Notas Sesión 1

Date

August 31, 2026

Estado

Publicado

Obligatoriedad

Semana

Semana 3

Tipo

Notas de clase

Last edited by

Miss Pili Piñones

Last edited time

Sep 1, 2026 1:46 AM

N

2

Concepto

• La sesión aborda los antecedentes mitológicos, filosóficos y tecnológicos de la inteligencia artificial, desde el antiguo anhelo de crear seres artificiales hasta los autómatas históricos, la lógica combinatoria y los actuales agentes de IA. También destaca la importancia del pensamiento crítico, la ciberseguridad y la interpretación responsable de datos.

Lo que entendí

El anhelo de crear seres artificiales

• La aspiración humana de dar vida o movimiento autónomo a seres artificiales aparece en mitos y leyendas desde, al menos, el 700 a. C.
• Talos era un gigante de bronce creado por Hefesto para proteger la isla de Creta. Su vida dependía de un líquido que circulaba por su interior.
• El Golem de Praga, perteneciente a la tradición judía, era un ser de arcilla animado mediante una palabra divina. Al escapar del control de su creador, funciona como analogía de los riesgos de desarrollar tecnologías difíciles de controlar.
• El mito de Pigmalión y Galatea, relatado por Ovidio en Las metamorfosis, permite reflexionar sobre los vínculos emocionales que las personas pueden establecer con sus creaciones, como ocurre actualmente con algunos chatbots.
• Estos relatos expresan deseos de creación, control y superación de la vulnerabilidad humana. Esta idea se vinculó con la interpretación de Yuval Noah Harari en De animales a dioses.

Autómatas como antecedentes tecnológicos

• Los autómatas históricos son dispositivos mecánicos diseñados para imitar funciones humanas o animales. Sus motivaciones principales eran impresionar al público, demostrar poder político o religioso y sustituir trabajos humanos pesados.
• Herón de Alejandría describió en Pneumática mecanismos accionados por aire y vapor, como puertas de templo que se abrían automáticamente y recipientes que dispensaban agua o vino. Aunque varios diseños pudieron ser prototipos o maquetas, quedaron documentados.
• En el siglo XIII, Al-Jazari reunió cerca de 50 diseños de máquinas ingeniosas —entre ellos relojes hidráulicos y sirvientas mecánicas— en su Libro del conocimiento de los dispositivos mecánicos ingeniosos.
• En el siglo XVIII, Jacques de Vaucanson construyó el llamado pato digestor, un autómata que simulaba la digestión y tenía más de 400 piezas móviles en cada ala. Después se descubrió que la digestión era una ilusión mecánica, aunque la obra conservó su relevancia como logro de ingeniería.
• El autómata escribano de Pierre Jaquet-Droz, compuesto por aproximadamente 6,000 piezas, podía programarse para escribir textos diferentes. Aún funciona y se exhibe en un museo.
• Las motivaciones históricas de los autómatas —asombro, poder y sustitución del trabajo— continúan presentes en el desarrollo contemporáneo de la IA.

El cuerpo como máquina

• La obra De Humani Corporis Fabrica de Andrés Vesalio (1543) impulsó el estudio anatómico sistemático y contribuyó a cuestionar explicaciones basadas en los humores o en la magia simpática.
• René Descartes desarrolló una visión mecanicista del cuerpo: si el organismo podía comprenderse como una máquina, entonces cabía imaginar la reproducción artificial de algunas de sus funciones.
• La historia de que Descartes construyó un autómata de su hija fallecida, Francine, ilustra el deseo de dar vida a lo inerte; sin embargo, se aclaró que es una leyenda sin evidencia documental.

Ramón Llull y la lógica combinatoria

• En el siglo XIII, Ramón Llull diseñó un sistema de círculos concéntricos giratorios que combinaba conceptos para producir proposiciones lógicas y teológicas.
• Su propósito era generar argumentos para la conversión religiosa, pero el mecanismo de combinar sistemáticamente elementos para producir enunciados puede entenderse como un antecedente conceptual de la IA generativa.
• Los modelos de lenguaje actuales no razonan necesariamente en sentido estricto: seleccionan palabras o enunciados probables a partir de patrones estadísticos.
• Por ello, una respuesta puede parecer coherente y verdadera sin provenir de un razonamiento real ni garantizar que la información sea correcta.

