo el mundo acelerar sus descubrimientos sin costosos experimentos. 

Riesgos y limitaciones de AlphaFold

• Mal uso potencial (riesgo de doble uso): Un riesgo ético significativo es que la capacidad de predecir la estructura de moléculas biológicas podría ser utilizada por actores maliciosos para diseñar nuevos patógenos o toxinas.

• Predicciones estáticas: AlphaFold predice una única estructura estática y no captura el comportamiento dinámico y las múltiples conformaciones que las moléculas pueden adoptar en entornos biológicos.

• Confianza variable: El modelo predice algunas regiones de las proteínas con menor confianza, especialmente las que son intrínsecamente desordenadas o dinámicas. Los investigadores deben ser conscientes de estas incertidumbres en los modelos.

• "Alucinaciones" del modelo: En AlphaFold 3, el uso de técnicas de difusión puede hacer que el modelo genere estructuras plausibles pero que no pueden existir en la realidad. Aunque se ha mitigado, el problema no ha sido eliminado por completo.

• Restricciones de acceso: A diferencia de la versión anterior, el acceso al código completo de AlphaFold 3 es restringido. DeepMind ha optado por ofrecer un servidor web con limitaciones, lo que ha generado debate en la comunidad científica sobre la transparencia y el acceso al avance.

• Ignora elementos no proteicos: AlphaFold se centra principalmente en la estructura proteica y no predice la posición de elementos no proteicos que pueden ser cruciales para su función, como ligandos o iones. 

-la automatización de tareas, el aumento de la eficiencia y la precisión, la personalización de servicios, y la capacidad para resolver problemas complejos en sectores como la salud y la ciberseguridad.

riesgos o problemas:

-presenta riesgos como la pérdida de empleos humanos, los sesgos algorítmicos, la falta de emoción y creatividad, el acceso no regulado a los datos y la posibilidad de un uso indebido. 

Un prompt sirve para dar instrucciones o pedirle algo a un sistema de inteligencia artificial o a una computadora, guiando su respuesta y permitiendo obtener resultados específicos y útiles.