2. Agenda
Introducción
a las técnicas
de la IA
Introducción
El Futuro
Ética y
Sostenibilidad
La IA en los
Negocios
“The development of AI is as fundamental as the creation of the microprocessor, the personal computer,
the Internet, and the mobile phone. It will change the way people work, learn, travel, get health care, and
communicate with each other. Entire industries will reorient around it.
Businesses will distinguish themselves by how well they use it”
Bill Gates 2023
5. Introducción: evolución de la IA
5
• La inteligencia artificial (IA) ha evolucionado desde su origen en el test de Turing, la IA tradicional para predecir o clasificar,
hasta la actual IA Generativa capaz de crear texto, vídeos o programar
• Está presente en todos los sectores y su impacto en el crecimiento económico se estima en $ 7 billones en los próximos diez
años (Goldman Sachs)
6. Introducción: ¿Qué es la IA?
6
• El concepto de IA surge originalmente en 1950 por parte de Alan Turing
• Simula la inteligencia humana por parte de un ordenador. Son programas que utilizan cantidad de datos y capacidades
de computación para entrenarse en tomar decisiones y resolver problemas sin intervención
• Factores principales para su actual desarrollo acelerado:
• Big Data o datos masivos disponibles actualmente (Ej: 6M búsquedas Google al min)
• Capacidad de cálculo con GPUs (procesadores especializados, originalmente en videojuegos. Ej: varios millones
CPUs en empresas líderes)
• Algoritmos como los Transformers (base de los LLM en IA Generativa, en 2017 por Google research)
Algoritmos
sofisticados
Datos Capacidad
Computación
7. Introducción: Áreas de conocimiento en IA
7
• Podemos diferenciar varias áreas dentro de la IA
• ChatGPT de OpenAI (o Bard de Google) se basa en IA
Generativa de Large Language Models (LLM). La IA
Generativa está dentro del área del Deep Learning
(redes neuronales)
• La IA Generativa (GenAI) va más allá del análisis de
datos y patrones de la IA Tradicional, con capacidad
de generar/crear nuevo contenido (música, imagen,
texto, código etc) a partir de información existente.
Permite acercar la comunicación entre humanos y
máquinas
• Se distingue también entre el aprendizaje automático
(el Machine Learning, que es parte de la IA) y el
concepto teórico más amplio de la Inteligencia
Artificial General (AGI). El aprendizaje automático
hace referencia a un modelo para resolver un
problema específico (y no puede aprender otras
tareas). Mientras que la AGI hace referencia a
algoritmos que puedan ser capaces de aprender
cualquier tarea o función. La AGI es objeto de
investigación en ciencias de la computación, pero no
se ha desarrollado suficientemente hasta la fecha
8. Introducción: Agentes de IA
8
https://agentgpt.reworkd.ai/es
• Los agentes de IA (como
AutoGPT o AgentGPT etc)
pueden funcionar de manera
autónoma sin participación de
un agente humano, generando
sus propios prompts de
ChatGPT. Es decir, tien
capacidad de tomar decisiones
autónomamente para realizar
las tareas
11. Algoritmos de IA
11
“El aprendizaje automático (machine
learning) es la combinación de
herramientas estadísticas y de ciencias
de la computación que permite a los
ordenadores aprender sin ser
programados de manera explícita”
ML Supervisado: realiza predicciones
futuras en base a datos pasados.
Requiere datos históricos etiquetados
(con la solución) para aprender
ML No-Supervisado: interpreta y agrupa
datos para encontrar estructura. No
requiere datos etiquetados para el
aprendizaje
Machine
Learning
(ML)
Tipos de
ML
Supervisado
No-Supervisado
12. 12
• Otro grupo de métodos de aprendizaje automático es el
Reinforcement Learning. El sistema o modelo (agente) mejora
su desempeño a base de interacciones con el entorno y un
sistema de recompensas
• Los algoritmos de Deep Learning son un ámbito de aplicación
de ML, utilizando redes neuronales para, por ejemplo, resolver
problemas de clasificación de imágenes o reconocimiento de
voz (NLP). Se diferencian por su funcionamiento más
autónomo al seleccionar elementos del modelo como los
atributos de los datos
• El Natural Language Processing (NLP) incluye varios algoritmos
de machine learning. Permiten al ordenador interpretar el
lenguaje (conversación, texto, sentimiento). Con esta evolución,
la comunicación con el ordenador ya no se limita a código en
lenguajes de programación
• La IA Generativa (o GenAI), a diferencia del ML tradicional, crea
nuevo contenido basado en el aprendizaje con contenido ya
existente (crea un modelo estadístico en ese proceso). Cuando se
le da un prompt o solicitud, la GenAI utiliza el modelo para
construir una respuesta esperada
Algoritmos de IA
13. Algoritmos de IA
13
• Disponemos de una gran variedad de algoritmos de IA
• ¿Cuál es la novedad de todas estas técnicas respecto los modelos matemáticos tradicionales? ¿Cómo funciona la IA?
15. Como entender la IA
15
• La IA no hay que entenderla
como algo de “ciencia ficción” o
“robots del futuro”. Es sólo a
una nueva manera de utilizar la
capacidad de un ordenador para
realizar tareas.
