Introducció a la intel·ligència artificial

Models d'intel·ligència artificial

🄯 Carles Gonzàlez - CC-BY-NC-SA

Què és la IA?

  • Intel·ligència: capacitat d'aprendre, comprendre i resoldre problemes.
  • Intel·ligència artificial: intel·ligència exhibida per màquines.
  • Una màquina intel·ligent percep el seu entorn i pren accions per maximitzar les possibilitats d'èxit d'un objectiu.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Agents intel·ligents

  • Un agent percep l'entorn mitjançant sensors i actua amb actuadors.
  • Un agent intel·ligent ha de:
    • tenir un objectiu mesurable;
    • interpretar l'estat de l'entorn;
    • seleccionar una acció;
    • avaluar el resultat i adaptar-se quan calga.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Què estudiarem?

  • Com formular un problema perquè un sistema el puga resoldre.
  • Diferents tècniques per construir agents intel·ligents.
  • Avantatges, limitacions i costos de cada tècnica.
  • Camps d'aplicació i impacte sobre les persones.
  • Riscos ètics, legals i de seguretat.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Una mica d'història

🄯 Carles Gonzàlez - CC-BY-NC-SA

Fites rellevants

  • 1950: Turing proposa substituir la pregunta "pensen les màquines?" per un criteri observable.
  • 1956: conferència de Dartmouth i naixement del terme intel·ligència artificial.
  • Anys 80: sistemes experts per automatitzar decisions en dominis concrets.
  • 1997: Deep Blue derrota Kasparov als escacs.
  • 2016: AlphaGo mostra el potencial de combinar aprenentatge i cerca.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Models fundacionals

  • Els Transformers han fet possibles models de llenguatge, visió i àudio a gran escala.
  • Els models actuals poden ser multimodals: text, imatge, veu, vídeo i codi.
  • També existeixen models oberts i models que poden executar-se localment.
  • La capacitat no elimina els límits: poden equivocar-se, inventar informació o reproduir biaixos.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Situació actual

  • La IA ja és present en serveis, indústria, ciència, educació i administració.
  • Un bon sistema no es valora només per la seua qualitat:
    • cost i latència;
    • privacitat i seguretat;
    • explicabilitat;
    • manteniment i dependència de proveïdors;
    • impacte sobre les persones afectades.

![bg right:35% fit](../../images/State of AI.png)

🄯 Carles Gonzàlez - CC-BY-NC-SA

Tenim una màquina intel·ligent?

🄯 Carles Gonzàlez - CC-BY-NC-SA

Intel·ligència humana i computacional

Intel·ligència humana Intel·ligència computacional
Biològica Computacional
General Específica
Conscient Inconscient
Emocional Racional
Adaptativa Dissenyada

La IA no intenta reproduir necessàriament una persona: construeix sistemes capaços de resoldre tasques definides.

🄯 Carles Gonzàlez - CC-BY-NC-SA

IA estreta i IA general

  • IA estreta o feble: resol molt bé una tasca específica, com classificar imatges o planificar una ruta.
  • IA general o forta: podria generalitzar la seua capacitat a qualsevol tasca intel·lectual humana.
  • Els sistemes que utilitzem actualment són IA estreta, fins i tot quan resulten molt versàtils.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Racionalitat

  • Una decisió racional és la que maximitza la probabilitat d'aconseguir un objectiu segons la informació disponible.
  • No sempre existeix una única resposta correcta.
  • Cal definir:
    • l'objectiu;
    • les restriccions;
    • el cost de les accions;
    • com mesurarem l'èxit;
    • què ha de fer el sistema quan no tinga prou evidència.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Paradigmes de la IA

🄯 Carles Gonzàlez - CC-BY-NC-SA

Paradigma simbòlic

  • Representa coneixement amb símbols, fets i regles.
  • Permet inferir conclusions i explicar com s'ha pres una decisió.
  • Exemples:
    • sistemes experts;
    • sistemes basats en regles;
    • raonament basat en casos;
    • planificació i satisfacció de restriccions.

![bg right:30% fit](../../images/sistema expert.png)

🄯 Carles Gonzàlez - CC-BY-NC-SA

Paradigma connexionista

  • Representa la informació amb xarxes de neurones artificials.
  • Aprén patrons a partir de dades.
  • És útil en visió per computador, veu, llenguatge i control.
  • Sovint ofereix menys explicabilitat que una solució basada en regles.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Paradigma estadístic

  • Analitza dades per estimar probabilitats i prendre decisions.
  • Inclou classificació, regressió, agrupament i detecció d'anomalies.
  • La qualitat del resultat depén de les dades, les mètriques i el context d'ús.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Tècniques de IA

Necessitat Tècnica possible
Decisió estable, auditable i normativa Regles o sistema expert
Ruta, planificació o restriccions Cerca, CSP o optimització
Predicció a partir d'exemples Aprenentatge automàtic
Text, imatge, veu o codi Xarxes neuronals i models fundacionals
Consulta de documentació canviant Recuperació d'informació o RAG
🄯 Carles Gonzàlez - CC-BY-NC-SA

Seleccionar una solució

Abans d'usar IA, hem de preguntar-nos:

  • Es pot resoldre amb una regla, una consulta o un procés convencional?
  • Disposem de dades adequades i amb permís per usar-les?
  • Necessitem una resposta explicable i auditable?
  • Quin és el cost d'un error?
  • Qui revisarà els casos incerts o sensibles?
🄯 Carles Gonzàlez - CC-BY-NC-SA

Aplicacions de la IA

🄯 Carles Gonzàlez - CC-BY-NC-SA

Alguns dominis

  • Robòtica: percepció, planificació i control en el món físic.
  • PLN: traducció, classificació, resum, assistents i cerca documental.
  • Visió per computador: classificació, detecció, segmentació i seguiment.
  • Recomanació: productes, música, continguts o recursos.
  • Salut, finances, indústria i transport: suport a decisions i automatització.
🄯 Carles Gonzàlez - CC-BY-NC-SA

IA responsable

  • Les dades poden contenir errors, desequilibris i biaixos.
  • Un model pot perjudicar persones o grups encara que tinga una mètrica global alta.
  • Cal protegir dades personals i controlar qui pot accedir al sistema.
  • Els resultats generats necessiten verificació quan tenen conseqüències rellevants.
  • La responsabilitat no desapareix perquè la decisió l'haja proposada un sistema.
🄯 Carles Gonzàlez - CC-BY-NC-SA

Idees clau

  • La IA és un conjunt de tècniques, no una única tecnologia.
  • El problema, les dades, el risc i el context determinen el model adequat.
  • La qualitat inclou precisió, cost, seguretat, explicabilitat i impacte.
  • Un sistema intel·ligent ha de conèixer també els seus límits.
🄯 Carles Gonzàlez - CC-BY-NC-SA