1. What is AI?

1.1.Introducing AI

En IBM, definimos la IA como cualquier cosa que haga que las máquinas actúen de manera más
inteligente. Nos gusta pensar en la IA como inteligencia aumentada. Creemos que la IA no debe
intentar reemplazar a los expertos humanos, sino ampliar las capacidades humanas y realizar
tareas que ni los humanos ni las máquinas podrían realizar por sí solos. Internet nos ha dado
acceso a más información y de forma más rápida. La informática distribuida y la IoT han
generado enormes cantidades de datos, y las redes sociales han fomentado que la mayoría de
esos datos no estén estructurados. Con la inteligencia aumentada, ponemos al alcance de la
mano la información que los expertos en la materia necesitan y la respaldamos con pruebas
para que puedan tomar decisiones informadas. Queremos que los expertos amplíen sus
capacidades y dejen que las máquinas hagan el trabajo que lleva mucho tiempo. ¿Cómo
definimos la inteligencia? Los seres humanos tienen una inteligencia innata, definida como la
inteligencia que gobierna todas las actividades de nuestro cuerpo. Esta inteligencia es la que
hace que un roble crezca a partir de una pequeña semilla y que un elefante se forme a partir de
un organismo unicelular. ¿Cómo aprende la IA? La única inteligencia innata que tienen las
máquinas es la que les damos. Brindamos a las máquinas la capacidad de examinar ejemplos y
crear modelos de aprendizaje automático basados en las entradas y los resultados deseados. Y
lo hacemos de diferentes maneras, como el aprendizaje supervisado, el aprendizaje no
supervisado y el aprendizaje por refuerzo, sobre los que aprenderá con más detalle en las
lecciones siguientes. En función de su fuerza, amplitud y aplicación, la IA se puede describir de
diferentes maneras. La IA débil o restringida es la IA que se aplica a un dominio específico. Por
ejemplo, los traductores de idiomas, los asistentes virtuales, los vehículos autónomos, las
búsquedas en Internet basadas en la IA, los motores de recomendaciones y los filtros
inteligentes de spam. La IA aplicada puede realizar tareas específicas, pero no aprender otras
nuevas, tomar decisiones basadas en algoritmos programados y datos de entrenamiento. La IA
fuerte o IA generalizada es aquella que puede interactuar y ejecutar una amplia variedad de
tareas independientes y no relacionadas. Puede aprender nuevas tareas para resolver nuevos
problemas, y lo hace enseñándose a sí mismo nuevas estrategias. La inteligencia generalizada
es la combinación de muchas estrategias de IA que aprenden de la experiencia y pueden
funcionar a un nivel de inteligencia humano. La superIA o IA consciente es una IA con una
conciencia a nivel humano, lo que requeriría que fuera consciente de sí misma. Como todavía
no somos capaces de definir adecuadamente qué es la conciencia, es poco probable que
podamos crear una IA consciente en un futuro próximo. La IA es la fusión de muchos campos
de estudio. La informática y la ingeniería eléctrica determinan cómo se implementa la IA en el
software y el hardware. Las matemáticas y las estadísticas determinan los modelos viables y
miden el rendimiento. Dado que la IA se basa en la forma en que creemos que funciona el
cerebro, la psicología y la lingüística desempeñan un papel fundamental para entender cómo
podría funcionar la IA. Y la filosofía proporciona orientación sobre la inteligencia y las
consideraciones éticas. Si bien la versión de ciencia ficción de la IA puede ser una posibilidad
lejana, ya vemos que cada vez más IA participa en las decisiones que tomamos todos los días. A
lo largo de los años, la IA ha demostrado ser útil en diferentes ámbitos, ya que tiene un
impacto significativo en la vida de las personas y de nuestra sociedad.

1.2.What is AI?
Hoy en día se habla mucho de la inteligencia artificial. ¿Cómo define o qué significa la IA para
usted? Se habla mucho y hay muchas definiciones de lo que dice la inteligencia artificial. Así
que una de ellas trata de enseñar a las máquinas a aprender, actuar y pensar como lo harían
los humanos. Otra dimensión tiene que ver realmente con cómo hacemos que las máquinas
hagan, cómo podemos impartir más capacidades cognitivas a las máquinas y capacidades
sensoriales. Por lo tanto, se trata de analizar imágenes y vídeos sobre el procesamiento del
lenguaje natural y la comprensión del habla. Se trata del reconocimiento de patrones, etc. Por
lo tanto, el tercer eje gira más en torno a la creación de una tecnología que pueda, en algunos
casos, reemplazar lo que hacen los humanos. Me gustaría pensar en esto como un aumento de
lo que hacen los humanos. Para mí, personalmente, la parte más importante de la definición de
inteligencia artificial consiste en transmitir la capacidad de pensar y aprender a las máquinas.
Para mí, eso es lo que define la inteligencia artificial. La IA es la aplicación de la informática
para resolver problemas de forma inteligente mediante algoritmos. Entonces, ¿qué es una
forma inteligente? Bueno, una forma inteligente puede ser algo que imite la inteligencia
humana. O puede ser un enfoque puramente computacional y un enfoque de optimización,
pero algo que manipule los datos para obtener resultados no obvios, creo, es lo que yo
clasificaría como inteligencia artificial. Yo definiría la IA como una herramienta que utiliza una
computadora para completar una tarea automáticamente con muy poca o ninguna
intervención humana. Para mí, la IA es en realidad una serie compleja de capas de algoritmos
que hacen algo con la información que contiene. La inteligencia artificial es un conjunto de
tecnologías que nos permite extraer conocimiento de los datos. Por lo tanto, es cualquier tipo
de sistema que aprende o entiende los patrones de esos datos y puede identificarlos y luego
reproducirlos en nueva información. La inteligencia artificial no es el tipo de simulación de la
inteligencia humana que la gente cree que es. En realidad, no se trata en absoluto de
inteligencia. Pero creo que otra palabra que describe la IA con mayor precisión hoy en día es el
aprendizaje automático. La razón por la que digo esto es porque la tecnología de aprendizaje
automático consiste en utilizar esencialmente las matemáticas en las computadoras para
encontrar patrones en los datos. Ahora bien, estos datos pueden estar estructurados o no
estructurados. La única diferencia entre el aprendizaje automático y las tecnologías que lo
precedieron es que nosotros, como seres humanos, teníamos que codificar manualmente estos
patrones y estas condiciones en las computadoras. Son capaces de encontrar estos patrones
por sí mismos mediante el uso de las matemáticas. Esa es realmente la única diferencia aquí.
Yo diría que la inteligencia artificial es un conjunto de algoritmos matemáticos que nos
permiten hacer que las computadoras encuentren patrones muy profundos que quizás ni
siquiera sabíamos que existen, sin que tengamos que codificarlos manualmente.

