PARTE XLII

Inteligencia artificial y automatización

En esta página

La expresión inteligencia artificial reúne sistemas que cumplen funciones muy distintas. Un clasificador estima una categoría; un modelo generativo produce señales; un robot actúa sobre el mundo; una organización decide qué autoridad concede a cada salida. Tratarlos como una única facultad oscurece mecanismos, evidencia y responsabilidad.

Esta parte separa esas capas. Empieza por el aprendizaje estadístico y las redes profundas, estudia después lenguaje y multimodalidad, y dedica un capítulo propio a la evaluación. Cierra con acción física y automatización organizativa, donde los errores dejan de ser sólo puntuaciones y se convierten en consecuencias, tareas y responsabilidades.

Parte publicada · 7 capítulos (464–470).

7 capítulos publicados · parte publicada íntegramente en el manuscrito de origen.

Capítulos#

Aprendizaje automático: ajustar modelos a partir de datos: Aprender de datos no es descubrir automáticamente la verdad: es ajustar una regla para un objetivo bajo supuestos que deben sobrevivir fuera de la muestraCómo un sistema ajusta modelos a partir de ejemplos, por qué se separan entrenamiento, validación y prueba, y qué ocurre cuando cambian datos y objetivos.
Secciones del capítulo
Redes neuronales y aprendizaje profundo: La profundidad permite componer transformaciones y aprender representaciones; no convierte automáticamente patrones estadísticos en comprensiónCómo capas parametrizadas aprenden representaciones mediante retropropagación, qué aportan distintas arquitecturas y cuáles son sus costes y límites interpretativos.
Secciones del capítulo
Modelos de lenguaje: aprender regularidades y producir texto: Predecir continuaciones puede producir lenguaje flexible; no convierte la probabilidad de una secuencia en garantía de verdadCómo los modelos de lenguaje representan tokens, usan atención y generan continuaciones, cómo se ajustan a instrucciones y por qué una respuesta fluida aún debe verificarse.
Secciones del capítulo
IA generativa y modelos multimodales: Relacionar modalidades permite describir y sintetizar señales; no garantiza correspondencia física, autoría legítima ni verdadCómo se representan y relacionan texto, imágenes y audio, cómo se condiciona la generación y qué pueden demostrar procedencia, marcas y evaluación multimodal.
Secciones del capítulo
Evaluar sistemas de inteligencia artificial: Una puntuación describe comportamiento bajo un protocolo; la confianza exige demostrar que ese protocolo representa el uso y sus consecuenciasCómo definir tareas y condiciones, evitar contaminación, medir robustez y calibración, y evaluar el sistema desplegado con supervisión y seguimiento.
Secciones del capítulo
Robótica: percepción, control y acción física: Actuar exige cerrar un ciclo entre un mundo parcialmente observado, un cuerpo con límites y consecuencias que no pueden deshacerse con un reinicioCómo un robot relaciona sensores, estimación del estado, planificación, control y actuadores, y por qué la seguridad depende del sistema físico completo.
Secciones del capítulo
Automatización y colaboración entre personas y sistemas: Automatizar una función no elimina el trabajo humano: cambia qué debe vigilarse, cuándo intervenir y quién responde por el resultadoCómo repartir tareas y autoridad entre personas y automatización, diseñar supervisión efectiva y evaluar resultados reales sin ocultar responsabilidad.
Secciones del capítulo

Explorar los conceptos centrales de esta parte en el índice temático →

Bibliografía de la parte#

Consultar las fuentes y orientaciones de lectura de esta parte →