Aquesta pàgina es genera automàticament a partir de la presentació MARP
1-introduccio-marp.md. No l’edites directament.
Introducció a la intel·ligència artificial
Models d’intel·ligència artificial
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.
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.
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.
Una mica d’història
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.
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.
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.
Tenim una màquina intel·ligent?
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.
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.
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.
Paradigmes de la IA
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.
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.
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.
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 |
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?
Aplicacions de la IA
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.
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.
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.