1.3. Optional: Tanmay’s journey and take on AI

Hola Tanmay, bienvenido y dinos cuántos años tienes? Tengo 15 años. Genial. ¿Cómo
empezaste con la tecnología y la IA? Seguro. Así que he estado trabajando con tecnología
durante más de 10 años. Todo comenzó cuando yo tenía unos cinco años porque mi padre solía
trabajar como programador de computadoras, y verle programar casi todo el día era tan
fascinante para mí, que realmente quería saber más. Quería saber cómo las computadoras
podían hacer realmente cualquier cosa que hicieran. Ya sea mostrando mi nombre en la
pantalla, o añadiendo dos números, o realmente algo de ese tipo, era como magia para mí a
esa edad. Así que mi padre me presentó al mundo de la programación, y he estado trabajando
con el código. Envié mi primera aplicación para iOS y más. Pero cuando tenía unos 10 años,
empecé a sentir que la tecnología no era tan divertida como solía ser para mí. La tecnología no
era tan emocionante como solía ser por una simple razón, es porque la tecnología era muy
rígida, se codifica algo e inmediatamente comienza a volverse obsoleta, nunca se adapta,
nunca cambia nuevos datos, nuevos usuarios, nuevas circunstancias que crean. Pero cuando
tenía 11 años, en realidad me topé con un documental sobre IBM Watson jugando y ganando
el programa de juegos de Jeopardy en 2011. Así que, por supuesto, que inmediatamente me
fascinó, en cuanto a cómo una computadora puede jugar Jeopardy, y así fui a hacer un poco
más de investigación, descubrí que IBM proporciona componentes individuales de Watson
como API en la nube. Hice un poco más de investigación, empecé a crear mi primer tipo de
aplicaciones cognitivas, y también creé tutoriales en mi canal de YouTube, sobre cómo otros
también pueden aprovechar las API de IBM Watson. Así que desde que tenía 11 años, he
estado trabajando con tecnología de aprendizaje automático a través de numerosos servicios
diferentes como IBM Watson. Eso es impresionante. Entonces, ¿qué significa IA para ti?
Realmente lo que la IA significa para mí, antes de llegar a eso, antes de que pueda explicar lo
que es la IA para mí. Creo que primero es importante entender realmente cómo a los demás
les gusta pensar de la IA. Mucha gente tiene este tipo de división, este tipo de respuesta
bipolar al aprendizaje automático o a la IA, como la gente lo llama. Algunas personas son como,
sí, es la mejor tecnología de todos los tiempos, y algunas personas son como, esto será la caída
de la humanidad. Yo diría que ninguna de esas respuestas sería correcta. La razón por la que
digo eso es porque la tecnología de aprendizaje automático es tecnología. Es tecnología muy
avanzada, nos ayuda a hacer cosas que nunca podríamos haber hecho antes, pero es solo eso,
es tecnología. La inteligencia artificial y el aprendizaje automático es algo en lo que la gente ha
estado trabajando matemáticamente desde antes de que las computadoras fueran una cosa. La
tecnología de aprendizaje automático no es nada nuevo, de hecho, existía los principios
fundamentales al menos, durante muchas décadas antes de que yo naciera. Pero la cosa es la
tecnología de aprendizaje automático o al menos, por ejemplo, el perceptrón básico y este tipo
de técnicas matemáticas han existido incluso antes de que las computadoras o calculadoras se
hicieran populares. Así que cuando estábamos creando este tipo de conceptos de aprendizaje
automático e IA, y empezamos a crear literatura y películas sobre el futuro de la tecnología y
las computadoras, apenas teníamos idea de no solo hacia dónde iría la tecnología en el futuro,
sino también qué tecnología es realmente. Debido a eso, la gente tiene esta idea errónea muy
común de que la inteligencia artificial es la mente humana dentro de una computadora, la
inteligencia humana simulada totalmente dentro de una computadora. Pero eso no podría
estar más lejos de la verdad. El aprendizaje automático o la IA no está simulando una mente
humana, pero lo que intenta y hace, es intentar abrir nuevas puertas para las computadoras.
Intenta permitir que las computadoras entiendan ciertos tipos de datos que no podrían haber
entendido antes. Así, por ejemplo, si echamos un vistazo a lo que nosotros como humanos
somos tan especiales, el hecho de que podemos entender el lenguaje natural, de hecho, somos
el único animal que tiene una capacidad tan compleja de ser capaz de comunicarse en lenguaje
natural, incluso si a través de algo que no tengo directamente presenciado, visto u oído
evidencia para, todavía puedo describirle ese concepto imaginativo, que es realmente
maravilloso. También somos excelentes en la comprensión de los datos auditivos sin procesar.
Imagina que tu cerebro está tomando vibraciones de moléculas de aire y convirtiendo eso en
pensamientos, eso es realmente increíble. También somos excelentes en el procesamiento de
datos visuales, como cuando miras la cara de alguien, el hecho de que puedes reconocerlos
instantáneamente. Cuando miras a los ojos de alguien, puedes decir exactamente dónde están
mirando, eso es realmente una habilidad increíble. Estas son cosas que las computadoras no
pueden hacer porque se limitan fundamentalmente a las matemáticas. Sólo pueden entender
los números y las operaciones matemáticas. Pero mediante el uso de la tecnología de
aprendizaje automático, en realidad puede tomar estas matemáticas y usarlas para
comprender patrones en grandes cantidades de datos humanos estructurados y no
estructurados. La única diferencia aquí es que antes, nosotros como humanos construiríamos
manualmente estos patrones y estas condiciones, mientras que ahora se hace
automáticamente para nosotros, al menos principalmente automáticamente por técnicas como
descenso de gradiente y cálculo. Por lo tanto, la tecnología de aprendizaje automático es un
término más preciso para lo que la IA realmente es hoy y lo será en el futuro. Por supuesto, la
inteligencia artificial no está destinada a reemplazarnos porque en un nivel fundamental, es
algo completamente diferente a un cerebro humano.

