Saltar navegación

Activa JavaScript para disfrutar de los vídeos de la Mediateca.

IA y ML - Contenido educativo

Ajuste de pantalla

El ajuste de pantalla se aprecia al ver el vídeo en pantalla completa. Elige la presentación que más te guste:

Subido el 13 de noviembre de 2026 por Jose Antonio G.

10 visualizaciones

IA y ML

Más información Transcripción

Descargar la transcripción

Bueno, vamos a proceder a hablar esta vez de Inteligencia Artificial y Machine Learning. Tenemos los dos conceptos. Aquí la primera slide de la presentación nos define, por un lado la Inteligencia Artificial como una serie de máquinas que simulan las capacidades o la mente humana, capacidad de razonar, capacidad de percibir, etc. 00:00:00
Y el Machine Learning es una subsección de la Inteligencia Artificial que le permite, a través de algoritmos, aprender por sí solo. 00:00:21
Y luego, finalmente, el impacto. El impacto que ha supuesto la introducción de estas dos herramientas en todos los ámbitos de nuestra sociedad. 00:00:31
Entonces, el magma de presentación sería qué es la Internet Artificial, luego qué es el Machine Learning, es decir, las definiciones, conceptos, luego tenemos la relación PIA y Contra Machine Learning, o Internet Artificial, Contra Machine Learning, luego los tipos de aprendizaje automático, aplicaciones y ejemplos, y luego las ventajas, riesgos y tecnologías futuras. 00:00:42
Entonces, la definición. ¿Qué definimos la inteligencia artificial? Bueno, como ya hemos dicho, que es una serie de máquinas que les permiten llegar a obtener la capacidad de poder razonar o poder aprender o percibir cómo es insertar una metodología. 00:01:05
Se ha comenzado a comprender el lenguaje, tomar decisiones, etc. 00:01:23
¿Cuál es la idea clave? Que no solo automatiza tareas, también puede adaptarse, mejorar, actuar con cierto grado de autonomía. 00:01:28
Es decir, no es algo automático o no es algo mecánico, sino que tiene la capacidad de interactuar o capacidad de actuar o, como indica aquí, de cambiar. 00:01:35
en lo que realmente ese conocimiento, por tanto, tiene, como nos indica, un grado de autonomía. 00:01:49
No solo se limita de manera mecánica a interactuar o a determinar o hacer determinadas acciones, 00:02:00
sino que tiene la capacidad, como si fuera un ser humano, de poder, esa inteligencia artificial, 00:02:09
de poder adaptarse, de poder ver qué es lo que es más conveniente, de hacer mejoras, de actuar de una manera u otra en función de lo que se solicite, etc. 00:02:16
Entonces, capacidades asociadas a la AIA, tenemos el razonamiento, es obvio que la AIA nos permite resolver problemas, elegir acciones. 00:02:27
El aprendizaje, es decir, a medida que va razonando y va obteniendo, por ejemplo, si una máquina de arquitectura artificial aprende las reglas básicas del ajedrez y procede a realizar millones de jugadas, 00:02:35
pues al mismo tiempo no sólo sabrá las normas básicas para poder aprender a jugar, sino que a través de todo ese conocimiento y todo ese entrenamiento le va a permitir incluso mejorar y ser cada vez mejor en el propio ajedrez en este caso. 00:02:55
Lo que tiene la percepción, interpretar imágenes, voz, sensores y los lenguajes, entender y generar texto o voz. 00:03:14
¿Qué es el Machine Learning? Machine Learning es una rama de la inteligencia artificial, como he dicho anteriormente, que crea algoritmos capaces de aprender a partir de datos. 00:03:20
Es decir, este Machine Learning va a través de la inteligencia artificial, porque como hemos dicho es una subdivisión o entra dentro de una sección dentro de esa inteligencia artificial, pues va a crear algoritmos que le van a permitir aprender sobre una cantidad inmensa de datos y en función de ello detectar patrones y mejorar patrones. 00:03:29
Es decir, patrones se refiere a comprobar que en determinadas acciones o en determinados, pues se dan de manera repetitiva determinadas actuaciones o determinados procedimientos que dan lugar a ver esos patrones y así poder predecir y adelantarse a acciones o a lo que realmente se esté buscando, se esté estudiando. 00:03:56
Y mejorar su rendimiento sin ser programados paso a paso. Estos van a mejorar ellos mismos. Ya no es solo que poder interactuar o aprender del conocimiento de la información que reciben, sino que al mismo tiempo crea esos algoritmos que le van a permitir mejorar su rendimiento. 00:04:26
mejorar su rendimiento 00:04:46
a nivel interno como propia 00:04:49
inteligencia artificial, por lo tanto 00:04:51
la mejora 00:04:53
es extraordinaria. 00:04:54
Es decir, como 00:04:58
aprende un sistema de machine learning 00:04:58
los datos, ahora 00:05:01
tenemos la capacidad de procesar 00:05:03
a través de ordenadores una inmensa cantidad 00:05:05
y gente cantidad de datos 00:05:07
por lo tanto tenemos una información 00:05:09
de entrada, luego crea 00:05:11
esos algoritmos 00:05:13
