La inteligencia artificial (IA) es la capacidad de máquinas para realizar tareas que requieren inteligencia humana, como el cálculo y la memoria. Aunque las máquinas han avanzado en áreas como el aprendizaje automático y la creatividad, la autoconciencia sigue siendo un concepto distante. Existen diversos tipos de aprendizaje automático, incluyendo supervisado, no supervisado, semisupervisado, por refuerzo y aprendizaje profundo, cada uno con sus propias aplicaciones y métodos.

1. genially
IE!l!IJi:!lll
■■■
2024-2025
I I
¿QUE ES YCOMO FUNCIONA?
Inteligencia Artificial
Es la capacidad que presentan los artilugios artificiales, como por
ejemplo un ordenador, de realizar tareas propias de una
inteligencia humana tras ser entrenados.

2. genially
IE!l!IJi:!lll
■■■
2024-2025
¿QUÉ SIGNIFICA LA EXPRESIÓN "LAS TAREAS PROPIAS DE UNA INTELIGENCIA HUMANA"?
■ Si consideramos la capacidad de cálculo, las máquinas la tienen.
■ Si consideramos la capacidad de memorizar datos, también.
Conforme ha ido evolucionando la informática y la capacidad tecnológica
de los ordenadores se ha ido desarrollando una Inteligencia Artificial que
opera o se comporta como la inteligencia humana "entre comillas".
Algunos ejemplos son:
- Jugar a juegos complicados como el ajedrez y otros para los que podría
crear ciertas estrategias apoyadas sobre todo en su capacidad de cálculo
y de memoria.

3. genially
IE!l!IJi:!lll
■■■
2024-2025
¿QUÉ TIPO DE COSAS PUEDE HACER LA INTELIGENCIA ARTIFICIAL?
En un principio, se ha ido avanzando poco a poco en el campo de la
inteligencia que las matemáticas iban logrando. Pero, hay cosas
demasiado humanas que quedaban fuera del alcance de la Inteligencia
Artificial, como por ejemplo, la caRacidad de aRrendizaj§i la creatividad o
la autoconciencia.
La inteligencia humana es, problemente, más que esas tres cosas, pero si
una máquina las logra no está nada mal.

4. genially
l!!l!D!lll
INTELIGENCIA ARTIFICIAL
1. AUTOCONCIENCIA
2. CREATIVIDAD
,
3. APRENDIZAJE AUTOMATICO - MACHINE LEARNING

5. genially
l!!l!D!lll
' 1 /
-o-
/ 1 '
O AUTOCONCIENCIA
Una cosa del futuro
La autoconciencia, de momento, está lejos. Es una cosa más bien de la ciencia
Ficción, pero los artistas intentan ir siempre un paso por delante de los
científicos y quizás un día lleguemos a ver máquinas que ahora mismo solo
encontramos en las pelis, en los videojuegos, en las novelas o en los cómics.

6. genially
l!!l!D!lll
O CREATIVIDAD
Una cosa algo más dudosa
Existen algoritmos a los que les podemos atribuir ciertas formas de
creatividad.
Se trata de un terreno en el que se está trabajando mucho y en muchos
ámbitos distintos: pintura, matemáticas, escritura, música e, incluso, humor.
Existen ordenadores capaces de producir arte creativo o de inventarse
chistes.

7. genially
l!!Elm
,
O APRENDIZAJE AUTOMATICO
El 90% es Aprendizaje Automático - Machine Learning
El 90% de las ocasiones en las que oímos hablar de que una Inteligencia
Artificial ha hecho algo suele ser en el terreno del Aprendizaje Automático.
En este ámbito existen avances sorprendentes y, hoy po hoy, es sinónimo de
Inteligencia Artificial.
El Aprendizaje Automático o Machine Learning es un conjunto de técnicas
mediante las cuales un algoritmo que tiene que realizar una tarea es capaz de
modificar su propio comportamiento basándose en los datos de que dispone;
en lo bien o mal que lo hayan hecho en el pasado o en Función de las
instrucciones o prompts que les proporcionen los humanos indicándoles qué

8. genially
l!!l!D!lll
TIPOS DE
,
APRENDIZAJE AUTOMATICO /
MACHINE LEARNING
1. SUPERVISADO
2. NO SUPERVISADO
3. SEMISUPERVISADO
4. POR REFUERZO
5. APRENDIZAJE PROFUNDO/ DEEP LEARNING

9. genially
l!!Elm
0 APRENDIZAJE AUTOMÁTICO
SUPERVISADO
Trabajan con un montón de datos etiquetados.
Se llaman así porque se sabe la solució al problema
que se les plantea.
A medida que van procesando esos datos, van
aprendiendo. A este proceso se le llama
entrenamiento.
Un ejemplo típico de altoritmo es aquel que
entrenamos para que sepa distinguir una foto
nuestra y una foto de cualquier otra persona. Les
enviamos miles o un millón de fotos en las que
nosotros estamos en unas cientos de miles y en
otras no. A continuación, le indicamos en cuáles sí
estamos y en cuáles no estamos.
El algoritmo se entrena con esas fotos y cuando le
llega una foto nueva ya sabe si salimos en esa foto
o no con lo que ha aprendido.
o
These are
squares
lltÁGt:NCS Dt: GATOS
•
~
Olltfn!i1-~Ni±.S .
[f]
Unsupervised
Th1s is
a square
COMPUHIO°""' lllCCONOClCNOO
~ , ~
•