1.4. Generative AI Overview and Use Cases

Bienvenido a la descripción general y el uso de la IA generativa Casos. Después de ver este

vídeo, podrás para: Definir la IA generativa y describir su significado, y explicar los diferentes
casos de uso de la generativa AYUDA. La inteligencia artificial (IA) se define como Inteligencia
aumentada que permite a los expertos escalar sus capacidades como máquinas gestiona tareas
que consumen mucho tiempo, como reconocer el habla, jugar y tomar decisiones. Por otro
lado, la inteligencia artificial generativa, o GenAI, es una técnica de IA capaz de crear datos
nuevos y únicos, que van desde imágenes y música, texto y mundos virtuales completos. A
diferencia de los modelos de IA convencionales que se basan en reglas y patrones predefinidos,
los modelos de IA generativa utilizan técnicas de aprendizaje profundo y se basan en vastos
conjuntos de datos para generar datos completamente nuevos con diversas aplicaciones. Un
modelo de IA generativa también puede utilizar LLM, Large Modelo de lenguaje, un tipo de
inteligencia artificial basada en técnicas de aprendizaje profundo diseñadas para procesar y
generar lenguaje natural. Por ejemplo, la IA generativa puede desarrollar nuevos y algoritmos o
arquitecturas de LLM más potentes, lo que resulta en un entorno natural más preciso o
eficiente capacidades de procesamiento y generación del lenguaje. Alternativamente, una IA
generativa puede diseñar e incorporar el LLM en un sistema de IA más grande y avanzado para
realizar diversas tareas avanzadas, como la toma de decisiones, la resolución de problemas y el
trabajo creativo. La IA generativa abarca varias tecnologías de IA y la idea de desarrollar
sistemas de IA. Aunque pronto habrá más información sobre la IA generativa Sin embargo, los
siguientes beneficios ya hacen de la IA generativa una tecnología estratégica: creatividad e
innovación, ahorro de costes y tiempo, personalización, escalabilidad , robustez y exploración
de nuevas posibilidades. Veamos algunos casos de uso diversos de la tecnología generativa
GAI. En el campo de la salud y la medicina de precisión, La IA generativa puede ayudar a los
médicos a identificar las mutaciones genéticas responsables de la enfermedad de los pacientes
enfermedades y ofrecer tratamientos a medida. También puede producir imágenes médicas,
simular cirugías y predecir las propiedades de los nuevos fármacos para ayudar a los médicos a
practicar procedimientos y desarrollar tratamientos. En la agricultura, la IA generativa puede
optimizar el rendimiento de los cultivos y crear variedades de plantas más robustas que
puedan resistir los factores de estrés ambiental, plagas y enfermedades. En biotecnología, la IA
generativa puede ayudar en el desarrollo de nuevas terapias y fármacos mediante la
identificación de posibles objetivos farmacológicos, simulando las interacciones
medicamentosas y la previsión de la eficacia de los fármacos. En medicina forense, la IA
generativa puede ayudar a resolver delitos mediante el análisis de las pruebas de ADN y la
identificación de los sospechosos. En conservación ambiental, generativo La IA puede apoyar la
protección de las especies en peligro de extinción mediante el análisis de sus datos genéticos y
sugiriendo estrategias de reproducción y conservación. En los campos creativos, la IA
generativa puede producir contenido único de arte digital, música y vídeo para campañas de
publicidad y marketing, y generar bandas sonoras para películas o videojuegos. En los juegos, la
IA generativa puede crear contenido interactivo mundos de juego mediante la generación de
nuevos niveles, personajes y objetos que se adaptan al comportamiento de los jugadores. En el
mundo de la moda, la IA generativa puede diseñar y producir experiencias virtuales de prueba
para clientes y recomendaciones de moda personalizadas basadas en opciones de moda en el
comportamiento y las preferencias de los clientes. En robótica, la IA generativa puede diseñar
nuevos los movimientos de los robots y los adaptan a entornos cambiantes, permitiéndoles
realizar tareas complejas tareas. En educación, la IA generativa puede crear creaciones
personalizadas materiales de aprendizaje y entornos de aprendizaje interactivos que se ajustan
al aprendizaje de los estudiantes estilos y ritmos. En el aumento de datos, la IA generativa
puede producir nuevos datos de entrenamiento para modelos de aprendizaje automático,
mejorando su precisión y rendimiento. En este vídeo, aprendiste que: La IA generativa es una
técnica de IA capaz de crear datos nuevos y únicos. Supera a los modelos de IA tradicionales en
términos de creatividad, ahorro de costes y tiempo, personalización, escalabilidad, robustez y
exploración de nuevas posibilidades. La IA generativa tiene el potencial de transformarse varias
industrias y mejorar la vida de las personas y generar datos nuevos e imposibles y experiencias,
y se puede utilizar para realizar una amplia gama de tareas, similares a la flexibilidad y
adaptabilidad de la inteligencia humana.

Resumen de la lección

En esta lección, has aprendido:

1. IBM Research define la Inteligencia Artificial (IA) como Inteligencia Aumentada,

ayudando a los expertos a escalar sus capacidades a medida que las máquinas hacen el
trabajo que consume mucho tiempo.
2. La IA aprende mediante la creación de modelos de aprendizaje automático basados en
las entradas proporcionadas y los resultados deseados.
3. La IA se puede describir de diferentes maneras en función de la fuerza, la amplitud y la
aplicación: IA débil o estrecha, IA fuerte o generalizada, IA superconsciente o
consciente.
4. La IA es la fusión de muchos campos de estudio, como la informática, la ingeniería
eléctrica, las matemáticas, la estadística, la psicología, la lingüística y la filosofía.

