Presentación
Evolucion de la inteligencia artificial
Empezar
Introducciòn
Desde los primeros intentos por imitar el pensamiento humano hasta los sistemas actuales capaces de crear, aprender y decidir, la inteligencia artificial ha transformado la forma en que vivimos. Hoy exploraremos su evolución a lo largo del tiempo.
nUEVAS TECNOLOGIAS
Inicios
El concepto de IA se remonta a las primeras teorías matemáticas sobre la computación y el pensamiento humano. Durante estas décadas, se sentaron las bases teóricas de la IA.
Alan Turing: En 1950, el matemático británico Alan Turing presentó el concepto de la "máquina de Turing" y propuso el Test de Turing, una prueba para medir la capacidad de una máquina para exhibir comportamiento inteligente indistinguible del de un ser humano.
John von Neumann: También trabajó en la creación de computadoras que pudieran simular procesos mentales.
La IA en esta fase era principalmente teórica, con poca capacidad práctica debido a las limitaciones tecnológicas.
descubrimientos
Durante estos años, se desarrollaron las primeras máquinas que intentaron simular el razonamiento humano. 1956 - Dartmouth Conference: En la conferencia de Dartmouth, organizada por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, se acuñó el término "inteligencia artificial" y se sentaron las bases de la investigación en este campo. Algoritmos y Programación Simbólica: Se comenzaron a desarrollar algoritmos básicos para el razonamiento simbólico, el cual es el proceso de manipular símbolos para resolver problemas. Los primeros programas IA, como Logic Theorist y General Problem Solver (GPS), fueron diseñados para resolver problemas matemáticos y lógicos.
El Invierno de la IA (Décadas de 1970-1990):
3. El Invierno de la IA (Décadas de 1970-1990): El entusiasmo por la IA experimentó un golpe significativo en las décadas de 1970 y 1980 debido a las limitaciones tecnológicas y las expectativas poco realistas. Problemas con la Programación Simbólica: Los sistemas basados en reglas rígidas y la programación simbólica mostraron ser incapaces de manejar la ambigüedad y la complejidad del mundo real, lo que llevó a la falta de avances significativos. Falta de Potencia Computacional: La tecnología de la época no podía manejar grandes cantidades de datos o realizar cálculos a la velocidad necesaria para simular inteligencia humana. El Invierno de la IA: Durante este período, las inversiones en investigación de IA disminuyeron considerablemente debido a la decepción con los resultados y la falta de avances tangibles.
4. Renacimiento con el Aprendizaje Automático (1990-2010):
A finales de la década de 1980 y principios de los 90, surgió una nueva corriente dentro de la IA, basada en el aprendizaje automático (machine learning). Redes Neuronales: La idea de redes neuronales artificiales (simulando el funcionamiento del cerebro) resurgió. Aunque estas redes ya existían desde los años 50, la falta de poder computacional y de grandes conjuntos de datos impidió su desarrollo. A finales de los 80 y 90, comenzaron a mejorarse los algoritmos de redes neuronales, como el backpropagation, que permitieron que las redes aprendieran de manera más eficiente. Auge de los Datos: Con la llegada de internet y la expansión de la digitalización, se empezó a disponer de grandes cantidades de datos que alimentaron los algoritmos de IA, facilitando el entrenamiento de modelos de machine learning.
La Revolución del Deep Learning (2010-actualidad):
A partir de la década de 2010, la IA experimentó una revolución gracias al avance en el deep learning (aprendizaje profundo), una subdisciplina del machine learning que utiliza redes neuronales profundas con muchas capas de procesamiento. Reconocimiento de Imágenes y Voz: Las redes neuronales profundas permitieron avances significativos en el reconocimiento de imágenes, voz y texto. Servicios como Google Translate, Siri de Apple, y Google Assistant comenzaron a mejorar exponencialmente en precisión y comprensión. Avances en Juegos y Estrategia: La IA alcanzó logros impresionantes en juegos complejos. En 2016, AlphaGo de DeepMind derrotó al campeón mundial de Go, un juego considerado mucho más complejo que el ajedrez, mostrando el poder de los algoritmos de IA para aprender de forma autónoma. Generación de Contenido: Las redes generativas adversarias (GANs) y otros algoritmos avanzados permitieron la creación de contenido sintético, como imágenes y videos realistas, e incluso la generación de texto coherente, como el que produces en esta conversación.
