Resumen de Fundamentos de Informática y Tecnologías Digitales

## Introducción La **Inteligencia Artificial (IA)** es una disciplina que integra diversas áreas del conocimiento para construir sistemas capaces de realizar tareas que, cuando las realizan humanos, requieren inteligencia. Este material explica conceptos clave, su evolución, tipos de IA, herramientas como ChatGPT y técnicas de diseño de instrucciones (prompts), con ejemplos y aplicaciones prácticas pensadas para estudiantes que no asisten a clases presenciales. > **Definición:** La Inteligencia Artificial es una disciplina que integra matemática, estadística, informática, ciencia de datos y neurociencia para diseñar sistemas capaces de percibir, razonar, aprender y actuar en entornos diversos. ## Historia y hitos principales ### Primeros conceptos - Alan Turing propuso ideas fundamentales sobre máquinas capaces de simular el pensamiento humano. - John McCarthy acuñó el término “Inteligencia Artificial” y promovió la disciplina. > **Definición:** Test de Turing: método para evaluar si una máquina puede mostrar un comportamiento indistinguible del humano en una conversación. ### Avances clave por décadas - Años 50-60: surgimiento del campo y primeros programas simbólicos. - Años 80: desarrollo y uso de **sistemas expertos**, basados en bases de conocimiento y reglas lógicas. - Años 90: renacimiento de la IA por mayor potencia de cálculo y digitalización de datos. - 1997: **Deep Blue** vence a Garry Kasparov en ajedrez. - 2011: **Watson** gana Jeopardy. - Última década: auge del **Deep Learning** y modelos generativos (GANs, Transformers) impulsados por Big Data. Fun fact: El triunfo de Deep Blue en 1997 demostró la ventaja de algoritmos especializados y recursos computacionales sobre la intuición humana en ajedrez. ## Disciplinas que componen la IA - **Matemática**: álgebra lineal, cálculo, probabilidad. - **Estadística**: inferencia, estimación, modelos probabilísticos. - **Informática**: estructuras de datos, algoritmos, eficiencia. - **Ciencia de datos**: preparación y análisis de datos, visualización. - **Neurociencia**: inspiración para redes neuronales. ## Tipos de IA (clasificación por alcance) | Tipo | Descripción | Ejemplo | |---|---:|---| | IA débil (estrecha) | Diseñada para tareas específicas | Siri, sistemas de recomendación | | IA general (fuerte) | Capaz de aprender múltiples tareas sin reprogramación humana | Concepto teórico aún no logrado | | Súper IA | Superaría la inteligencia humana en todos los ámbitos | Concepto teórico | > **Definición:** IA débil: sistemas orientados a tareas concretas, sin conciencia ni comprensión general. Did you know que ChatGPT se considera una IA débil porque está entrenada para generar lenguaje coherente dentro de su contexto de entrenamiento y no posee comprensión o conciencia general? ## Modelos y técnicas importantes ### Redes neuronales y Deep Learning - **Deep Learning** utiliza redes neuronales profundas para aprender representaciones jerárquicas de datos. - Las redes **LSTM** permiten retener información a largo plazo en secuencias (útiles en PLN y series temporales). - **Redes generativas (GANs)**: modelo generador vs discriminador para crear imágenes realistas. > **Definición:** Deep Learning: uso de redes neuronales con múltiples capas para modelar relaciones complejas en los datos. ### Transformers y GPT - **GPT** significa **Generative Pre-trained Transformer**: modelos basados en la arquitectura Transformer que generan texto fluido. - Entrenamiento: pre-entrenamiento con grandes volúmenes de texto y ajuste fino para tareas específicas. ### Limitaciones y progreso - Modelos como **GPT-3** tenían conocimiento limitado a datos previos a una fecha de corte. - ChatGPT no navega por Internet en tiempo real (a menos que se habilite la función) y su precisión depende de los datos y del prompt. ## Procesamiento del Lenguaje Natural (PLN) - Objetivo: lograr que las computadoras comprendan y generen lenguaje humano de forma útil. - Áre