Fundamentos de Inteligencia Artificial

1. INTELIGENCIA ARTIFICIAL
¿QUÉ ES? ¿CÓMO FUNCIONA? APORTES, RIESGOS Y DESAFÍOS
COMUNICACIÓN 3 – FCS - UNLZ

2. QUÉ ES LA
INTELIGENCIA
ARTIFICIAL
 Sistemas y programas capaces
simular procesos cognitivos humanos,
e incluso superarlos

3. ¿QUÉ HACE?  Puede simular procesos cognitivos como
 El aprendizaje
 La toma de decisiones
 Reconocimiento de patrones
 Procesamiento de lenguaje
 Utilizar algoritmos y modelos para
mejorar su rendimiento

4. QUÉ ES UN
ALGORITMO
Problemas de los algoritmos
Sesgos
• Los hacen humanos
• Están atravesados por la
cultura y la historia
No son personalizables Son opacos
Es una serie ordenada de pasos o instrucciones lógicas que se
diseñan para resolver un problema o realizar una tarea específica.
Secuenciales Precisos Sistemáticos Finitos

5. SESGOS EN LOS
ALGORITMOS
Principales tipos de sesgos
 En los datos de entrenamiento
 En la selección de características
 En la formulación del problema
 En el diseño del modelo
 En la evaluación y retroalimentación
 En la interpretación de modelos
opacos
Los sesgos en los algoritmos pueden dar lugar a
resultados injustos, errados o discriminatorios.
Pueden ser intencionales o involuntarios y surgir
de diversas fuentes y manifestarse de diferentes
maneras.

6. SESGOS EN LOS
ALGORITMOS
Sesgo en los Datos de Entrenamiento:
Si reflejan sesgos antiguos o existentes en la sociedad, el algoritmo puede
perpetuarlos. Por ejemplo, si un algoritmo de contratación se entrena con
datos que reflejan prejuicios de género en la selección de candidatos, el
algoritmo puede favorecer a un género sobre otro en futuras contrataciones.
Sesgo en la Selección de Características:
La selección de características (atributos) que se utilizan para entrenar un
modelo de IA puede introducir sesgos. Si se eligen características que están
correlacionadas con características demográficas o sesgos existentes, el
modelo puede aprender a tomar decisiones sesgadas.
Sesgo en la Formulación del Problema:
La forma en que se formula un problema de aprendizaje automático puede
introducir sesgos. Por ejemplo, si se entrena un modelo para determinar el
"éxito" en función de métricas financieras sin considerar otros factores,
puede perpetuar sesgos económicos.

7. SESGOS EN LOS
ALGORITMOS
Sesgo en el Diseño del Modelo:
La elección del tipo de modelo y sus hiperparámetros puede influir en
la aparición de sesgos. Algunos modelos pueden ser más susceptibles a
ciertos tipos de sesgos que otros. Además, los ajustes incorrectos de
hiperparámetros pueden llevar a resultados sesgados.
Sesgo en la Evaluación y Retroalimentación:
La retroalimentación incorrecta o sesgada para evaluar y ajustar un
modelo puede llevar a la amplificación de sesgos. Por ejemplo, si un
algoritmo de recomendación de noticias se basa en la retroalimentación
de usuarios, puede reforzar esos sesgos al recomendar contenido
similar.
Sesgo en la Interpretación de Modelos Opacos:
Los modelos de IA opacos, como las redes neuronales profundas,
pueden ser difíciles de interpretar. Esto puede hacer que sea difícil
detectar y comprender los sesgos que pueden estar presentes en el
modelo.

8. TIPOS DE INTELIGENCIAS ARTIFICIALES
Amplia / Fuerte / General
• Simbólica, basad en reglas, if-then, reactivas
• Aprendizaje automático
Estrecha / Débil

9. COMO
APRENDEN
FORMAS DE
APRENDIZAJES
AUTOMÁTICOS
Supervisado:
grandes cantidades de datos
etiquetados o clasificados por
humanos
No supervisado:
el sistema intenta aprender
patrones y estructuras a partir
de datos que no han sido
etiquetdos. El modelo trata de
organizar o interpretar los datos
sin referencias previas.
Reforzado:
Implica procesos de prueba y
error donde el modelo recibe
retroalimentación en forma de
recompensas por sus acciones