Gracias
VALERIA GONZALEZ MUÑOZ
Evolucion de la inteligencia artificial
Valeria
Created on October 24, 2025
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Terrazzo Presentation
View
Visual Presentation
View
Relaxing Presentation
View
Modern Presentation
View
Colorful Presentation
View
Modular Structure Presentation
View
Chromatic Presentation
Explore all templates
Transcript
Presentación
Evolucion de la inteligencia artificial
Empezar
Introducciòn
Desde los primeros intentos por imitar el pensamiento humano hasta los sistemas actuales capaces de crear, aprender y decidir, la inteligencia artificial ha transformado la forma en que vivimos. Hoy exploraremos su evolución a lo largo del tiempo.
nUEVAS TECNOLOGIAS
Inicios
El concepto de IA se remonta a las primeras teorías matemáticas sobre la computación y el pensamiento humano. Durante estas décadas, se sentaron las bases teóricas de la IA. Alan Turing: En 1950, el matemático británico Alan Turing presentó el concepto de la "máquina de Turing" y propuso el Test de Turing, una prueba para medir la capacidad de una máquina para exhibir comportamiento inteligente indistinguible del de un ser humano. John von Neumann: También trabajó en la creación de computadoras que pudieran simular procesos mentales. La IA en esta fase era principalmente teórica, con poca capacidad práctica debido a las limitaciones tecnológicas.
descubrimientos
Durante estos años, se desarrollaron las primeras máquinas que intentaron simular el razonamiento humano. 1956 - Dartmouth Conference: En la conferencia de Dartmouth, organizada por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, se acuñó el término "inteligencia artificial" y se sentaron las bases de la investigación en este campo. Algoritmos y Programación Simbólica: Se comenzaron a desarrollar algoritmos básicos para el razonamiento simbólico, el cual es el proceso de manipular símbolos para resolver problemas. Los primeros programas IA, como Logic Theorist y General Problem Solver (GPS), fueron diseñados para resolver problemas matemáticos y lógicos.
El Invierno de la IA (Décadas de 1970-1990):
3. El Invierno de la IA (Décadas de 1970-1990): El entusiasmo por la IA experimentó un golpe significativo en las décadas de 1970 y 1980 debido a las limitaciones tecnológicas y las expectativas poco realistas. Problemas con la Programación Simbólica: Los sistemas basados en reglas rígidas y la programación simbólica mostraron ser incapaces de manejar la ambigüedad y la complejidad del mundo real, lo que llevó a la falta de avances significativos. Falta de Potencia Computacional: La tecnología de la época no podía manejar grandes cantidades de datos o realizar cálculos a la velocidad necesaria para simular inteligencia humana. El Invierno de la IA: Durante este período, las inversiones en investigación de IA disminuyeron considerablemente debido a la decepción con los resultados y la falta de avances tangibles.
4. Renacimiento con el Aprendizaje Automático (1990-2010):
A finales de la década de 1980 y principios de los 90, surgió una nueva corriente dentro de la IA, basada en el aprendizaje automático (machine learning). Redes Neuronales: La idea de redes neuronales artificiales (simulando el funcionamiento del cerebro) resurgió. Aunque estas redes ya existían desde los años 50, la falta de poder computacional y de grandes conjuntos de datos impidió su desarrollo. A finales de los 80 y 90, comenzaron a mejorarse los algoritmos de redes neuronales, como el backpropagation, que permitieron que las redes aprendieran de manera más eficiente. Auge de los Datos: Con la llegada de internet y la expansión de la digitalización, se empezó a disponer de grandes cantidades de datos que alimentaron los algoritmos de IA, facilitando el entrenamiento de modelos de machine learning.
La Revolución del Deep Learning (2010-actualidad):
A partir de la década de 2010, la IA experimentó una revolución gracias al avance en el deep learning (aprendizaje profundo), una subdisciplina del machine learning que utiliza redes neuronales profundas con muchas capas de procesamiento. Reconocimiento de Imágenes y Voz: Las redes neuronales profundas permitieron avances significativos en el reconocimiento de imágenes, voz y texto. Servicios como Google Translate, Siri de Apple, y Google Assistant comenzaron a mejorar exponencialmente en precisión y comprensión. Avances en Juegos y Estrategia: La IA alcanzó logros impresionantes en juegos complejos. En 2016, AlphaGo de DeepMind derrotó al campeón mundial de Go, un juego considerado mucho más complejo que el ajedrez, mostrando el poder de los algoritmos de IA para aprender de forma autónoma. Generación de Contenido: Las redes generativas adversarias (GANs) y otros algoritmos avanzados permitieron la creación de contenido sintético, como imágenes y videos realistas, e incluso la generación de texto coherente, como el que produces en esta conversación.
Gracias
VALERIA GONZALEZ MUÑOZ