Posibilidad y Factibilidad Ética de la Inteligencia Artificial

Curso CCO 360 – Inteligencia Artificial

Resumen de la monografía

En la monografía da una serie de definiciones para la inteligencia artificial. Luego se presentan argumentos, a favor y en contra, que discuten las dos facetas de la inteligencia artificial. La primera faceta es la posibilidad de la existencia de una verdadera inteligencia artificial. La segunda es la factibilidad ética de la inteligencia inteligencia artificial. Cada faceta se divide en dos vertientes. La primera faceta se divide en “sí es posible la existencia de una inteligencia artificial” y “no es posible la existencia una inteligencia artificial”. La segunda faceta fue divida en “sí es ético continuar el desarrollo de la inteligencia artificial” y “no es ético continuar con el desarrollo de la inteligencia artificial”.  Se utilizan argumentos de Alan Turing, Ray Kurzweil, Stephen Hawking, Julia Bossman, John McCarthy, Marvin Minsky, entre otros.

Vídeos

Blog links

Referencias más importantes de la monografía

  • Stone P., Brooks R., Brynjolfsson E., Calo R., Etzioni O., Hage G., … Teller A., (2016) “Artificial Intelligence and Life in 2030.” One Hundred Year Study on Artificial Intelligence: Report of the 2015-2016 Study Panel
  • Peter Stone, Rodney Brooks, Erik Brynjolfsson, Ryan Calo, Oren Etzioni, Greg Hage … Astro Teller. “Artificial Intelligence and Life in 2030.” One Hundred Year Study on Artificial Intelligence: Report of the 2015-2016 Study Panel
  • Galeon, D. & Reedy, C. (2017) “A Google Exec just claimed the singularity will happen by 2029”. Recuperado de: https://www.sciencealert.com/google-s-director-of- engineering-claims-that-the-singularity-will-happen-by-2029?perpetual=yes&limitstart=1
  • Turing, A., (1950) Contrary Views on the Main Question. “Computer Machinery and Intelligence”

Páginas web sobre el tema

CCO 360 Redes Neurales

Machine Learning: técnicas, algoritmos, programas que permiten a una maquina aprender por si misma.

Matemáticas y Estadísticas son la base para el machine learning.

Redes neurales son una rama del machine learning que lleva tiempo de estudio y desarrollo.

Recursos:

Apple completely changed Siri works and nobody noticed

Chapter 22 Learning by Training Neural Nets

A visual and interactive guide to the Basics of Neural Networks

MNIST for ML Beginners

En biología, las neuronas procesan señales que le llegan a través de sus dendritas.

La misma tiene un umbral y de acuerdo al input que recibe decide disparar una señal o no.

Se utiliza machine learning se simula las neuronas biológicas de manera computacional

Entrenar: es un termino que indica que hay que proveerle unos algoritmos  a la neurona capaz de minimizar la función costo

Para lograr “entrenar” una neurona computacional se utilizan algoritmos de optimización como por ejemplo:

  • “Gradient Descent” or Back propagation

Siempre en una red neural se tiene un set de entrenamiento y después set de prueba

Resumen del tema:

  • Se tienen una serie de inputs
  • Se multiplica por un peso
  • Se le añade un bias al output
  • Y se espera que produzca predicciones correctas.

Miércoles se trabajará segunda parte: MNIST for ML Beginners

Además debemos:

  • Leer Cap 22
  • Leer Link: A visual and interactive guide to the Basics of Neural Networks
  • Entrar a

Aritificial Intelligence

In recent years, we’ve seen an increasing number of so-called “intelligent” digital assistants being introduced on various devices. Although the technology behind these applications keeps getting better, there’s still a tendency for people to be disappointed by their capabilities — the expectation of “intelligence” is not being met. Read More

via Conversational AI and the road ahead — TechCrunch

  • Interesting article about Artificial Intelligence