Ir al contenido

Inteligencia Artificial: Fundamentos, Métodos y Fronteras

Este es un libro de enseñanza, no de divulgación. Cada término se define en el momento en que aparece. Cada afirmación se justifica antes de usarse en lo que sigue. No se asume conocimiento previo más allá de la matemática de base que un estudiante de segundo año ya cursó, y esa matemática se retoma y se explica cuando hace falta, no se da por sabida.

El libro está concebido como un manual modular: tiene una espina dorsal lineal, pero está diseñado para que distintas disciplinas puedan recorrerlo por caminos distintos sin quedar obligadas a leer los capítulos que no necesitan. La sección “Cómo usar este libro”, al comienzo, declara cinco rutas de lectura pensadas para distintos públicos —desde un curso de cultura general de la inteligencia artificial para administración o derecho, hasta un curso de fundamentos técnicos para informática— y explica la regla que hace posible esa modularidad: cada capítulo proporciona localmente el mínimo conceptual necesario para entenderse a sí mismo, y remite a otros capítulos solo como profundización opcional, nunca como requisito previo.

El libro está organizado en tres partes. La primera parte establece los fundamentos: qué es la inteligencia antes de hablar de máquinas, cómo se desarrolló históricamente el campo, y qué aparato lógico, matemático y físico (de hardware) sostiene todo lo que viene después. La segunda parte desarrolla los modelos y métodos concretos, desde el aprendizaje automático clásico hasta las arquitecturas que sostienen los sistemas actuales. La tercera parte examina los usos reales, los avances de la investigación de frontera, y los límites, problemas abiertos y preguntas filosóficas que quedan sin resolver.

Convenciones de escritura fijadas para todo el libro: las referencias cruzadas entre capítulos se hacen en prosa, y —siguiendo la regla de modularidad— proporcionan siempre la versión breve de la idea referida en el momento, remitiendo al capítulo correspondiente solo para quien quiera el desarrollo completo. La bibliografía y las notas de contexto historiográfico van al final de cada capítulo, bajo el título “Notas y referencias del capítulo” — no en un archivo aparte.

Capítulo 1. Qué es la inteligencia: historia y filosofía del problema Antes de construir máquinas que llamamos “inteligentes”, conviene entender qué ha significado ese término a lo largo de la historia del pensamiento, en la biología, en la psicología y en la filosofía. Este capítulo traza esa historia y muestra por qué la informática, al no poder resolver el problema filosófico, tuvo que inventar una definición de trabajo propia.

Capítulo 2. Historia de la Inteligencia Artificial: de los primeros autómatas al presente Un recorrido histórico completo: los antecedentes mecánicos y lógicos anteriores a la computadora, el nacimiento formal del campo en 1956, las dos épocas de estancamiento conocidas como “inviernos de la IA”, y la serie de quiebres tecnológicos que llevaron al estado actual.

Capítulo 3. Fundamentos lógicos y epistemológicos Qué es una prueba, qué es la inducción, qué es la deducción, y por qué el aprendizaje automático descansa sobre una forma de razonamiento distinta —y más débil, en un sentido preciso— que la que usa la matemática pura o la lógica formal.

Capítulo 4. Fundamentos matemáticos El álgebra lineal, el cálculo diferencial y la teoría de probabilidad que hacen falta para entender con precisión, y no solo por analogía, cómo funciona un sistema de aprendizaje automático. Cada herramienta matemática se introduce explicando primero el problema concreto que resuelve.

Capítulo 5. Fundamentos de ingeniería: hardware, arquitectura de cómputo e infraestructura Cómo está construido físicamente un sistema de inteligencia artificial: qué es un procesador, por qué las tarjetas gráficas resultaron decisivas, cómo se organiza un centro de datos, y qué límites físicos (energía, calor, ancho de banda) condicionan todo lo que la teoría permite en principio.

Capítulo 6. Aprendizaje automático clásico Los primeros métodos estadísticos de aprendizaje: cómo se representa un problema como datos numéricos, cómo se ajusta un modelo simple a esos datos, y qué significa exactamente que un modelo “aprenda” en este contexto.

Capítulo 7. Redes neuronales y aprendizaje profundo Cómo se construye una red neuronal a partir de los fundamentos matemáticos del capítulo 4, qué papel cumple cada una de sus partes, y cómo el algoritmo de retropropagación permite que la red ajuste sus propios parámetros.

Capítulo 8. Arquitecturas modernas: los Transformers y los modelos de lenguaje La arquitectura que sostiene los sistemas conversacionales actuales, explicada desde sus componentes más simples hasta el mecanismo de atención que le da su nombre.

Capítulo 9. Infraestructura a gran escala: entrenamiento distribuido y centros de datos Cómo se entrena un modelo cuando sus parámetros no caben en una sola máquina: paralelismo, redes de interconexión, y el costo material —energético y económico— de operar a esta escala.

Capítulo 10. Aplicaciones y casos de uso por dominio Un repaso, dominio por dominio (medicina, ciencia, industria, lenguaje, creatividad), de los usos reales y verificables de estos sistemas, distinguiendo lo demostrado de lo especulativo.

Capítulo 11. Avances actuales y preguntas abiertas de investigación El estado del arte y las direcciones activas de investigación: qué problemas siguen sin solución conocida, y qué caminos se están explorando.

Capítulo 12. Límites, problemas y soluciones propuestas Por qué estos sistemas cometen errores de un tipo específico —no cualquier error, sino uno que se sigue necesariamente de su construcción matemática—, y qué soluciones técnicas existen o se proponen para mitigarlos.

Capítulo 13. Filosofía y epistemología de las máquinas Las preguntas que la ingeniería no puede responder por sí sola: qué significa que un sistema “sepa” algo, qué es la conciencia y si tiene sentido preguntarse si una máquina la tiene, y qué responsabilidad ética recae sobre quienes construyen y usan estos sistemas.

Cierre del libro