Resumen de Introducción a la Inteligencia Artificial

## Introducción La Inteligencia Artificial (IA) es una disciplina científica que integra matemáticas, estadística, informática, ciencia de datos y neurociencia para diseñar sistemas capaces de realizar tareas que normalmente requieren inteligencia humana. Este material está pensado para estudiantes no presenciales y explica la historia, clasificación, aplicaciones y conceptos fundamentales de la IA, con ejemplos prácticos y comparaciones claras. > Definición: La Inteligencia Artificial es la disciplina que busca diseñar sistemas capaces de percibir, aprender, razonar y tomar decisiones en función de datos y modelos. ## 1. Breve recorrido histórico ### Orígenes teóricos (décadas de 1930–1950) - Alan Turing propuso la idea de una "máquina universal" capaz de simular cualquier función matemática. - En los años 50 John McCarthy acuñó el término "Inteligencia Artificial" y se formalizó el campo. ### Sistemas expertos y primeras aplicaciones (1960–1970) - Se desarrollaron sistemas basados en bases de conocimiento y reglas lógicas para tareas concretas (medicina, ingeniería). ### Aprendizaje automático inicial (década de 1980) - Aparecen algoritmos como árboles de decisión y redes neuronales artificiales sencillas. - Limitaciones computacionales redujeron su alcance en esa época. ### Renacimiento y agentes inteligentes (1990) - Mayor capacidad de cómputo y digitalización de datos impulsaron el desarrollo de agentes autónomos. - Avances como LSTM permitieron procesar información a largo plazo. - Ejemplo histórico: victoria de una supercomputadora contra un campeón humano en ajedrez. ### Aprendizaje profundo y expansión (2000–presente) - Redes neuronales profundas mejoran reconocimiento de patrones y procesamiento de datos complejos. - IA aplicada a visión por computadora, generación de imágenes, robótica, medicina y finanzas. - Se trabaja cada vez más en la ética y la responsabilidad del uso de IA. Did you know que el sistema Watson de IBM demostró en 2011 la capacidad de una IA para comprender y responder preguntas complejas en lenguaje natural al ganar el concurso Jeopardy!? ## 2. Conceptos fundamentales desglosados ### ¿Qué es un algoritmo de IA? - Un algoritmo de IA es un conjunto de instrucciones matemáticas y lógicas que transforma datos de entrada en una salida útil (clasificación, predicción, decisión). > Definición: Algoritmo de IA es un procedimiento computacional que optimiza una función objetivo a partir de datos. Elementos clave: - Datos: observaciones, etiquetas, señales sensoriales. - Modelo: estructura matemática que relaciona entradas y salidas. - Función de pérdida: mide qué tan lejos está la predicción del objetivo. - Optimización: proceso para ajustar parámetros del modelo. ### Tipos de aprendizaje - Aprendizaje supervisado: el modelo aprende a partir de pares entrada-salida etiquetados. - Aprendizaje no supervisado: busca patrones en datos sin etiquetas. - Aprendizaje por refuerzo: un agente aprende tomando acciones que maximizan una recompensa acumulada. Tabla comparativa: tipos de aprendizaje | Tipo | Objetivo | Ejemplo de uso | | --- | --- | --- | | Supervisado | Predecir etiquetas | Clasificación de imágenes | | No supervisado | Encontrar agrupamientos | Segmentación de clientes | | Refuerzo | Maximizar recompensa | Control de robots | ### Redes neuronales y aprendizaje profundo - Una red neuronal es una composición de funciones lineales y no lineales que aproximan relaciones complejas entre entradas y salidas. - El aprendizaje profundo implica redes con muchas capas que extraen jerarquías de características. > Definición: Red neuronal artificial es un modelo computacional formado por capas de unidades (neuronas) que transforman señales mediante pesos y funciones de activación. Matemática básica (ejemplo de una neurona): $$y = \sigma\left(\sum_{i=1}^{n} w_i x_i + b\right)$$ Donde $w_i$ son pesos, $x_i$ entradas, $b$ bias y $\sigma$ la función de activación. ## 3. Clasificación de la IA - **IA