que permiten buscar los patrones, lo que hemos dicho 00:05:14
realmente son aspectos o opciones repetitivas 00:05:17
y luego crea un modelo o aprende 00:05:21
a hacer el modelo, aprende las relaciones y da un resultado 00:05:25
y precise o decide. Si nosotros somos capaces 00:05:29
de, por ejemplo, si el Metro de Madrid 00:05:33
vemos 00:05:37
O podemos obtener toda la cantidad de información que nos golpean a través de los sensores, a través de todos los datos que van generando el propio funcionamiento del método de Madrid con todos los trenes, etc. 00:05:41
Esta inmensa cantidad de datos puede ser a través de un algoritmo, crear un algoritmo o el propio inteligente artificial que le permita el conocer o incluso predecir cuando un coche del metro o una línea va a estar interrumpida o va a sufrir una avería o lo que sea, 00:05:56
en función de que toma todos esos datos y entre ellos esos datos analizará si realmente cuando realmente ha habido detenciones o cuando ha habido averías 00:06:20
y cuando vea a través de esos algoritmos que se, y en función de toda esa generalidad de datos, que existen los patrones o existen los elementos que coinciden 00:06:32
y que hacen pensar que realmente se va a producir un paro en algún tipo de coche del metro o de alguna línea, nos va a permitir decidir y, por tanto, predecir antes de que se produzca. 00:06:45
Pues todo eso es el machine learning, es lo que utiliza para tomar decisiones y para predecir el futuro, predecir determinados eventos que tienen unos patrones y que se repiten. 00:06:59
Por tanto, con esa cantidad, utilizando la propia estadística o la producción estadística, nos va a permitir hacer predicciones o en base a probabilidades y poder decidir y actuar. 00:07:12
No sé si lo he explicado más o menos, pero bueno, esto podríamos resumir como el bachiller. 00:07:32
En relación entre conceptos, hemos dicho que vemos aquí un conjunto, un conjunto en el que pone Inteligencia Artificial, que sería el conjunto de todo, y dentro del mismo, como un subconjunto o sección dentro de la Inteligencia Artificial, estaría el Machine Learning. 00:07:37
Entonces, aquí nos pone el campo amplio, engloba muchas técnicas para crear sistemas inteligentes y luego el Machine Learning sería el subconjunto de la Inteligencia Artificial centrado en aprender a partir de datos. 00:07:56
¿Y por demás de aprendizaje automático? Pues tenemos aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo. 00:08:07
El primero es aquel en el que el modelo aprende, por ejemplo, los etiquetados. 00:08:14
Sirve para clasificar o predecir valores. Aquí tenemos, por ejemplo, para detectar spam, predecir precios o, en este caso, lo que decíamos, ver las averías que puedan ocurrir en los coches de los metros. 00:08:19
Aprendizaje no supervisado es un modelo de trabajo con datos sin etiquetar y busca estructuras o ocupaciones segmentales del cliente, patrones de consumo y no aprendizaje por refuerzo. 00:08:31
La gente aprende mediante prueba y error, recibiendo recompensas o castigos. 00:08:40
Videojuegos, robots... 00:08:45
Aplicación de la IA y Machine Learning. 00:08:48
Bueno, pues podemos hablar de que es aplicable a todos los ámbitos actuales, desde la medicina, desde el cliente, finanzas, procesamiento de imágenes, movilidad de industria, negocio y marketing. 00:08:50
y cada vez se va ampliando y se va desarrollando en más campos por los beneficios y por la capacidad que tiene este tipo de herramientas. 00:09:01
Conceptos claves para profundizar. Fundamentos y algoritmos. Comprender cómo funcionan los modelos y sus bases matemáticas y lógicas. 00:09:14
Más o menos lo por encima. Luego, el NLP o lenguaje natural, que son tecnologías que permiten a los máquinas entender y generar el lenguaje humano. 00:09:21
de las claves, luego la visión por computador, es decir, sistemas o la propia inteligencia artificial 00:09:29
va a poder interpretar imágenes, como es el caso de, por ejemplo, las radiografías para detectar cáncer, 00:09:36
pues permite detectar esas imágenes o también vídeos. 00:09:41
En inteligencia artificial generativa, modelos que crean test, imágenes, audio y código a partir de instrucciones, 00:09:45
es decir, lo van a generar todo. 00:09:52
Sistemas autónomos, tecnologías que perciben el entorno y actúan con poca supervisión humana, 00:09:54
Esto sería un agente, ahora están muy de moda los agentes, por ejemplo el cloud o el chat que nos permite trabajar de manera autónoma, lo dejamos, establecemos una serie de instrucciones y que hagan de tema las acciones o tareas de manera autónoma. 00:09:58
mientras con nosotros estamos durmiendo o estamos en otro sitio. 00:10:18
Y descubrimiento y personalización, uso de la inteligencia de actividad para optimizar las decisiones, recomendaciones y experiencias. 00:10:22
¿Qué es importante? Bueno, pues por un lado la eficiencia. ¿Por qué? Porque va a permitir realizar tareas o acciones que son repetitivas 00:10:29