10. genially
l!!l!D!lll
Q APRENDIZAJE AUTOMATICO
SUPERVISADO
¿Qué relación tiene con los captcha?
Los algoritmos de Aprendizaje Automático
SUPERVISADO son muy utilizados y necesitan
muchísimos datos etiquetados.
Nosostros los estamos ayudando a través de los
CAPTCHA, quizás sin saberlo, para entrar en
algunas páginas webs que te indican que marques
fotos en las que salen bicicletas, automóviles,
semáforos o autobuses.
Con estos CAPTCHA estamos etiquetando fotos
que luego servirán para entrenar a un algoritmo,
con el fin de que reconozca esas cosas en
imágenes. Esto puede servir para instalarse en un
vehículo autónomo.
CONCLUSIÓN:
Estamos enseñando a conducir a los coches del
[ J l'm nota robot
bC'AtCliA
Match the characters ,n the p,cture
To contmue, type the characters you see ,n the p,cture. w
The p1cture conta1ns 8 characters
Characters:
Se1Ktllll4,l,lf'HW11'1
traff1c lights
HtheR ••nona.cid aklp
1
C 0 0
Problemas que resuelven estos
algoritmos:
- Reconocimiento facial, voz
- Reconocimiento huellas digitales

11. genially
l!!Ellm
0 APRENDIZAJE AUTOMÁTICO
NO SUPERVISADO
Agrupan datos:
Estos algoritmos no no entrenan con datos
etiquetados como los anteriores. Se utilizan, por
ejemplo, para agrupar datos que son parecidos
entre sí.
Imaginemos que el algoritmo agrupa a la gente que
tienen los mismos gustos musicales o de ropa.
Estos datos se podrían utilizar en publicidad.
Definen la distancia entre datos:
Algoritmos que, por ejemplo, definen la distancia
entre el historial de escuchas de mi Spotify y el de
otra persona. Comparan nuestros gustos y
después ofrecen canciones parecidas.
Estos algoritmos se usan mucho en aplicaciones
científicas, como en genómica (campo de la
biología que se centra en el estudio de todo el ADN
de un organismo, es decir, su genoma)
o
CONJUNTO DC lNfllllNAMICNTO
"
o
.
CONJUNTO OC Tm
•••
(&)-+ ■■■
.........

12. genially
l!!l!D!lll
0 APRENDIZAJE AUTOMÁTICO
SEMISUPERVISADO (SSL)- -
Utiliza datos de entrenamiento tanto etiquetados
como no etiquetados: normalmente una pequeña
cantidad de datos etiquetados junto a una gran
cantidad de datos no etiquetados.
El aprendizaje semisupervisado se basa en ciertas
suposiciones sobre los datos no etiquetados que
se usan para entrenar el modelo y la forma en que
los puntos de datos de diferentes clases se
relacionan entre sí.
Se utiliza cuando se tienen pocos datos
etiquetados y consiguen etiquetar más datos
usando el aprendizaje supervisado. Más tarde, esos
datos etiquetados se utilizan en otro odelo de
aprendizaje supervisado para resolver el problema
planteado.
- ~1Md -,ot,thmcfectMOnbounda,y
•••·•· Optimalde<lliOII~
- :klP9fV!Md-'Corlttlm~bol.tnda,y
·•···· OphlNI dK1...on bouftd¡uy

13. genially
l!!Elm
0 APRENDIZAJE AUTOMÁTICO
POR REFUERZO
Este tipo de algoritmo actúa a base de prueba y
error. Se utiliza mucho para aprender a jugar.
En estos casos existe un concepto de recompensa
que te indica cuándo lo ha realizado bien. Por
ejemplo, ganas la partida.
De esta forma, el algoritmo se queda con unos
parámtros de una partida (los movimientos que ha
realizado, las decisiones que ha tomado, etc.). Si el
resultado es que gana, esos movimientos los usará
con más probabilidad en las próximas partidas.
En el caso de que estos movimientos o decisiones
los llevan a perder, los usará con menos
probabilidad.
Este tipo de algoritmos también se utilizan mucho
en aplicaciones científicas.
t
~
l
HWAIID
[!!!!!]
A ___ .._

14. genially
l!!Elm
,
o APRENDIZAJE AUTOMATICO
PROFUNDO (Deep Learning)
Redes Neuronales Artificiales (RNA):
Consisten en muchas pequeñas funciones
matemáticas. Cada una de ellas llamada neurona o
celda que se combinan entre sí, se coordinan y se
pasan resultados de unas a otras Formando una
red.
Cuando estas redes son grandes y con muchas
capas se llaman Redes Profundas, que dan nombre
a toda una rama de Aprendizaje Automático,
denominado Aprendizaje Profundo ó Deep
Learning.
Normalmente es Aprendizaje Automático
Supervisado + Redes Profundas para entrenar al
modelo.
Cada neurona recibe una combinación lineal de las
entradas, aplica una función de activación no lineal
y transmite la salida a las neuronas de la siguiente
capa. Este proceso se repite a lo largo de la red
)
)
- E-•tr_
..,._
1
LJ..__
s.
_
uº_
ª _,
Redes Neuronales Artificiales (RNA)
Input
layer
Red Neuronal Simple
Output
layer

15. ----- 2024-2025
MUCHAS
GRACIAS
OOCDO
■■■