Curso de Inteligencia y Vida Artificial
Perfilado de sección
-
La barrera que separa el código estático de la vida simulada es cada vez más difusa. Este curso sumerge al estudiante en las fronteras de la Inteligencia y Vida Artificial (ALife), alejándose de los programas de reglas rígidas para explorar sistemas que nacen, aprenden, evolucionan y "alucinan" soluciones.
A lo largo de este programa exploraremos cómo las reglas simples dan paso a comportamientos biológicos complejos, el funcionamiento de algoritmos genéticos y redes neuronales, el salto creativo de la IA Generativa, y finalmente, cómo la máquina construye su propia arquitectura de la realidad a través de los Modelos del Mundo. Basado en investigaciones de frontera —incluyendo los extensos trabajos del Dr. Pedro Salcedo Lagos— este curso es el puente hacia la nueva era cognitiva de la computación.
-
Antes de programar IA, debemos entender qué es la "vida" computacional. Este módulo establece las diferencias entre la Inteligencia Artificial tradicional (centrada en resolver problemas lógicos humanos) y la Vida Artificial (ALife), que busca emular los principios subyacentes de la biología, como la adaptación, la supervivencia y los ecosistemas interactivos. Estudiaremos la transición de agentes reactivos a entidades con estados internos complejos.
-
Video Recomendado: El Juego de la Vida | DotCSV
-
Descripción: Una explicación magistral de Carlos Santana (DotCSV) sobre cómo un conjunto matemático de reglas extremadamente simples (El Juego de la Vida de John Conway) puede generar patrones que se asemejan al ciclo de microorganismos naciendo, desplazándose y extinguiéndose, siendo la piedra angular de los Autómatas Celulares.
-
-
A partir del concepto de "Autómata Celular", debate con tus compañeros: Si un programa de computadora puede mutar, consumir recursos de la CPU para evitar ser borrado, y reproducirse, ¿debería considerarse "vivo" desde una perspectiva puramente matemática?
-
-
En este módulo dejamos de decirle a la computadora "cómo" resolver un problema y, en su lugar, programamos un entorno virtual donde la solución "evoluciona" por sí sola. Inspirados en la biología evolutiva y la teoría darwiniana, exploraremos cómo la Vida Artificial (ALife) utiliza algoritmos genéticos y de enjambre (Swarm Intelligence) para optimizar tareas complejas.
Aprenderemos a codificar el "ADN digital" (cromosomas) de posibles soluciones y aplicaremos operadores biológicos: selección, cruce (crossover) y mutación. Además, discutiremos cómo la función de aptitud (fitness) sirve como la presión ambiental que decide qué individuos "sobreviven" a la siguiente generación. Finalmente, conectaremos estos conceptos evolutivos tempranos con la necesidad de desarrollar modelos predictivos más sofisticados, apoyándonos en los conceptos extraídos de las publicaciones del Dr. Pedro Salcedo Lagos sobre arquitecturas de Inteligencia Artificial en entornos complejos.
-
Video Recomendado: Algoritmos Genéticos en 5 minutos | BitBoss
-
Descripción: Una explicación visual, precisa y directa que muestra cómo se estructura el genoma en un algoritmo, detallando el proceso matemático de cálculo del fitness, la selección por torneo, la mutación y cómo generación tras generación, la población de soluciones muta hasta converger en una respuesta óptima (utilizando un Sudoku como ejemplo visual).
-
-
Instrucciones:
-
Imagina que debemos usar un Algoritmo Genético en la plataforma Educagratis para crear la "ruta de aprendizaje perfecta" para un estudiante con problemas de retención de información.
-
En el foro, propón cómo codificarías el cromosoma (ej. cada gen es un tipo de recurso: texto, video, test) y, lo más importante, define cuál sería tu función de fitness (aptitud). ¿Cómo calcularía el algoritmo que una ruta es "mejor" que otra para asegurar que sobreviva en la siguiente generación de la simulación?
-
Responde al menos a un compañero argumentando si su función de fitness podría caer en un "mínimo local" (es decir, una solución que parece buena pero no es la óptima).