2. Impact of AI: Applications and Examples

2.1.Impact and Examples of AI

La IA ha llegado para quedarse, con la promesa de transformar la forma en que

funciona el mundo. Según un estudio de PWC, se añadirán 16 billones de dólares de
PIB de aquí a 2030 sobre la base de la IA. Se trata de una escala de impacto económico
nunca vista, y no sólo en la industria de las TI, sino que afecta prácticamente a todas
las industrias y aspectos de nuestras vidas. La IA significa cosas diferentes para cada
persona. Para un diseñador de videojuegos, la IA significa escribir el código que afecta
a cómo juegan los bots, y cómo reacciona el entorno ante el jugador. Para un guionista,
la IA significa un personaje que actúa como un humano, con algún tropo de rasgos
informáticos mezclados. Para un científico de datos, la IA es una forma de explorar y
clasificar datos para alcanzar objetivos específicos. Los algoritmos de IA que aprenden
con el ejemplo son la razón por la que podemos hablar con Watson, Alexa, Siri, Cortana
 y Google Assistant, y ellos pueden respondernos. Las capacidades de procesamiento
del lenguaje natural y de generación de lenguaje natural de la IA no sólo están
permitiendo que las máquinas y los humanos se entiendan e interactúen entre sí, sino
que están creando nuevas oportunidades y nuevas formas de hacer negocios. Los
chatbots impulsados por las capacidades de procesamiento del lenguaje natural, se
están utilizando en la atención sanitaria para interrogar a los pacientes y realizar
diagnósticos básicos como los médicos reales. En la educación, están proporcionando a
los estudiantes interfaces conversacionales fáciles de aprender y tutores en línea a
petición. Los chatbots de atención al cliente están mejorando la experiencia del cliente
resolviendo consultas en el momento y liberando tiempo de los agentes para
conversaciones que añaden valor. Los avances en la tecnología de voz a texto
impulsados por la IA han hecho realidad la transcripción en tiempo real

Los avances en la síntesis del habla son la razón por la que las empresas están
utilizando la voz impulsada por la IA para mejorar la experiencia del cliente y dar a su
marca su voz única. En el campo de la medicina, está ayudando a los pacientes con la
enfermedad de Lou Gehrig, por ejemplo, a recuperar su voz real en lugar de utilizar una
voz computerizada. Es gracias a los avances en IA que el campo de la visión por
ordenador ha podido superar a los humanos en tareas relacionadas con la detección y
el etiquetado de objetos. La visión por ordenador es una de las razones por las que los
coches pueden dirigir su camino en calles y autopistas y evitar chocar contra
obstáculos. Los algoritmos de visión por ordenador detectan rasgos e imágenes faciales
y los comparan con bases de datos de perfiles faciales. Esto es lo que permite que los
dispositivos de consumo autentifiquen las identidades de sus propietarios mediante el
reconocimiento facial, que las aplicaciones de las redes sociales detecten y etiqueten a
los usuarios y que los cuerpos de seguridad identifiquen a los delincuentes en las
secuencias de vídeo. Los algoritmos de visión por ordenador están ayudando a
automatizar tareas. Como detectar lunares cancerosos en imágenes de la piel o
encontrar síntomas en radiografías y resonancias magnéticas. La IA está repercutiendo
en la calidad de nuestras vidas a diario. Hay IA en nuestra cola de Netflix, nuestras
aplicaciones de navegación, manteniendo el spam fuera de nuestras bandejas de
entrada y recordándonos eventos importantes. La IA está trabajando entre bastidores
supervisando nuestras inversiones, detectando transacciones fraudulentas,
identificando fraudes con tarjetas de crédito y previniendo delitos financieros. La IA
está influyendo en la atención sanitaria de manera significativa, ayudando a los
médicos a llegar a diagnósticos preliminares más precisos, leyendo imágenes médicas,
encontrando ensayos clínicos apropiados para los pacientes. No sólo está influyendo
en los resultados de los pacientes, sino también haciendo que los procesos operativos
sean menos costosos. La IA tiene el potencial de acceder a enormes cantidades de
información, imitar a los humanos, incluso a humanos específicos, hacer
recomendaciones que cambian la vida sobre la salud y las finanzas, correlacionar datos
que pueden invadir la privacidad, y mucho más.