10. SUBTIPOS DE
APRENDIZAJE
AUTOMÁTICO
 Redes neuronales artificiales
 Aprendizaje profundo
 Redes Neuronales profundas
 Redes Neuronales
recurrentes
 Redes Neuronales
convolucionales
 Redes Generativas
antagónicas
 Transformers
Inteligenci
a artificial
Aprendizaje
automático
Redes
neuronales
Aprendizaje
profundo

11. CONCEPTOS
CLAVE
Red neuronal: una red de unidades interconectadas que imitan el
funcionamiento de las neuronas del cerebro humano.
Aprendizaje profundo: un tipo de aprendizaje automático que
utiliza redes neuronales para aprender de grandes cantidades de
datos.
Transformador: una arquitectura de red neuronal que es
particularmente efectiva para procesar lenguaje natural.
Parámetros: Ajustes que controlan cómo funciona la red neuronal.
Conjunto de datos: una colección de datos que se utiliza para
entrenar la red neuronal.

12. PERFECCIONAMIENTO AUTÓNOMO
Permite modificar el funcionamiento de
autónoma a través de dos procesos
Aprendizaje por refuerzo:
• Recibe recompensas o penalizaciones por su
comportamiento, lo que le permite aprender gradualmente
qué acciones son más exitosas para alcanzar un objetivo
específico.
Aprendizaje por metaaprendizaje:
• Puede aprender de manera más efectiva, adaptando su
proceso de aprendizaje a diferentes tareas y conjuntos de
datos.
• Esto le permite mejorar el rendimiento con el tiempo y
aprender a realizar nuevas tareas de manera más eficiente.
La caja negra de la IA
En las Redes Neuronales profundas se producen operaciones
para elaborar respuestas que están fuera de la capacidad de
comprensión de los ingenieros que las desarrollan
En esos casos es imposible para ellos comprender el modo en
que esas IA resolvieron un interrogante o tomaron una decisión.

13. ALGUNAS CAPACIDAD DE LA IA
Procesamiento
de Lenguaje
Natural
Interpretación y
generación de
imágenes
Reconocimiento
y generación de
texto hablado
Agentes
automatizados
Detección de
emociones
Minería de
datos
Creatividad
artificial
Detección de
patrones

14. LA GRAN NOVEDAD: IA GENERATIVA Y LOS
MODELOS DE LENGUAJE
Qué es la IAG
 La inteligencia artificial generativa (IAG) es un tipo de inteligencia
artificial (IA) capaz de generar texto, imágenes u otras formas de
comunicación, como música o video, a partir de datos de
entrenamiento.
 Se basa en el aprendizaje automático profundo y se caracteriza por
su capacidad para crear contenido nuevo y original que puede ser
indistinguible del creado por seres humanos.
 Crea contenido automático en respuesta a indicaciones escritas en
lenguaje natural e interfaces conversacionales.

15. CARACTERÍSTICAS DE LA IAG
CREA: EN LUGAR DE SIMPLEMENTE CLASIFICAR O
PREDECIR DATOS, APRENDE A GENERAR NUEVOS
DATOS SIMILARES A LOS DE ENTRENAMIENTO
DOMINA EL CAMPO SIMBÓLICO: EL CONTENIDO
PUEDE APARECER EN FORMATOS QUE ABARCAN
TODAS LAS REPRESENTACIONES SIMBÓLICAS DEL
PENSAMIENTO HUMANO: TEXTOS ESCRITOS EN
LENGUAJE NATURAL, IMÁGENES, VÍDEOS, MÚSICA Y
CÓDIGO DE SOFTWARE.
INETRFAZ AMIGABLE: DESARROLLA UNA
CAPACIDAD CRECIENTE PARA ENTENDER TEXTO
ESCRITO, HABLADO, IMÁGENES, CUADROS,
GRÁFICOS.

