Neurociencia e Inteligencia Artificial
Definición, metodologías, uso y abuso en la industria alimentaria
01
Neurociencia
Definición
La neurociencia se define cómo el estudio del sistema nervioso central. Se especializa en el estudio del desarrollo, estructura funcionamiento y transtornos. Buscando entender la interacción neuronal, y cómo se producen emociones, pensamientos, conductas y funciones corporales
En la industria alimentaria, la "neurociencas del consumidor" mezcla metodologías de neurociencia y psicología para responder una pregunta fundemental: ¿Que impulsa las decisiones de los consumidores?
Neurociencia vs Ciencia Cognitiva
Las ciencias cognitivas se definen como un área interdisciplinaria que estudia como la mente procesa la información, memoria y lenguaje.
Se apoya de disciplinas como psicología, lingüistica, filosofía, sociología, antropología y otras.
¿Entonces, estamos hablando de neurociencia o de ciencias cognitivas?
Neuromarketing
Esto se debe tratar cómo un complemento, no cómo un sustituto de las técnicas de estudio del consumidor tradicionales.
Es la aplicación de técnicas neurocientíficas para estudiar el consumidor en sí. Busca conectar de mejor manera a los consumidores con los productos que piensan comprar.
¿Por qué es importante apoyarse de las ciencias cognoscitivas en el estudio del consumidor?
Propone que la mente tiene dos sistemas para procesar los estímulos. Sitema 1: Es automático, emocional y reactivo, funciona con muy poco esfuerzo y sin control voluntario. Sistema 2: Es deliberado, lógico y esforzado. Se recarga en tareas más complejas
Daniel Kahneman
02
Análisis de Casos
EEG
La electro encefalografía basa su funcionamiento en la detección de electricidad a través del cuero cabelludo.
EEG
EEG
Características importantes:
- No es posible dar un origen exacto al impulso eléctrico.
- Es altamente preciso en términos de tiempo de respuesta.
- Tiene limitaciones asociadas al movimiento.
EEG
EEG
fMRI
La imagen por resonancia magnética funcional, es una metodología de estudio cuyo funcionamiento se fundamenta en los cambios de flujo sanguíneo que ocurren en el cerebro.
fMRI
Aspectos generales:
- Es una técnica que detecta de manera precisa las áreas del cerebro activadas por un estímulo específico.
- Tiene una limitación temporal asociada al tiempo de respuesta del torrente sanguíneo.
- Tiene limitaciones referentes al movimiento de los participantes.
- Tiene un costo muy elevado.
fMRI
Eye Tracking
- Es una técnica de medición donde se sigue el movimiento ocular de los participantes.
- Se tiene una medida del lugar, orden y tiempo que se tarda en prestar atención a ciertos estímulos.
- Es altamente utilizado en estudios de neuromarketing.
Eye Tracking
Aspectos generales
- Nuevas tecnologías han mejorado la portabilida de los equipos.
- Se puede complementar su uso con otras tecnologías al mismo tiempo.
- Son ampliamente utilizadas y comprendidas en la comunidad científica.
Eye Tracking
Eye Tracking
GSR
La respuesta galvánica de la piel basa su funcionamiento en la detección de corrientes eleéctricas a través de la piel. Se bassa en la activación del sistema nervioso autónomo.
GSR
Aspectos generales:
- Cuando las personas se exponen al estímulo, se activan las glándulas sudoríparas, esto aumenta la conducción en su piel.
- Mide la intensidad de la emoción que se está sintiendo en ese momento.
- Es una técnica con una gran simplicidad y precisión en esa correlación.
GSR
GSR
03
Desventajas
- Caracter pseudocientífico.
04
Inteligencia Artificial
Definición
La inteligencia artificial corresponde a la noción de que las máquinas "piensen" y lleven a cabo operaciones que normalmente requieren "inteligencia humana".
Algunas definiciones
Machine Learnning: Aprendizaje automático de las máquinas, a partir de patrones
Deep Learning: Técnica dentro del Machine Learning, usada para tareas mucho más complejas, como el reconocmiento de imágenes
Usos en la industria alimentaria
- Optimización de procesos
- Aseguramiento de calidad.
- Manejo de la cadena de suministros
- Desarrollo de productos.
05
Análisis de Casos
ANN
Es una metodología considerada pilar del Machine Learning. Se buscan datos y patrones que pueden llegar a ser muy complejos para las personas encontrar.
ANN
Aspectos importantes:
- Implica un proceso muy grande de prueba y error.
- Son caracterizadas por una gran capacidad de generación y una alta tolerancia al ruido.
- Se utiliza en mayor parte en la prediccón de la vida útil de los alimentos, siendo su aplicación más directa el control de calidad.
Lógica Difusa
La lógica difusa hace un intento más fiel al razonamiento humano. Es un mecanismo que utiliza mecanismos de lógica inferencial basados en lógica lingüistica como "si ... entonces..."
Lógica Difusa
- Se puede integrar con otras técnicas cómo ANN, generando un nuevo sistema llamado Deep Neuro-Fuzzy.
- Se puede integrar con sensores biológicos para monitoriar procesos muy complejos y variados.
Aspectos importantes:
- Se logran un mimetismo al razonamiento humano utilizando las misma "reglas lógicas" que utilizaría un humano.