2.2.Optional: Application Domains for AI

¿Puede hablarnos de algunas de las aplicaciones de la IA? >> Hay todo tipo de
aplicaciones diferentes, obviamente, está la sanidad, están las finanzas. La que está
más cerca de mi corazón, por supuesto, es la robótica y la automatización. Donde las
tecnologías de IA realmente nos ayudan a mejorar nuestras habilidades para percibir el
entorno que rodea al robot y para hacer planes en entornos impredecibles a medida
que van cambiando. >> Hay un gran libro publicado por un autor, era Kelvin Kelly, y es
editor de la revista Wired, ha escrito un gran libro sobre las tecnologías que van a estar
cambiando dando forma a nuestro mundo, específicamente 12 tecnologías. Y él tiene
una definición fantástica en el libro sobre específicamente cómo la IA va a impregnar
nuestra vida cotidiana y todo se resume en una cita excelente. Así que él dice que los
casos de negocio para las próximas 10.000 startups son fáciles de predecir, tengo x y
voy a añadir IA a mi x. La forma en que entiendo eso es básicamente una noción que la
IA de una forma, manera o forma, en cualquier forma o forma, va a impregnar todos
los aspectos del quehacer humano. Todo lo que hacemos, todo lo que tocamos va a ser
mejorado por la IA. Tenemos grandes beneficios de tomar cualquier dispositivo,
cualquier máquina, y hacerla sólo un poco más inteligente. El beneficio de eso es sólo
añadirle un poco de smarts, un poco de inteligencia es exponencial en su beneficio. >>
Así que trabajamos mucho con algunas aplicaciones realmente divertidas de la IA.
Hacemos un par de cosas diferentes en el laboratorio que dirijo. Trabajamos en
vehículos de auto-conducción como un aspecto, por lo que la autonomía para la auto-
conducción. Lo que requiere mucha IA para los sistemas de visión, para la inteligencia
de navegación , para los aspectos de planificación y control del coche, eso es lo que
hacemos. Y también tenemos un amplio programa de investigación en lo que se
denomina robótica colaborativa, o cobots. Así que robots que están diseñados para
trabajar en y alrededor de y con personas. Y eso presenta muchos retos, porque
queremos que los robots actúen de forma inteligente y que interactúen con los
humanos de un modo que resulte natural. Y eso requiere comprender cómo se
comportan las personas, lo que exige inteligencia. Además de esas, hay una miríada de
otras aplicaciones, descubrimiento de fármacos, tratamientos médicos para el cáncer y
otras enfermedades. Así que un montón de aplicaciones extremadamente
emocionantes. >> Quiero decir que creo que el uso general de la IA hasta ahora ha sido
tomar grandes conjuntos de datos, y darles sentido. Y hacer algún tipo de
procesamiento con esos datos en tiempo real. Eso es lo que hemos estado haciendo, y
eso es lo que hemos visto más eficaz, en términos de crear algún tipo de impacto a
mayor escala en la asistencia sanitaria más allá de tener un dispositivo aislado. Y
hemos estado viendo eso en todos los ámbitos, en todo el espectro de la asistencia
sanitaria. >> Utilizamos la IA todo el tiempo, y muchas veces ni siquiera somos
conscientes de ello. Utilizamos la IA cada vez que tecleamos una consulta en un
buscador, cada vez que utilizamos nuestro GPS. O cada vez que utilizamos algún tipo de
sistema de reconocimiento de voz. >> Me gustaría centrarme en un segmento concreto
de la IA, si le parece bien, en torno a la visión por ordenador. Porque me resulta
especialmente fascinante. Ahora, cuando pensamos en la visión por ordenador, están
buscando en la IA formas de ayudar a aumentar, o ayudar a automatizar o ayudar a
entrenar a los ordenadores para hacer algo que ya es muy difícil de entrenar a los
humanos para hacer. Como cuando se trata del aeropuerto, tratando de encontrar
armas dentro del equipaje a través del escáner de rayos X, ahora eso podría ser difícil
de hacer. No importa lo mucho que entrenar a alguien que puede ser muy difícil de
identificar. Pero con la visión por ordenador que puede ayudar a automatizar, ayudar a
aumentar, ayudar a la bandera, ciertas imágenes de rayos X de modo que tal vez
incluso los seres humanos pueden simplemente echar un vistazo a un conjunto filtrado
de imágenes, no todas las imágenes ¿verdad? Así que la visión por ordenador es muy
disruptiva. Y así hay muchas maneras en las que la visión por ordenador puede
realmente ayudar a aumentar las capacidades de los humanos en muchas industrias
 diferentes. >> Ahora quiero decir que las aplicaciones de la IA están realmente a
nuestro alrededor. No hay límite a lo que realmente estamos haciendo con la
inteligencia artificial. Cuando usted hace prácticamente cualquier cosa en cualquier
tecnología, lo más probable es que esté utilizando alguna forma de lo que llamamos
aprendizaje automático o inteligencia artificial. Por ejemplo, cuando revisa su correo
electrónico. Hacer algo tan simple como revisar su correo electrónico. El filtrado de
spam se ha hecho durante años con la tecnología de aprendizaje automático. Más
recientemente, Google salió con sus características que le permiten hacer
composiciones inteligentes de correo electrónico. Así que en realidad puede tener
texto escrito para usted sobre la marcha mientras está escribiendo su correo
electrónico. Tus asuntos también se escriben automáticamente, te recomendará a
quién deberías enviar el correo electrónico, ver si te has dejado a alguien. Todas estas
cosas están impulsadas por el aprendizaje automático. Pero algunas de las principales
áreas en las que creo que la tecnología de aprendizaje automático puede tener un
impacto son los campos de la atención sanitaria y la educación.