• La IA es especialmente útil en
tareas muy complejas en las que
el programador del ordenador
no puede dar instrucciones
directas, sinó más bien dar
ejemplos de lo que buscamos
Programación tradicional
Machine Learning
En la programación tradicional, la receta o código la crea una persona. En Machine Learning, la receta la aprende el
ordenador o algoritmo a partir de los datos
16. Como entender el Machine Learning
16
1. Objetivo/Problema a automatizar: ¿Es bueno el vino? (Y/N)
2. Identificamos datos que nos pueden ser útiles (añada y puntuación del vino). Muestra de Datos
3. Entrenamos un modelo
4. Testeamos el modelo con nuevos datos
17. Como entender el Machine Learning
17
1. Objetivo/Problema a automatizar: ¿Es bueno el vino? (Y/N)
2. Identificamos datos que nos pueden ser útiles (añada y puntuación del vino). Muestra de Datos
3. Entrenamos un modelo
4. Testeamos el modelo con nuevos datos
18. Como entender el Machine Learning
18
1. Objetivo/Problema a automatizar: ¿Es bueno el vino? (Y/N)
2. Identificamos datos que nos pueden ser útiles (añada y puntuación del vino). Muestra de Datos
3. Entrenamos un modelo
4. Testeamos el modelo con nuevos datos
20. Las empresas de IA
20
• Las acciones de las compañías relacionadas con el negocio de IA han supuesto básicamente toda la rentabilidad de la bolsa
americana según el índice S&P500
• Microsoft (ChatGPT OpenAI), Alphabet, (Google Bard) Nvidia (GPUs, CPUs), Amazon, Salesforce (Einstein GPT), Meta
(LLaMA), Adobe (Sensei GenAI), Intuit (Virtual Expert Platform)
21. IA y productividad
21
• La IA, y especialmente a partir de la aparición de la GenAI, va a tener muchos casos de uso, en negocios, salud o tecnología
• Goldman Sachs estima que 2/3 de los puestos de trabajo están expuestos a cambios debidos a la aplicación de la IA
• De estos puestos de trabajo afectados, Goldman estima que una cuarta parte implicará la pérdida de la ocupación por parte
de personas, que serían substituidas por la IA
• Pero la aparición de nuevas tecnologías y cambios siempre ha dado lugar a la creación de nuevas ocupaciones
22. Salud y Biotecnología
22
• El sector de la Salud es un buen ejemplo del
progreso producido por las aplicaciones de la
IA
• La IA Generativa tiene múltiples aplicaciones,
desde el cuidado de los pacientes, hasta el
desarrollo de medicamentos
• Permite el diagnóstico rápido y eficaz de
nefermedades, o los tratamientos
personalizados
• También permite generar datos nuevos, no
existentes, para el entrenamiento de modelos
de machine learning tradicionales ya utilizados
en la investigación y desarrollo de nuevos
medicamentos
• Compañías activas en este espacio u¡incluyen
a Absci y Nvidia
24. Hacernos responsables de nuestros deseos
24
• La IA plantea riesgos asociados: información incorrecta o falsa, infracción de derechos de autor y copyright, privacidad de los
datos publicados, o aspectos éticos de su aplicación, entre otros
25. Alucinaciones
25
• La GenAI puede generar las llamadas alucinaciones, de distintos tipos: contenido falso, confluencias, abuso de
información, sin-sentidos, etc
• Veamos un ejemplo de confluencia. ChatGPT mezcla eventos de dos grandes premios de años distintos 2022 y 2023, en la
descripción de la carrera del 2023. Leclerc quedó séptimo realmente en 2023, liderando las primeras 20 vueltas y terminó
segundo ese año. Checo Pérez ganó en 2023 realmente
26. Futuro Sostenible
26
• La IA puede contribuir de manera muy positiva a resolver muchos de los retos sociales y medioambientales actuales
• Desigualdad y educación. La GenAI permite un acceso directo y
personalizado al conocimiento. Esto puede permitir a
segmentos desfavorecidos o con difícil acceso a la formación,
por ejemplo en matemáticas (una de las materias relacionada
con el desarrollo profesional)
• La IA, con su capacidad de tratar problemas complejos y bases
de datos extensas sobre emisiones de CO2 y el impacto en el
Cambio climático, puede permitir acelerar la gestión
medioambiental
• En Salud y bienestar los avances en IA permiten mayor
productividad del personal médico en sus tareas y en el
diagnóstico. Esto será especialmente útil en países en
desarrollo, dónde el acceso a la sanidad es limitado. Hay ya
muchos casos prácticos, como sustitutos móviles de las
máquinas de ultrasonidos para detectar riesgos en el embarazo
• La Pobreza y Hambre en el mundo pueden experimentar
mejoras con aplicaciones de IA en agricultura y ramadería.
Semillas adaptadas a las condiciones concretas de suelo y clima.
O vacunas y medicamentos para el ganado
27. Sede Universitat Carlemany
Av. Verge de Canòlich, 47
AD600 Sant Julià de Lòria
Principat d’Andorra
Linkedin Facebook
+376 878 300