E-nose & E-tongue
Son dispositivos que detectan las sustancias químicas encargadas de los sabores y olores de los alimentos.La integración de la inteligencia artificial en este caso radica en el análisis de datos
E-nose y E-tongue
Aspectos importantes:
- Pueden llegar a ser métodos muy útiles para la detección de atógenos, contaminantes químicos, adulteraciones y deterioro alimenticio.
- Logra remover el carácter subjetivo que pueden llegar a tener las mediciones analizadas por personas.
- Integra otras técnicas como ANN o SVM para mejorar la toma de decisiones.
Computer Vision
Hace referencia al análisis de imágenes por software computacional. Comunmente utilizado en la detección de defectos de calidad en los alimentos terminados.
Computer Vision
Aspectos importantes: Su principal meta es lograr replicar las funciones cognitivas humanas de percepción visual, removiendo el caracter subjetivo al tomar decisiones. Es parte de las tecnologías enmardas dentro del Machine Learnning.
06
Desventajas
- Costos y barreras técnicas.
- Simplificación y automatización de tareas.
¡Muchas gracias!
Neurociencia e Inteligencia Artificial
Marcelo Jiménez
Created on March 26, 2026
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Pastel Color Presentation
View
Visual Presentation
View
Relaxing Presentation
View
Modern Presentation
View
Colorful Presentation
View
Modular Structure Presentation
View
Chromatic Presentation
Explore all templates
Transcript
Neurociencia e Inteligencia Artificial
Definición, metodologías, uso y abuso en la industria alimentaria
01
Neurociencia
Definición
La neurociencia se define cómo el estudio del sistema nervioso central. Se especializa en el estudio del desarrollo, estructura funcionamiento y transtornos. Buscando entender la interacción neuronal, y cómo se producen emociones, pensamientos, conductas y funciones corporales
En la industria alimentaria, la "neurociencas del consumidor" mezcla metodologías de neurociencia y psicología para responder una pregunta fundemental: ¿Que impulsa las decisiones de los consumidores?
Neurociencia vs Ciencia Cognitiva
Las ciencias cognitivas se definen como un área interdisciplinaria que estudia como la mente procesa la información, memoria y lenguaje.
Se apoya de disciplinas como psicología, lingüistica, filosofía, sociología, antropología y otras.
¿Entonces, estamos hablando de neurociencia o de ciencias cognitivas?
Neuromarketing
Esto se debe tratar cómo un complemento, no cómo un sustituto de las técnicas de estudio del consumidor tradicionales.
Es la aplicación de técnicas neurocientíficas para estudiar el consumidor en sí. Busca conectar de mejor manera a los consumidores con los productos que piensan comprar.
¿Por qué es importante apoyarse de las ciencias cognoscitivas en el estudio del consumidor?
Propone que la mente tiene dos sistemas para procesar los estímulos. Sitema 1: Es automático, emocional y reactivo, funciona con muy poco esfuerzo y sin control voluntario. Sistema 2: Es deliberado, lógico y esforzado. Se recarga en tareas más complejas
Daniel Kahneman
02
Análisis de Casos
EEG
La electro encefalografía basa su funcionamiento en la detección de electricidad a través del cuero cabelludo.
EEG
EEG
Características importantes:
EEG
EEG
fMRI
La imagen por resonancia magnética funcional, es una metodología de estudio cuyo funcionamiento se fundamenta en los cambios de flujo sanguíneo que ocurren en el cerebro.
fMRI
Aspectos generales:
fMRI
Eye Tracking
Eye Tracking
Aspectos generales
Eye Tracking
Eye Tracking
GSR
La respuesta galvánica de la piel basa su funcionamiento en la detección de corrientes eleéctricas a través de la piel. Se bassa en la activación del sistema nervioso autónomo.
GSR
Aspectos generales:
GSR
GSR
03
Desventajas
04
Inteligencia Artificial
Definición
La inteligencia artificial corresponde a la noción de que las máquinas "piensen" y lleven a cabo operaciones que normalmente requieren "inteligencia humana".
Algunas definiciones
Machine Learnning: Aprendizaje automático de las máquinas, a partir de patrones
Deep Learning: Técnica dentro del Machine Learning, usada para tareas mucho más complejas, como el reconocmiento de imágenes
Usos en la industria alimentaria
05
Análisis de Casos
ANN
Es una metodología considerada pilar del Machine Learning. Se buscan datos y patrones que pueden llegar a ser muy complejos para las personas encontrar.
ANN
Aspectos importantes:
Lógica Difusa
La lógica difusa hace un intento más fiel al razonamiento humano. Es un mecanismo que utiliza mecanismos de lógica inferencial basados en lógica lingüistica como "si ... entonces..."
Lógica Difusa
Aspectos importantes:
E-nose & E-tongue
Son dispositivos que detectan las sustancias químicas encargadas de los sabores y olores de los alimentos.La integración de la inteligencia artificial en este caso radica en el análisis de datos
E-nose y E-tongue
Aspectos importantes:
Computer Vision
Hace referencia al análisis de imágenes por software computacional. Comunmente utilizado en la detección de defectos de calidad en los alimentos terminados.
Computer Vision
Aspectos importantes: Su principal meta es lograr replicar las funciones cognitivas humanas de percepción visual, removiendo el caracter subjetivo al tomar decisiones. Es parte de las tecnologías enmardas dentro del Machine Learnning.
06
Desventajas
¡Muchas gracias!