2.3. Some Applications of AI

¿Puede dar algunos ejemplos concretos de aplicaciones de la IA? Desde luego. Así que
tenemos un programa de robótica colaborativa bastante amplio. Así que los cobots en
los que trabajamos están dirigidos principalmente en este momento a aplicaciones de
fabricación, fabricación, almacenaje, logística, este tipo de aplicaciones en las que
normalmente puede tener una persona haciendo un trabajo que puede ser aburrido,
puede ser peligroso, y tener apoyo robótico o tener un robot haciendo realmente el
trabajo puede hacerlo mucho más seguro, más eficiente y más eficaz en general. Así
que trabajamos en muchos de esos tipos de aplicaciones, particularmente donde los
robots intentan interactuar directamente con las personas, como ya he dicho. Así que
el robot puede ayudar a una persona a levantar un contenedor pesado, o ayudar a
mover artículos en un almacenamiento, en una estantería con fines de
almacenamiento, así que todos estos tipos de aplicaciones, donde creo que veremos
robots colaborativos moverse primero, y luego, con suerte, un día y tal vez en su casa
para ayudarle con la colada y los platos en la cocina. Esperemos que sí. Por ejemplo, en
el sector del petróleo y el gas, hay una empresa, una empresa de petróleo y gas
bastante grande llamada Abu Dhabi National Oil Company, y uno de los problemas con
los que tiene que lidiar cualquier tipo de empresa petrolera es, ¿cuál es el mejor lugar
para que perforen en busca de petróleo? Así que tienen que encontrar estas muestras
de roca de todos estos lugares diferentes, para este lugar y en este lugar, y ese lugar, y
tal vez cientos de lugares diferentes para que puedan perforar en busca de petróleo. A
partir de estas muestras de roca, ahora usted tiene todas estas finas láminas de roca en
tal vez cientos o miles de ellas, y depende de estas compañías petroleras ser capaces
de clasificar estas usando que son geólogos entrenados y expertos. Pero entrenar
geólogos para clasificar adecuadamente estas láminas de roca puede ser bastante
difícil, podría consumir mucho tiempo, podría costar mucho dinero también. Así que
una forma de ayudar a aumentar las capacidades de los humanos es poder utilizar la
visión por ordenador, para clasificar estas muestras de rocas y poder identificar cuáles
de estos lugares son los mejores para perforar en busca de petróleo... Eso en petróleo
y gas. Imagínese antes de esto, si hubiera una forma muy, muy rara de cáncer
experimentado por un médico en Dubai, y si hubiera otro caso en Nueva Zelanda,
¿cómo cree que se habrían dado cuenta de que, "Eh, ambos estamos tratando este
 caso tan raro ya que trabajamos juntos." Eso no habría sido posible en el pasado, pero
ahora con la tecnología de aprendizaje automático siendo capaces de agregar
conocimientos de tantas fuentes diferentes en una Nube centralizada y entenderla, y
proporcionar esa información inaccesible, intuitiva, de forma implícita. Ahora, ese
médico neozelandés puede ir por delante y utilizar esta técnica de aprendizaje
automático para decir: "Oye, hace sólo unos días hubo un médico con un caso muy
similar ", aunque no sea exactamente lo mismo. Claro. Así que trabajamos con un
número de startups y el número de empresas, y sólo voy a traer un par de ejemplos.
Así que lo que les gusta hablar bastante de es empresa fuera de California llamada
Echo Devices. Lo que han hecho es que han tomado un simple dispositivo que es el
estetoscopio, algo que vemos alrededor del cuello de cada médico, enfermera, y el
profesional de la salud, y han tomado ese dispositivo y básicamente han transformado
eso primero en un dispositivo digital cortando el tubo del estetoscopio, insertando en
él un digitalizador que toma un sonido analógico, lo transforma en una señal digital, lo
amplifica en el proceso, hace que sea mucho más fácil para la gente oír, es un sonido
amplificado, el sonido de su corazón, o de sus pulmones trabajando. Pero lo que
también nos permite hacer es que nos permite tomar la señal digital y enviarla por
Bluetooth a un teléfono inteligente. Una vez que está en un teléfono inteligente, son
capaces de graficarla, lo que permite al médico entender mejor, no sólo a través de los
datos de audio sino a través de un gráfico real de cómo está funcionando su corazón.
Pero debido a que la información es ahora capturada en el mundo digital, ahora puede
ser algoritmo central de aprendizaje automático, y eso es lo que hacen. Un algoritmo
de aprendizaje automático puede realmente aprender de eso, aplicar sus aprendizajes
previos de los médicos humanos, cardiólogo, y ahora ayudar a un médico que está
utilizando el dispositivo en su diagnóstico actual. Así que básicamente no sustituye a
un médico de ninguna manera, forma o manera, es tecnología de asistencia que está
tomando los aprendizajes de las generaciones anteriores de cardiólogo humano, y
ayudando en el diagnóstico en el estado actual. Para mí, es un ejemplo perfecto de
tomar la X, que en este caso concreto es como un estetoscopio, y luego añadir IA a esa
X. Yo tengo un nombre realmente ingenioso para eso, lo llaman Shazam for Heartbeats.

2.4. Optional: More Applications of AI

¿Puede hablar de la IA en acción? Para dar un ejemplo de digamos aprendizaje
automático en acción hoy en día, cómo las empresas lo han implementado realmente,
hay un ejemplo al que siempre me encanta volver, y es el ejemplo de Woodside Energy,
una empresa en la región de Australia Nueva Zelanda. Ahora originalmente, ellos
realmente contactaron a IBM porque ellos querían que IBM pudiera crear
esencialmente un sistema que pueda entender los diferentes documentos y la
investigación que sus ingenieros vienen con, y tener a Watson y entender eso, y
esencialmente reemplazar algunos de los ingenieros en su equipo. IBM en realidad
siguió adelante y construyó la aplicación que funcionaba para Watson fuera capaz de
entender ese contenido no estructurado, pero nunca acabaron sustituyendo a ninguno
de sus ingenieros. En lugar de eso, en realidad acabaron contratando a más ingenieros,
porque ahora se dieron cuenta de que dos cosas. En primer lugar, la barrera de entrada
para cada ingeniero es ahora más baja y el conocimiento puede ahora ser compartido
más eficazmente entre los equipos. Porque ahora en lugar de que la investigación se
escriba y se meta en un cajón de archivo donde nunca se vuelve a ver, Watson está
ingiriendo esos datos, comprendiéndolos y proporcionándoselos a quien los necesite, a
 quien Watson crea que necesitaría esos datos. Así que si te imaginas en estos
programas de televisión y en estas escenas de películas también, tienes a veces, si
alguien está buscando a un sospechoso en particular en esta intersección de tráfico en
particular o lo que sea, si pasa por esta intersección, y hay por supuesto algunas
cámaras alrededor. Así que tenemos el guardia de seguridad tal vez, tratando de mirar
a través de horas y horas, docenas y cientos de horas de metraje, tal vez a una
velocidad de 10x y encontrar ese SUV negro en particular o ese coche verde. Entonces
tan pronto como lo encuentran en el final del episodio o lo que sea, entonces decir ajá,
hemos encontrado a esa persona. Pero si tuviéramos algún tipo de algoritmo de visión
por ordenador funcionando en este vídeo durante todo el tiempo, entonces no
tendríamos la necesidad de que alguna persona tuviera que mirar manualmente a
través de horas y horas de metraje. Nuestro caso de uso específico es en realidad
desencadenar la formación de nuevas vías neuronales en el cerebro. Como puede
imaginar, hay mucha información que se produce entre la conexión de cómo funciona
su cuerpo y cómo funciona su cerebro, y qué partes del cerebro están dañadas, qué
partes del cerebro no están dañadas, y cómo está moviendo realmente a la persona o
cómo está provocando que ocurran ciertas cosas en el cuerpo humano para que se
formen nuevas vías neuronales. Así que lo que hemos hecho es, en realidad, hemos
creado conjuntos de datos masivos de información de cómo se mueven las personas, y
cómo eso responde a diferentes áreas del cerebro. A través de esa información, somos
capaces de desencadenar movimientos específicos con un dispositivo robótico, que a
su vez crea estas vías neurales para que se formen en el cerebro, y por lo tanto
recuperar a la persona que sufrió un traumatismo neurológico.