16. COMO SE
ENTRENA LA IAG
Con textos e imágenes etiquetadas por
miles de personas que la supervisan
Con datos de la web
Conversaciones en redes sociales, otros
medios online

17. COMO SE
ENTRENA LA IAG
Aprendizaje supervisado por humanos:
 Expertos en lenguaje proporcionan ejemplos de texto de alta calidad,
como artículos, libros y código.
 Evalúan la salida y proporcionan comentarios para mejorar la precisión
fluidez.
Aprendizaje automático:
 Algoritmos analizan grandes cantidades de datos de texto para
identificar patrones y reglas.
 Los patrones se utilizan para mejorar la capacidad para generar
similar al de los ejemplos proporcionados por los humanos.
Beneficios de la combinación:
 Precisión y fluidez: El aprendizaje supervisado por humanos permite
aprender a generar texto de alta calidad.
 Escalabilidad: El aprendizaje automático le permite aprender de
cantidades de datos de manera eficiente.
El entrenamiento se basa
en una combinación de:
1. aprendizaje
supervisado por
humanos y
2. aprendizaje
automático:

18. COMO SE
ENTRENA LA IAG
El aprendizaje automático modifica su
funcionamiento de manera autónoma
a través de dos procesos principales:
Aprendizaje por refuerzo:
• Recibe recompensas o
penalizaciones por mi
comportamiento, lo que le permite
aprender gradualmente qué
acciones son más exitosas para
alcanzar un objetivo específico.
Metaaprendizaje:
• Adaptando su proceso de
aprendizaje a diferentes tareas y
conjuntos de datos, lo que le
permite mejorar su rendimiento
con el tiempo y realizar nuevas
tareas de manera más eficiente.

19. CON QUÉ DATOS SE ENTRENA: CONJUNTO DE DATOS
Libros:
Se utilizan libros de
diferentes géneros y épocas
para entrenar a los modelos
de lenguaje en la
comprensión del lenguaje
natural, la gramática y la
sintaxis.
Artículos de
noticias:
proporcionan información
actualizada sobre eventos y
tendencias, lo que ayuda a
los modelos de lenguaje a
comprender el contexto y el
significado de las palabras.
Wikipedia:
Los modelos de lenguaje
se entrenan en Wikipedia
para aprender sobre
diferentes conceptos y
relaciones entre ellos.
Redes sociales:
Las redes sociales generan
una gran cantidad de
datos textuales en tiempo
real para la comprensión
del lenguaje informal y las
tendencias lingüísticas
emergentes.
Código:
El código fuente de
software es un tipo de
lenguaje formal que
puede ser utilizado para
entrenar a los modelos de
lenguaje en la
comprensión de la lógica
y la estructura del
lenguaje.

20. CON QUÉ DATOS
ELABORAN LAS
RESPUESTAS
Con los datos que hayan decidido sus
desarrolladores
 Bases de datos con
 Textos
 Imágenes
 Conversaciones
 Con contenidos disponibles en la web

21. CAPACIDAD SIN
ACCESO A DATOS
1. Procesamiento del lenguaje natural:
• Análisis de texto: Puede analizar la sintaxis, la semántica y el estilo de un texto.
• Generación de texto: Puede crear diferentes tipos de contenido textual, como poemas, historias,
guiones, correos electrónicos, cartas, etc.
• Traducción: Puede traducir texto de un idioma a otro.
• Resumen de texto: Puede sintetizar información de un texto extenso en un resumen conciso.
• Respuesta a preguntas: Puede responder preguntas sobre una amplia gama de temas, incluso si
son abiertas, desafiantes o extrañas.
2. Creatividad:
• Escritura creativa: Puede escribir historias, poemas, guiones y otros tipos de contenido creativo.
• Composición musical: Puede componer música original.
• Diseño gráfico: Puede generar imágenes y diseños originales.
3. Interacción con el usuario:
• Chatbots: Puede conversar con usuarios en un lenguaje natural.
• Asistentes virtuales: Puede ayudar con tareas como programar citas, hacer reservas o encontrar
información.
4. Aprendizaje automático:
• Extracción de entidades: Puede identificar y extraer entidades nombradas de un texto, como
personas, lugares y organizaciones.
• Clasificación de texto: Puede clasificar un texto en diferentes categorías, como noticias, deportes o
política.
• Detección de emociones: Puede identificar las emociones expresadas en un texto.
Un modelo de lenguaje sin
acceso a una base de datos
todavía puede realizar
muchas tareas
impresionantes:

22. COMO FUNCIONA LA IAG
1. La indicación del usuario
(prompt) se divide en unidades
más pequeñas (llamadas tokens)
que se introducen en la IAG.
2. Usa patrones estadísticos para
predecir palabras o frases
probables que podrían formar una
respuesta coherente y estima la
probabilidad de que palabras o
frases específicas aparezcan en un
contexto determinado
3. Las palabras o frases predichas
se convierten en texto legible.
4. El texto legible se filtra a través
de lo que se conoce como
"barreras de seguridad" para
eliminar cualquier contenido
ofensivo.
5. Los pasos 2 a 4 se repiten hasta
que se termina una respuesta. La
respuesta se considera finalizada
cuando alcanza un límite máximo
de tokens o cumple con criterios
de detención predefinidos.
6. La respuesta se procesa
posteriormente para mejorar la
legibilidad mediante la aplicación
de formato, puntuación y otras
mejoras (como palabras que un
humano podría usar, como "Claro",
"Por supuesto" o "Lo siento").

23. EL “LORO ESTOCÁSTICO”
1
Usa patrones
estadísticos
para predecir palabras o frases
probables que podrían formar
una respuesta coherente
2
Identifica patrones
de palabras y frases que
comúnmente coexisten en su
modelo de datos grande
preconstruido
3
Estimación de
probabilidad
de que palabras o frases
aparezcan en un contexto, en
base a esos patrones
4
Texto legible
Las palabras o frases predichas
se convierten en texto legible
5
Filtro
El texto legible se filtra a través
de "barreras de seguridad"
para eliminar contenido
ofensivo.
6
Repetición
Los pasos se repiten hasta que
se termina una respuesta.
Procesamiento
para legibilidad
La respuesta se procesa para
mejorar la legibilidad.

24. ¿RAZONAN LAS
IAG?
•Se puede entender como la capacidad de 1. Analizar información, 2. Identificar relaciones lógicas y 3.
Obtener conclusiones.
Qué es razonar
•Analizar información: Procesan grandes cantidades de información y comprenden relaciones complejas.
•Identificar relaciones: Identifican relaciones entre diferentes conceptos, entidades y eventos.
•Sacar conclusiones: Sacan conclusiones basadas en la información disponible.
Se podría decir que las IAG tienen cierta capacidad de razonar ya que pueden:
•No tienen cuerpo: Lo que limita la capacidad para comprender ciertas cosas.
•Conocimiento limitado por datos de entrenamiento: No pueden saber nada que no haya sido
codificado previamente.
•No tienen la misma intuición o creatividad que un humano: Suelen ser demasiado literales o lógicas
en su razonamiento.
Sin embargo, la capacidad de razonar está limitada porque:

25. AVANCES DEL HARDWARE: DESDE 2012, LA CAPACIDAD DE
CÓMPUTO SE HA DUPLICADO CADA 3-4 MESES.
Modelo Lanzamiento
Datos de
entrenamiento
Número de parámetros Características
GPT-1 2018 40 GB 117 millones
Capaz de tareas de procesamiento del
lenguaje natural como completar textos y
responder preguntas.
GPT-2 2019 40 GB 1.500 millones
Capaz de tareas de procesamiento del
lenguaje natural más complejas como
traducción automática y resumen.
GPT-3 2020 17.000 GB 175.000 millones
Capaz de tareas avanzadas de procesamiento
del lenguaje natural como escribir párrafos
coherentes y generar artículos completos.
También es capaz de adaptarse a nuevas
tareas con solo unos pocos ejemplos.
GPT-4 2023 1.000.000 GB 170 billones
Mayor confiabilidad y capacidad para procesar
instrucciones más complejas.

26. LA GRAN NOVEDAD: IA GENERATIVA Y MODELOS DE LENGUAJE
Aprendizaje de máquina (ML) Un tipo de IA que utiliza datos para mejorar automáticamente su rendimiento.
Red Neuronal Artificial (ANN)
Un tipo de ML inspirado en la estructura y el funcionamiento del cerebro
humano (por ejemplo, las conexiones sinápticas entre las neuronas).
IA Generativa de Texto
Transformador de propósito
general
Un tipo de ANN que es capaz de centrarse en diferentes partes de los datos
para determinar cómo se relacionan entre sí.
Modelos de lenguaje grande (LLM)
Un tipo de transformador de propósito general que se entrena con grandes
cantidades de datos de texto.
Transformador pre-entrenado
generativo (GPT)
Un tipo de LLM que se pre-entrena con cantidades aún mayores de datos, lo
que permite al modelo capturar los matices del lenguaje y generar un texto
coherente y consciente del contexto.
IA Generativa de imágenes
Redes Adversarias Generativas
(GANs)
Un tipo de ANN utilizado para la generación de imágenes.
Autoencoders Variacionales (VAEs)

