¿Qué vas a aprender esta semana?#
- Comprender qué es Inteligencia Artificial (IA) y qué es Aprendizaje Automático (Machine Learning, ML).
- Reconocer que ML es una parte de IA.
- Diferenciar estos conceptos aplicándolos a ejemplos reales.
- Experimentar con código en Python que te permite obtener respuestas automáticas e inmediatas, reforzando tu comprensión.
¿Qué es Inteligencia Artificial (IA)?#
La Inteligencia Artificial se refiere a sistemas que pueden resolver problemas o tomar decisiones de forma similar a cómo lo haría una persona. Por ejemplo, cuando tu asistente de voz reconoce lo que decís y responde, estás usando IA.
¿Y qué es Aprendizaje Automático (Machine Learning, ML)?#
El Aprendizaje Automático es un método dentro de la IA. Consiste en que un sistema aprenda a partir de datos, sin que le digas explícitamente qué hacer. Es lo que ocurre cuando un programa se entrena a partir de ejemplos, como fotos con etiquetas “perro” o “gato”, y luego aprende a distinguirlas solo.
Inteligencia Artificial (IA) vs Machine Learning (ML)#
| Concepto | Definición | Ejemplo |
|---|---|---|
| IA | Sistemas que imitan capacidades humanas | Asistente de voz (usa varios métodos) |
| ML | Parte de la IA que aprende automáticamente | Clasificador de imágenes entrenado desde datos |
Entonces, todo ML es IA, pero no toda IA es ML: algunas IAs usan reglas fijas, lógica o redes neuronales.
Actividad 1: Mini-test#
Vas a ejecutar un programa que te dará una respuesta automática según el ejemplo que introduzcas, ayudándote a practicar la distinción entre IA y ML.
def test_ia_ml(concepto):
# Convertimos el texto a minúsculas para que no importe cómo lo escribas.
texto = concepto.lower()
# Si coincide con estos ejemplos, lo clasificamos como IA.
if texto in ["chatbot", "robot de voz", "detección de objetos"]:
return "IA (usa varios métodos, puede incluir ML)"
# Si coincide con estos ejemplos, lo clasificamos como ML.
elif texto in ["clasificador de imágenes", "predicción de precios", "análisis de sentimiento"]:
return "ML (aprende de datos)"
# Si no coincide, te sugiere revisar...
else:
return "No está claro. Reflexioná con los conceptos vistos."
# Probá con algunos ejemplos para ver cómo el programa responde:
for ejemplo in ["chatbot", "clasificador de imágenes", "asistente virtual"]:
print(f"Voy a llamar a la función test_ia_ml pasando como argumento el valor: {ejemplo}")
print(f"Valor: {ejemplo} → Categoría: {test_ia_ml(ejemplo)}")
print("---")
El ejemplo te permite ver inmediatamente cómo se categorizan casos específicos con un algoritmo muy simple mientras te ayuda a recordar la diferencia.
Qué hace internamente:
- Define una función que analiza qué ejemplo ingresaste.
- Según el listado que convierte en texto, lo clasifica como IA o ML.
- Recorrés una lista de pruebas y mostrás resultados claros.
Actividad 2: Mini-quiz interactivo#
Copiá este código a un archivo .py o notebook. Al ejecutarlo, te pedirá que escribas “IA” o “ML” para distintas situaciones prácticas, y te dirá si acertaste.
print("¿IA o ML?")
preguntas = {
"predicción de precios con regresión": "ML",
"sistema de recomendaciones en Netflix": "IA",
"filtro de spam en tu email": "ML",
"coche autónomo que detecta señales": "IA"
}
for descripcion, respuesta_correcta in preguntas.items():
respuesta_usuario = input(f"{descripcion}: ").strip().upper()
if respuesta_usuario == respuesta_correcta:
print("Correcto.")
else:
print(f"Error. La respuesta correcta era {respuesta_correcta}.")
Para pensar#
¿Se te ocurren otros ejemplos como “reconocimiento de voz”, “traducción automática” o “recomendaciones de productos”? ¿Los asociarías a IA, ML o ambos? Prendé tu entorno y probá con tus propios casos.
¿Qué sigue en la próxima lección?#
Abordaremos las herramientas matemáticas esenciales detrás de ML: álgebra lineal (vectores y matrices) y cálculo (derivadas, optimización). Vas a ver cómo esos conceptos permiten que los modelos aprendan de datos.