y esto no va a permitir acelerar o ser más eficientes. 00:10:39
En cuanto a la precisión, la gente inicial sabe más que nosotros y por tanto tomará mejores decisiones y analizará mucho mejor. La personalización, adaptar servicios, recomendaciones y atención a cada usuario. Se va a adaptar a lo que realmente necesitemos y lo que estemos buscando. 00:10:42
Y la innovación, pues a ver nuevos modelos de negocio, como hemos dicho, que continuamente están desarrollando nuevos campos en los que se puede hacer uso de este tipo de tecnología, incluso aquellos que antes se consideraban como imposibles de acceder. 00:11:02
Y bueno, desafíos y consideraciones éticas, bueno, pues hay, por supuesto, como todas las nuevas tecnologías, pues se presentan una serie de riesgos y las claves para que esto es lo mismo que es cuando apareció el coche y teníamos la posibilidad de conducir y transportarnos de un lugar a otro, pues esto depende de todo. 00:11:24
Es decir, si tendrán unos riesgos, por supuesto, los riesgos son los accidentes, la mortalidad que pueden causar, etc., las personas, pero haciendo un uso responsable y adecuado, pues al final obtendremos el objetivo, que el objetivo es transportarnos y movernos de un sitio a otro de forma más rápida. 00:11:43
Y, pues, es como todo. La inteligencia artificial presenta inconvenientes, por supuesto, como es la priorización de seguridad de los datos, 00:12:03
los algoritmos de decisiones injustas, falta de transparencia, consumo de recursos y costes energéticos, 00:12:11
que a nivel ecológico supone un gran consumo de energía y con ello realmente no es que digamos que sea muy, muy, muy apto. 00:12:17
Para mantener nuestro medio ambiente. Luego el impacto sobre el empleo y la sociedad, porque automatizar y reducir las acciones o el trabajo, por ejemplo en el caso de los programadores, cada vez se van necesitando menos programadores o los equipos son más pequeños porque la inteligencia artificial ayuda muchísimo y permite sacar las aplicaciones informáticas mucho más rápido y con menos gente. 00:12:33
Por tanto, tiene sus inconvenientes. Entonces, las claves para usar el responsable son enseñar sistemas con criterios éticos, que no se pueda obtener cualquier cosa a través de la inteligencia artificial, proteger los datos personales para proteger la confidencialidad y la privacidad, evaluar y corregir los sesgos, es decir, los errores que puedan existir, explicar el funcionamiento cuando sea posible y garantizar accesibilidad y beneficio social. 00:13:02
Las estrategias futuras son la inteligencia artificial generativa, el procesamiento del lenguaje natural en el EPI, que lo hemos dicho anteriormente, el análisis predictivo avanzado, sistemas autónomos, integración en más sectores y el uso responsable de la regulación. 00:13:33
Es muy importante la regulación para evitar, porque si no, a la larga, el acceso a la inteligencia artificial va a estar bloqueado, porque si la inteligencia artificial es capaz de hacer cualquier cosa y nos permite desarrollar cualquier tipo de proyecto, cualquier tipo, puede ser un peligro en sí. 00:13:46
Por tanto, es importante garantizar ese uso responsable y, como no, que esté regulado para que no se pueda hacer cualquier cosa con este tipo de herramientas. 00:14:06
En resumen final, recordar que la inteligencia artificial es un marco general del sistema inteligente, el machine learning es una parte de la inteligencia artificial que aprende a partir de datos, hay que tener muy claro, diferenciar entre el conjunto de todo, que son las herramientas, y luego la posibilidad de que a través de una ingente cantidad de datos el poder aprender y permitir hacer predicciones y tomar decisiones. 00:14:16
Y bueno, además las oportunidades existen entre los éticos, los inconvenientes, la responsabilidad del uso, etc. 00:14:44
Y bueno, este sería más o menos el resumen, o sea, grosomodo, de lo que entenderíamos como inteligencia artificial y machine learning. 00:14:52
Venga, un saludo. 00:15:05
Idioma/s:
es
Materias:
Economía y empresa
Etiquetas:
Empresa
Niveles educativos:
▼ Mostrar / ocultar niveles
  • Formación Profesional
    • Ciclo formativo de grado básico
      • Primer Curso
      • Segundo Curso
    • Ciclo formativo de grado medio
      • Primer Curso
      • Segundo Curso
    • Ciclo formativo de grado superior
      • Primer Curso
      • Segundo Curso
Autor/es:
JAGC
Subido por:
Jose Antonio G.
Licencia:
Todos los derechos reservados
Visualizaciones:
10
Fecha:
13 de noviembre de 2026 - 13:43
Visibilidad:
Público
Centro:
IES CIFP a Distancia Ignacio Ellacuría
Duración:
15′ 07″
Relación de aspecto:
1.78:1
Resolución:
1280x720 píxeles
Tamaño:
34.18 MBytes

Del mismo autor…

Ver más del mismo autor

EducaMadrid, Plataforma Educativa de la Comunidad de Madrid

Plataforma Educativa EducaMadrid