-
-
-
-
Si el módulo anterior simulaba la evolución a nivel de especie, este simula la evolución de un cerebro biológico individual. Pasaremos del paradigma simbólico clásico al aprendizaje profundo (Deep Learning). Entenderemos cómo las redes neuronales emulan las sinapsis humanas ajustando billones de pesos matemáticos mediante retropropagación, sentando las bases para el procesamiento del lenguaje natural y la visión computacional avanzada.
-
Video Recomendado: ¿Qué es una Red Neuronal? Parte 1 : La Neurona | DotCSV
-
Descripción: El mejor punto de partida en español para comprender matemáticamente y de manera gráfica cómo un "Perceptrón" artificial emula las decisiones electroquímicas de una neurona biológica real.
-
-
En esta serie de vídeos aprenderás cuál el funcionamiento de las potentes Redes Neuronales. En esta segunda parte veremos como juntando cada vez más neuronas, podemos conseguir codificar información más compleja.
-
Discute sobre el problema de la explicabilidad. Si una red neuronal que diagnostica pacientes médicos (y tiene un acierto del 99%) toma una decisión crítica, pero debido a su arquitectura conexionista no puede explicarnos por qué lo hizo, ¿debemos confiar ciegamente en la máquina?
-
-
Nos adentramos en la vanguardia. Ya no buscamos que la IA solo clasifique o resuelva laberintos, buscamos que cree. Basándonos en las premisas del libro "La Revolución Silenciosa. Inteligencia Artificial Generativa en la Educación Superior y la Investigación" (Pedro Salcedo Lagos), este módulo explora cómo los Modelos de Lenguaje Extensos (LLMs) y la IA multimodal generan textos estructurados, arte e ideas. Analizaremos el impacto cultural, pedagógico y de productividad de la creatividad sintética.
-
Video Recomendado: Cómo funciona ChatGPT y los LLMs (Explicación arquitectónica).
-
Descripción: Un análisis de cómo la arquitectura Transformer logró que la IA generativa entendiera el contexto global del lenguaje, prediciendo secuencias coherentes en la generación de contenido.
-
-
Comparte en el foro un prompt altamente estructurado que hayas utilizado en ChatGPT o Gemini para generar material académico o creativo. Reflexionemos juntos: ¿Consideras que la IA realmente "crea" o solo realiza una recombinación probabilística masiva del conocimiento humano?
-
-
-
Para cerrar el curso, abordaremos la tecnología que promete llevar la IA hacia un entendimiento real, dejando atrás la mera "predicción de palabras". Basándonos en la obra "Modelos del Mundo: Arquitectura de la Realidad y el Futuro de la Inteligencia Artificial" y diversas investigaciones del Dr. Pedro Salcedo Lagos. Estudiaremos cómo las arquitecturas futuras (JEPA y Modelos del Mundo) buscan dotar a las máquinas del "sentido común" físico y lógico. Una IA con un Modelo del Mundo no solo reacciona, sino que puede imaginar las consecuencias a futuro de sus acciones dentro de un entorno complejo, algo vital para la robótica autónoma y la inteligencia afectiva.
-
Video Recomendado: "Modelos del Mundo: Puentes entre la Inteligencia Artificial y la Educación" - Dr. Pedro Salcedo Lagos
-
Descripción: Sesión plenaria donde el Dr. Salcedo Lagos profundiza sobre cómo la computación afectiva y los modelos predictivos del mundo interno humano están redefiniendo las herramientas pedagógicas y el entendimiento algorítmico de la realidad.
-
-
En la ponencia recomendada se explica que el léxico de una máquina refleja su modelo de la realidad. ¿Qué riesgos éticos y sesgos culturales existen si una Inteligencia Artificial "aprende" su modelo del mundo exclusivamente de los foros de internet frente a un corpus científico depurado? Argumenta tu respuesta apoyándote en la bibliografía sugerida.
-
-
-
Al aprobar esta evaluación, se habilitará el sistema para la descarga del certificado. Podrás descargar cualquiera o los tres modelos de certificado en cuanto apruebas la evaluación.
-