27. CÓMO
IMPACTAN
ESTOS MODELOS
EN LA
SOCIEDAD Y EN
LA CULTURA
 Harari y otros: Hackean el sistema operativo de la
humanidad: Somos lenguaje.
 Moratoria de 6 meses (Carta abierta - marzo de 2023)
En el principio era la palabra. El lenguaje es el sistema
operativo de la cultura humana. Del lenguaje nacen el mito y
la ley, los dioses y el dinero, el arte y la ciencia, las amistades y
las alianzas, las naciones y el código informático. O sea que
ahora que domina los modelos de lenguaje, la IA tiene la
capacidad de hackear y manipular el sistema operativo de la
civilización. Al adquirir el dominio del lenguaje, la IA se ha
apoderado de la llave maestra de la civilización, capaz de abrir
desde las bóvedas de los bancos hasta los santos sepulcros.

28. ARGUMENTOS PARA LA MORATORIA
La IA podría devorar
rápidamente toda la cultura
humana —todo lo que
hemos producido durante
miles de años—, digerirla, y
empezar a escupir un diluvio
de nuevos artefactos
culturales.
01
Los humanos no tenemos
acceso directo a la realidad:
estamos envueltos por la
cultura y experimentamos la
realidad a través de un
prisma cultural
02
Pronto también nos
encontraremos viviendo
dentro de las alucinaciones
de la inteligencia no
humana.
03

29. MORATORIA NO:
SUSPENSIÓN
COMPLETA
 Eliezer Yudkowsky: Especialista estadounidense en IA –
Instituto de Investigación en Inteligencia de Máquinas
 La carta está subestimando la gravedad de la situación y
pidiendo muy poco para resolverla
 No necesitamos una pausa, necesitamos cerrarlo por
completo
 El resultado más probable de construir una IA
sobrehumanamente inteligente, bajo algo remotamente
como las circunstancias actuales, es que literalmente todos
en la Tierra moriemos
 El resultado probable de que la humanidad enfrente una
inteligencia sobrehumana opuesta es una derrota total
 no tenemos ni idea de cómo determinar si los sistemas de
IA son conscientes de sí mismos, ya que no tenemos idea
de cómo decodificar cualquier cosa que sucede en los
conjuntos gigantes inescrutables

30. CÓMO IMPACTAN
ESTOS MODELOS
EN LA SOCIEDAD
Y EN LA CULTURA
A la humanidad le cuesta comprender las
nuevas capacidades de las IAG y más todavía
asimilar la velocidad exponencial con la que
estas herramientas aumentan sus habilidades.
¿Cuarta herida narcisista? (Freud)
Cuarta discontinuidad (Bruce Mazlish)

31. APOCALÍPTICOS E
INTEGRADOS
• Elon Musk: “Tiene el potencial, por pequeña que sea la probabilidad,
pero no es trivial, tiene el potencial de destrucción de la civilización.
Cualquiera que piense que tiene riesgo es 0% es un idiota”
• Eliezer Yudkowsky: “Una civilización alienígena que piensa mil veces
más rápido que nosotros”, en muchas y muchas cajas, casi
demasiadas para que podamos desmantelarlas.
Pesimistas
• Bill Gates: Las AI expandirán más allá de las computadoras y
smartphones, ejecutando tareas cotidianas mediante instrucciones
verbales, enfatizando la importancia de la personalización para
adaptarse a las preferencias y rutinas de los usuarios
• Stuart J. Russell: Creo que de aquí a finales de la década podremos
proponer una enseñanza individualizada a cada niño o niña del
mundo
Optimistas:

32. CÓMO IMPACTAN EN EL TRABAJO
 Cuarta revolución industrial
1. Vapor
2. Electricidad
3. Internet / Celulares
4. Inteligencia Artificial
 Colaboración hombre máquina - Temor y oportunidades.
 Trabajo repetitivo / creativo / supervisión

