Inteligencia Artificial

Introducción

Jesús David Navarro

jEsuSdA 8)

Índice

• Introducción a la Inteligencia Artificial
• Cómo se puede Usar
• Modalidades de Uso
• Posibles Usos
• Posibles Riesgos
• Predicciones a Futuro

Introducción a la Inteligencia Artificial

La Inteligencia Artificial (IA) es un campo de la informática que busca desarrollar sistemas capaces de realizar tareas que requieren inteligencia humana.
En la actualidad, la IA está transformando diversos sectores, desde la salud hasta el comercio, pasando por el arte y la tecnología.

Aplicaciones de la IA

La Inteligencia Artificial tiene numerosas aplicaciones, algunas de ellas incluyen:

• Asistentes virtuales.
• Mejora o corrección de información para añadir detalle a la misma:
  • Traducciones
  • Corrección de texto
  • Mejora de sonido, vídeo e imagen

...

Aplicaciones de la IA

...

• Generación de contenido:
  • A partir de indicaciones (Procesaimiento del Lenguaje Natural)...
  • A partir de documentos existentes...
  • ...Generación multimodal (Imagen, Sonido, Texto, Código, ...)
• Aprendizaje profundo
  • Análisis de datos
  • Detección de patrones y objetos complejos
  • Resolución de problemas

Dónde puedo ejecutar la Inteligencia Artificial

Dónde se puede ejecutar la Inteligencia Artificial

En la web/nube ☁️

• 👍️ Ventajas:
  • Escalabilidad: Uso de recursos según demanda.
  • Acceso remoto: Trabajar desde cualquier lugar con Internet.
  • Servicios gestionados: Administrado por terceros.
• 👎️ Inconvenientes:
  • Dependencia de conexión a internet y mantenimiento del servicio.
  • Posibles costos adicionales por uso de recursos.
• Ejemplo: ChatGPT, BingChat o Dall-e

En Servidores Remotos 🖥️

• 👍️ Ventajas:
  • Disponibilidad: Uso a recursos según demanda.
  • Colaborativo: Compartir y colaborar con varias personas.
  • Potencia: Servidores más potentes que máquina local propia.
• 👎️ Inconvenientes:
  • Limitaciones en recursos computacionales.
  • Dependencia de conexión a internet.
  • Coste por uso.
• Ejemplo: Entorno Jupyter con Google Colab.

En chatbots 👥️

• 👍️ Ventajas:
  • Accesibilidad: Se integra en nuestros servicios de mensajería.
  • Acceso remoto: Trabajar desde cualquier lugar con Internet.
  • Facilidad: Chateamos y el bot nos responde.
• 👎️ Inconvenientes:
  • Dependencia de conexión a internet y mantenimiento del servicio.
  • Dependencia de aplicaciones y servicios de mensajería.
  • Respuesta depende de la carga de los sistemas.
• Ejemplo: ChatBots de Whatsapp o Telegram

En local 💻️

• 👍️ Ventajas:
  • Control total: Sobre recursos y datos.
  • Privacidad: Los datos se mantienen en tu propio equipo.
• 👎️ Inconvenientes:
  • Requiere hardware potente (y caro).
  • Necesita mantenimiento y actualizaciones.
  • Requiere conocimientos técnicos para su instalación y configuración.
• Ejemplo: Llama 2 o RealESRGan.

Modalidades de Uso

Modalidades de Uso:

Gratis

• Acceso básico a herramientas y servicios sin costo.
• 👍️ Ventaja: ¡It's Free!
• 👎️ Desventajas:
  • Dependen de financiación de terceros o de usuarios
  • O Monetizan tus datos (ojo!)
  • Continuidad en el tiempo...

Freemium

• Ofrece servicios básicos gratuitos con opciones premium.
• El modelo más habitual.
• • Uso limitado en tiempo según pago
  • Calidad/Opciones limitadas según pago
  • Modelo empleado según pago

Créditos / Unidades de cómputo

• Modelo de pago por uso o por cantidad de recursos consumidos.
• Similar al Freemium, pero escalable por uso
• • Gastas créditos o Unidades por uso o complejidad
  • Se compran packs de crédidos o unidades

Riesgos de la IA

Riesgos de la IA

Riesgos: Sesgo en los Algoritmos

Los algoritmos de IA pueden reflejar sesgos existentes en los datos utilizados para su entrenamiento, lo que puede llevar a decisiones parciales, discriminatorias o injustas.

Es crucial implementar medidas para identificar y mitigar el sesgo en los algoritmos, como la diversificación de conjuntos de datos y la supervisión continua de los resultados.

Riesgos: Caja Negra

Muchos algoritmos de IA funcionan como una caja negra: Conocemos las entradas y las salidas, pero no el por qué de las deisiones internas.

Esto implica que debemos revisar los resultados para confirmarlos.

Riesgos: Pérdida de Empleos

La automatización impulsada por la IA puede resultar en la pérdida de empleos en ciertos sectores, lo que plantea desafíos socioeconómicos y laborales.

Es fundamental desarrollar programas de reentrenamiento y reciclaje laboral para mitigar el impacto negativo en los trabajadores afectados por la automatización.

Riesgos: Privacidad y Seguridad de Datos

El uso extensivo de datos personales en sistemas de IA plantea preocupaciones sobre la privacidad y la seguridad de la información.

Se deberían implementar medidas de protección de datos y políticas claras de privacidad, para garantizar la confidencialidad y proteción... ¡ya llegamos tarde!.

Riesgos: Dependencia en la Toma de Decisiones

La confianza excesiva en los sistemas de IA para tomar decisiones críticas sin comprensión total de su funcionamiento puede llevar a errores costosos o situaciones problemáticas.

Es esencial fomentar una comprensión profunda del funcionamiento y limitaciones de los sistemas de IA, así como establecer mecanismos de supervisión y control para evitar consecuencias no deseadas.

Riesgos: Derechos de Autor

Los contenidos generados por IA no están sujetos a derechos de autor, pero los datos con los que fueron entrenados sí .

Es importante articular sistemas para proteger las obras de los autores y también evitar que contenido generado por IA pase por contenido creado por humanos.

Riesgos: Confusión/Desinformación

Los contenidos generados por IA a veces son indistinguibles de contenidos reales.

Es esencial desarrollar sistemas para detectar contenidos generados con IA y discriminarlos de los que no.

Predicciones a Futuro

¡Hagamos predicciones sobre el futuro!

Avances en IA Explicativa

Mayor desarrollo de la IA explicativa, que permitirá comprender y explicar las decisiones tomadas por los modelos de IA de manera más transparente y comprensible para los usuarios.

Integración de IA en cosas Cotidianos

Mayor integración de la IA en dispositivos cotidianos, como aplicaciones, smartphones, electrodomésticos y wearables.

Modelos más avanzados

Mayor calidad en IAs generativas, llegando a ser indistinguibles de contenidos reales y desplazando metodologías y empleos actuales.

Modelos optimizados

Modelos optimizados para usarse en local, de forma que podamos entrenarlos con nuestros datos y usarlos sin dependencia de terceros.

Mayor concentración

La carrera por el dominio de IAs en ciertos campos puede provocar que ciertas tecnologías queden monopolizadas por unas pocas empresas.

Cambio de paradigma

Muchas tareas y empleos cotidianos van a cambiar: programación, docencia, creación de contenidos, diseño, animación, vídeo, etc. .

¿Y tú qué opinas?

¿Y tú qué opinas?