2.5.Famous applications of AI from IBM

Recuerdo esa mañana yendo al laboratorio y pensaba esto es todo, este es el último
juego de Jeopardy. Se hizo real para mí cuando sonó la música y Johnny Gilbert dijo
desde IBM Research en Yorktown Heights, Nueva York, esto es Jeopardy y yo
simplemente me fui. Escuche que es un día. Esta es la culminación de todo este
trabajo. Para serle sincero me emocioné. Watson. ¿Qué es Shoe? Tiene razón. De
hecho nos pusimos en cabeza. Íbamos por delante de ellos, pero entonces empezamos
a equivocarnos en algunas preguntas. ¿Watson? ¿Qué es Pierna? No, lo siento. No
puedo aceptarlo. ¿Qué es 1920? No. ¿Qué es Chic? No, lo siento, Brad. ¿Qué es Class?
Class. Lo tienes. Watson. ¿Qué es Sauron? Sauron está en lo cierto y eso te pone en un
empate por el liderato con Brad. La ronda doble de Jeopardy de el primer juego me
pareció fenomenal. Watson pasó al terror. Watson, ¿quién es Franz List? Has acertado.
¿Qué es el Violín? ¿Quién es la Dama de la Iglesia? Sí. Watson. ¿Qué es la Narcolepsia?
Has acertado y con eso pasas a 36.681 dólares. Ahora, pasamos a Watson. Quién es
Bram Stoker y la apuesta, hola 17.973 dólares y un total de dos días de 77.147 dólares.
Hemos ganado Jeopardy. Están muy justificadamente orgullosos de lo que han hecho.
Hubiera pensado que la tecnología como esta estaba a años vista pero ya está aquí.
Tengo el ego magullado para demostrarlo. Creo que hoy hemos visto algo importante.
Vaya, espere un segundo. Esto es historia. La 60ª edición de los premios Grammy,
impulsada por IBM Watson. Hay una enorme cantidad de datos no estructurados que
procesamos el domingo de los Grammy. Nuestra asociación con la Academia de la
Grabación se centra realmente en ayudarles con algunos de sus flujos de trabajo para
su producción digital. Mi equipo de contenidos es responsable no sólo de tomar todo
 este material en bruto que está entrando, sino de curarlo y publicarlo. Estás hablando
de cinco horas de cobertura de la alfombra roja con 5.000 artistas, haciendo ese viaje
por la alfombra con 100.000 fotos siendo tomadas. Durante las últimas cinco horas,
Watson ha estado utilizando la IA para analizar los colores, los patrones de y las
siluetas de cada uno de los atuendos que han pasado por allí. Así que hemos podido
ver todos los estilos dominantes y compararlos con las galas de los Grammy en el
pasado. Watson también está analizando las emociones de las letras de las canciones
nominadas a los Grammy en los últimos 60 años. Fíjese, en realidad puede identificar
los temas emocionales de la música y clasificarlos como alegría, tristeza y todo lo
demás entre medias. Es muy chulo. Los deportes de fantasía son una forma
increíblemente importante y divertida en la que servimos a los aficionados al deporte.
Nuestros juegos de fantasía impulsan un enorme consumo en todas las propiedades
digitales de ESPN, e impulsan la sintonización de nuestros eventos y programas de
estudio . Pero nuestros usuarios tienen muchas formas diferentes de pasar el tiempo.
Así que tenemos que mejorar continuamente nuestro juego para que elijan pasar ese
tiempo con nosotros. Este año, ESPN se asoció con IBM para añadir una nueva y
potente función a su plataforma de fútbol de fantasía. El fútbol de fantasía genera un
enorme volumen de contenidos - artículos, blogs, vídeos, podcasts. Nosotros lo
llamamos datos no estructurados: datos que no encajan perfectamente en hojas de
cálculo o bases de datos. Watson se creó para analizar ese tipo de información y
convertirla en conocimientos útiles. Entrenamos a Watson con millones de artículos de
fútbol fantástico, entradas de blog y vídeos. Le enseñamos a desarrollar un rango de
puntuación para miles de jugadores, sus aspectos positivos y sus aspectos negativos, y
le enseñamos a estimar las probabilidades de que un jugador supere sus aspectos
positivos o caiga por debajo de los negativos. Watson incluso evalúa el rumor
mediático de un jugador y su probabilidad de jugar. Esta es una gran victoria para
nuestros jugadores de fútbol fantasía . Es una herramienta más para ayudarles a
decidir qué running back o QB empezar cada semana. Es un gran complemento a los
galardonados analistas en los que confían nuestros seguidores. Como con cualquier
aprendizaje automático, el sistema se hace más inteligente todo el tiempo. Eso significa
que los conocimientos son mejores, lo que significa son sólo puede tomar mejores
decisiones y tienen una mejor oportunidad de ganar su matchup cada semana. Cuanto
más éxito nuestros jugadores de fantasía son, más tiempo van a pasar con nosotros. La
asociación entre ESPN e IBM es un gran vehículo para demostrar el poder de la IA de
nivel empresarial a millones de personas, y no es difícil ver cómo la misma tecnología
se aplica a la vida real. Hay miles de escenarios empresariales en los que se está
evaluando el valor y haciendo concesiones. Así es como va a ser el futuro de la toma de
decisiones. El hombre y la máquina trabajando juntos, evaluando el riesgo y la
recompensa, trabajando a través de decisiones difíciles. Esta es la misma tecnología
que IBM utiliza para ayudar a los médicos a extraer millones de páginas de
investigación médica y a los bancos de inversión a financiar ideas que mueven el
mercado.