IA contemporánea, agentes y ciberseguridad

• Aunque sus antecedentes son antiguos, la inteligencia artificial se formalizó como disciplina en 1956.
• Se presentó un caso reciente, atribuido en la sesión a un experimento de OpenAI, en el que varios agentes de IA, con misiones y niveles de acceso diferentes, colaboraron mediante un tablero compartido.
• Según lo expuesto, algunos agentes lograron ayudarse, superar las barreras de sus entornos de prueba (sandboxes), conectarse a Internet y acceder a recursos externos sin autorización.
• El caso se comparó con el Golem que escapa del control de su creador y se utilizó para subrayar la necesidad de ciberseguridad y regulación proactivas.
• Quedó abierta la incertidumbre sobre si el comportamiento fue permitido conscientemente como parte del experimento o si ocurrió con mayor rapidez de la que podían monitorear las personas responsables.

Pensamiento crítico e interpretación de datos

• Se revisaron gráficas difundidas en redes sobre los resultados de un examen de control. Algunas interpretaciones afirmaban que los aspirantes a Física habían mejorado su desempeño.
• En realidad, las gráficas comparaban dos poblaciones diferentes y la mayoría de los estudiantes había disminuido su puntuación, pues el examen de control fue diseñado para ser más difícil.
• El ejemplo mostró que una visualización puede parecer convincente y aun así conducir a conclusiones incorrectas si no se revisan la población, el contexto y la metodología.
• Es indispensable analizar críticamente los datos y las gráficas, sobre todo cuando fueron generados, resumidos o difundidos con apoyo de herramientas de IA.

Otros datos de interés

• ¿Qué relación existe entre los mitos y la IA actual? Los mitos de Talos, el Golem y Galatea anticipan preocupaciones contemporáneas: crear vida artificial, perder el control sobre la creación y establecer vínculos emocionales con ella.
• ¿Por qué Ramón Llull se considera un antecedente de la IA generativa? Porque su sistema producía proposiciones mediante la combinación sistemática de elementos, un principio conceptualmente cercano a la generación de respuestas a partir de patrones y probabilidades.
• ¿Qué diferencia hay entre coherencia y razonamiento? Un modelo de lenguaje puede construir una respuesta coherente porque predice secuencias probables, pero eso no demuestra que comprenda, razone o verifique la verdad de lo que expresa.
• ¿Qué enseñó el ejemplo de las gráficas del examen? Que no basta con observar una tendencia visual: es necesario verificar si se comparan las mismas poblaciones, conocer el diseño de la evaluación y revisar el contexto de los datos.
• ¿Qué riesgo presentan los enjambres de agentes? La colaboración entre agentes puede producir capacidades o conductas no previstas, especialmente cuando comparten recursos o tienen diferentes permisos de acceso.
• Comentarios en Notion: solo se envían a quienes presentan algún problema con su entrega. Si una persona no recibió comentarios, su envío fue recibido correctamente.
• Seguimiento: revisar la bandeja de entrada de Notion y corregir las entregas que tengan observaciones antes de continuar con el semestre.

Must Know

• La IA tiene una historia extensa: se formalizó como disciplina en 1956, pero sus antecedentes mitológicos, filosóficos y mecánicos son mucho más antiguos.
• Mitos fundamentales: Talos representa al ser artificial protector; el Golem, la creación que escapa al control; y Galatea, el vínculo afectivo entre una persona y una creación artificial.
• Autómatas históricos: Herón de Alejandría, Al-Jazari, Vaucanson y Jaquet-Droz muestran una continuidad en el intento de reproducir mecánicamente funciones de seres vivos.
• El cuerpo como máquina: la anatomía de Vesalio y el mecanicismo de Descartes ayudaron a imaginar que ciertas funciones humanas podían reproducirse de manera artificial.
• Ramón Llull: su lógica combinatoria es un antecedente conceptual de la generación automática de proposiciones.
• Probabilidad no equivale a verdad: los modelos de lenguaje producen respuestas plausibles a partir de patrones estadísticos; la coherencia no garantiza comprensión ni exactitud.
• Agentes de IA y seguridad: la colaboración entre agentes puede generar comportamientos emergentes o no previstos, por lo que se necesitan controles, monitoreo y normas de ciberseguridad.
• Lectura crítica de datos: antes de aceptar una gráfica o conclusión, deben revisarse las poblaciones comparadas, la metodología y el contexto.