33. CÓMO IMPACTAN EN EL TRABAJO
 Universidad de Cornell (EEUU) Inv. sobre ChatGPT
 80% de la fuerza laboral estadounidense tiene al menos 10% de sus
tareas laborales expuestas
 20% tiene al menos 50% de sus tareas expuestas.
 Los empleos más expuestos son los cognitivos no rutinarios.
 Empleos de altos ingresos y elevadas barreras de entrada:
programadores, profesores, intelectuales y artistas, entre otros,
 FMI: El 40% de los puestos de trabajo a nivel mundial podrían
verse afectados

34. PRINCIPALES MODELOS DE IAG CON ACCESO GRATUITO
ChatGPT (chat.openai.com): Lenguaje natural y código, datos no actualizados | Open Ai y Microsoft
Copilot (copilot.microsoft.com): Lenguaje natural, código, imágenes y PDF en Edge. Datos actualizados | Microsoft
Gemini (gemini.google.com): Lenguaje natural y código. Datos actualizados | Google
Claud (claude.ai): Lenguaje natural, código, imágenes y PDF. Datos actualizados | Anthropic
Mistral (chat.mistral.ai): Lenguaje natural y códigos. Datos no actualizados (set 2021). Europa/Francia
Perplexity: (perplexity.ai): Lenguaje natural, código y PDF. Datos actualizados
Groq (groq.com): Lenguaje natural, código. Datos no actualizados | Meta
Polter (polterai.com): Aplicación con acceso a otras IAG
Phind (phind.com): Lenguaje natural, datos actualizados, basada en GPT
Komo (komo.ai): Lenguaje natural, datos actualizados

35. CÓMO MEJORAR LOS RESULTADOS
Prompts:
• Son las instrucciones y los datos de entrada
• Cuánto más claro, preciso y detallado es, mejor es la respuesta
Cada día las interfaces son más amigables
Sugerencias
• Usar lenguaje simple, claro y directo que sea fácil de entender, evitando palabras complejas o ambiguas.
 Incluir ejemplos para ilustrar la respuesta deseada o el formato de las terminaciones generadas.
 Incluir contexto, que es crucial para generar terminaciones relevantes y significativas.
 Refinar e iterar según sea necesario, experimentando con diferentes variaciones.
 Ser ético, evitando prompts que puedan generar contenido inapropiado, sesgado o dañino.

36. LO QUE HACEN
BIEN
Entender lenguaje natural en su contexto
Responder contextualmente
Escribir textos creativos
Traducir
Conversar
Crear historias
Analizar datos
Encontrar patrones
Armar tablas

37. LO QUE NO HACEN TAN BIEN POR AHORA
Lo que pueden hacer mal (ocasionalmente)
Responder sobre fechas,
Sobre autores y conceptos
Sobre citas de libros
Sobre acontecimientos históricos,
Realizar algunos cálculos en entornos complejos,
Interpretar de información compleja o poco clara.
Lo que no pueden hacer (por ahora)
Desplegar ciertas formas de razonamiento humano para evitar
errores o corregirlos
Usar lógica básica para comprender sus errores en las
respuestas
Comprender la asignatura que enseña: es capaz de dictar un
curso de química, pero no entiende de química

38. CUÁNDO ES
SEGURO USAR IAG

39. CONCLUSIONES
 Las IA-Gen están destinadas a llevar a la humanidad a un nuevo
plano de la interrelación hombre máquina aún impredecible
 Crecerán con fuerza en los próximos años y transformarán casi
todos los aspectos de la vida humana
 Tal vez el riesgo más grande que afronten las nuevas generaciones
sea conferirles a esas Inteligencias aún más poder que el que
tendrán, derivado de la posición subjetiva que eventualmente
adopten los hombres frente a esos dispositivos inteligentes
 Si es sí, la tarea más importante que se puede dar es la
deconstrucción de ese potencial imaginario a través del uso crítico
y reflexivo para poner a las máquinas en el lugar que deben estar,
el de asistentes de los hombres y no en sus amos.

40. INTELIGENCIA
ARTIFICIAL
COMUNICACIÓN 3 – FCS – UNLZ