2.6.Generative AI Applications

Bienvenido a las aplicaciones de IA generativa Después de ver este vídeo, podrá:

Enumerar varias aplicaciones de la IA generativa y explorar los usos de cada aplicación.
La IA generativa se ha convertido en una tecnología poderosa que permite a las
aplicaciones de software crear , generar y simular contenido nuevo, mejorando sus
capacidades y proporcionando experiencias únicas. A diferencia del software
tradicional que sigue reglas y algoritmos predefinidos, la IA generativa aprovecha el
aprendizaje automático y técnicas de aprendizaje profundo para aprender patrones y
generar contenido original basado en conocimiento que ha adquirido durante la
formación. Por su potencial para crear contenido nuevo y personalizado que habría
sido imposible crear de otro modo, La IA generativa se ha utilizado en varios campos, lo
que ha llevado al desarrollo de numerosos aplicaciones atractivas y populares. Algunas
aplicaciones populares de La IA generativa en acción incluye: 1: Los transformadores
generativos preentrenados o GPT, son una familia de grandes modelos de lenguaje
desarrollados por OpenAI que son capaces de producir texto similar a un humano. GPT-
3.5 y GPT-4 son versiones de esta familia de modelos con más modelos futuristas en
desarrollo. Tiene una amplia gama de aplicaciones, que incluyen chatbots impulsados
por GPT como ChatGPT, periodismo automatizado y incluso escritura creativa. 2:
ChatGPT es un chatbot o herramienta de IA conversacional de OpenAI que permite a
los usuarios mantener conversaciones basadas en texto con el idioma subyacente
modelo, GPT. Formado en textos diversos de Internet, genera respuestas parecidas a
las humanas, proporcionando información, responde preguntas, ayuda con las tareas,
participa en la escritura creativa y ofreciendo sugerencias sobre varios temas. 3: Bard
es un asistente de escritura impulsado por IA de Google, cuyo objetivo es ayudar a los
usuarios a producir escritos de alta calidad para la comunicación documentos como
correos electrónicos y publicaciones en redes sociales. Bard genera texto utilizando un
formato grande modelo de lenguaje llamado LaMDA (Language Model for Dialogue
Applications) y se puede ajustar a las preferencias del usuario en cuanto a estilo y tono.
4: Watsonx de IBM es una plataforma de datos e inteligencia artificial, compuesto por
Watsonx.ai para el desarrollo de modelos, Watsonx.Data para el análisis escalable y
Watsonx.Governance para los responsables Flujos de trabajo de IA. Ayuda a crear,
implementar y gestionar aplicaciones de IA a escala, mejorando el impacto de la IA en
su organización. 5: DeepDream es un modelo generativo que puede generar imágenes
surrealistas y psicodélicas a partir de imágenes de la vida real. Cuenta con se ha
utilizado en el arte y el entretenimiento, produciendo algunas piezas únicas y imágenes
visualmente impactantes. 6: StyleGAN es un modelo generativo capaz de producir
imágenes de alta calidad de rostros que no existen en la realidad. Se ha utilizado en
una variedad de aplicaciones, incluida la creación de avatares de videojuegos realistas
y simulación de rostros humanos para la investigación médica. 7: AlphaFold es un
modelo generativo que puede predecir estructura proteica. Tiene el potencial de
transformar el descubrimiento de fármacos y hacer posible desarrollar tratamientos
más eficaces para las enfermedades. 8: Magenta es un proyecto de Google que crea
música y arte utilizando la IA generativa. Ha rendido algunos resultados intrigantes e
impresionantes, como un dueto de piano interpretado por un humano y un piano
generado por IA. 9: El PaM 2 de Google AI cuenta con un poderoso curso de LLM en un
conjunto de datos diez veces mayor. Se destaca en entender los matices, generando
coherencia texto y código, traduce y responde preguntas. El desarrollo continuo
promete: revolucionar las interacciones hombre-computadora, mejorando la precisión,
la eficiencia, creatividad y comunicación. GitHub Copilot es una codificación basada en
IA asistente desarrollado por OpenAI y GitHub que está diseñado para ayudar a los
desarrolladores escribir código de manera más eficiente. Utiliza un algoritmo de
aprendizaje profundo para analizar el código y genera sugerencias para el
desarrollador, como el autocompletado de fragmentos de código o sugerencias
funciones basadas en el contexto del código. La IA generativa es una rápida Un espacio
en evolución y se espera que crezca de forma espectacular en los próximos años. Sin
embargo, existen ciertas preocupaciones éticas sobre la IA generativa, incluido el
posible uso indebido del contenido generado por la IA y las implicaciones para leyes de
propiedad intelectual y derechos de autor. En este vídeo, aprendiste que: La IA
generativa permite a las aplicaciones: crear, generar y simular contenido nuevo.
Aprovecha el aprendizaje automático y las técnicas de aprendizaje profundo para
aprende patrones y genera contenido original, y algunas aplicaciones de la generación
de IA incluyen el GPT-4, ChatGPT, Bard, GitHub Copilot y PaM 2.

Resumen de la lección

En esta lección, has aprendido:

Las aplicaciones impulsadas por IA están creando un impacto en diversas áreas, como
la atención médica, la educación, la transcripción, la aplicación de la ley, el servicio al
cliente, las aplicaciones móviles y de redes sociales, la prevención del fraude
financiero, los diagnósticos de pacientes, los ensayos clínicos y más.

Algunas de estas aplicaciones incluyen:

 Robótica y automatización, donde la IA está haciendo posible que los robots

perciban entornos impredecibles a su alrededor para decidir los próximos
pasos.
 Seguridad aeroportuaria, donde la IA está haciendo posible que los escáneres
de rayos X marquen las imágenes que puedan parecer sospechosas.
 Petróleo y gas, ¿dónde la IA está ayudando a las empresas a analizar y clasificar
miles de muestras de roca para ayudar a identificar los mejores lugares para
perforar en busca de petróleo?

Algunas aplicaciones famosas de la IA de IBM incluyen:

 Watson jugando a Jeopardy para ganar a dos de sus más grandes campeones,
Ken Jennings y Brad Rutter.
 Watson se asoció con la Academia para ofrecer una experiencia amplificada de
los Grammy para millones de fanáticos.
 Watson colabora con ESPN para servir a 10 millones de usuarios de la
aplicación ESPN Fantasy, compartiendo información que les ayuda a tomar
mejores decisiones para ganar sus enfrentamientos semanales.