{"id":27129,"date":"2026-10-02T14:42:54","date_gmt":"2026-10-02T20:42:54","guid":{"rendered":"https:\/\/wp.uaslp.mx\/noticias\/?p=27129"},"modified":"2026-10-02T14:42:55","modified_gmt":"2026-10-02T20:42:55","slug":"instituto-de-fisica-aborda-las-nuevas-capacidades-de-la-inteligencia-artificial","status":"publish","type":"post","link":"https:\/\/wp.uaslp.mx\/noticias\/investigacion\/instituto-de-fisica-aborda-las-nuevas-capacidades-de-la-inteligencia-artificial\/","title":{"rendered":"Instituto de F\u00edsica aborda las nuevas capacidades de la inteligencia artificial"},"content":{"rendered":"\n

La inteligencia artificial ha pasado de sistemas que requer\u00edan instrucciones precisas para resolver un problema a modelos capaces de aprender caracter\u00edsticas de los datos, generar informaci\u00f3n nueva y utilizar herramientas para realizar distintas tareas, explic\u00f3 el Dr. Luis Fernando Quezada Mata, investigador del Instituto de F\u00edsica<\/a> de la Universidad Aut\u00f3noma de San Luis Potos\u00ed (UASLP), durante el Seminario de Inteligencia Artificial IF-GUIA.<\/p>\n\n\n\n

En la sesi\u00f3n \u201c\u00bfPuede una m\u00e1quina hacer matem\u00e1ticas? IA y los grandes problemas abiertos\u201d, realizada en el Auditorio Tatlinsla del Instituto de F\u00edsica, el investigador present\u00f3 un recorrido por las distintas etapas en el desarrollo de la inteligencia artificial y destac\u00f3 la importancia de algoritmos como la retropropagaci\u00f3n, que permiti\u00f3 entrenar redes neuronales de varias capas. \u201cEl algoritmo por s\u00ed solo empieza a aprender qu\u00e9 caracter\u00edsticas, de todo lo que le met\u00ed, de todos los datos, son los importantes\u201d, explic\u00f3.<\/p>\n\n\n\n

Quezada Mata se\u00f1al\u00f3 que una segunda etapa estuvo relacionada con el aprendizaje autom\u00e1tico, mediante herramientas como las m\u00e1quinas de soporte vectorial, AdaBoost, Random Forest y Gradient Boosting. En estos modelos la inteligencia artificial comenz\u00f3 a identificar estructuras en los datos, aunque todav\u00eda era necesario indicarle cu\u00e1les caracter\u00edsticas deb\u00eda considerar. Posteriormente, las redes convolucionales permitieron que los sistemas aprendieran esas caracter\u00edsticas directamente, particularmente en el an\u00e1lisis de im\u00e1genes.<\/p>\n\n\n\n

El desarrollo de los embeddings represent\u00f3 otro avance al permitir convertir palabras y otros elementos del lenguaje en representaciones num\u00e9ricas que conservan relaciones entre conceptos. El investigador explic\u00f3 que palabras utilizadas en contextos similares pueden quedar pr\u00f3ximas dentro de un espacio de caracter\u00edsticas. A partir de esta evoluci\u00f3n surgieron tecnolog\u00edas como las redes generativas, AlphaGo y, posteriormente, los transformadores, una arquitectura que abri\u00f3 el camino a los actuales modelos generativos de lenguaje.<\/p>\n\n\n\n

En este proceso, explic\u00f3, GPT utiliza transformadores para predecir qu\u00e9 palabra puede seguir dentro de una secuencia a partir del contexto previo. \u201cLo que hace GPT esencialmente es mucho de la IA generativa, es bayesiana en el sentido de que justamente modelan estas probabilidades condicionales\u201d, se\u00f1al\u00f3. De esta manera, los modelos pasaron de reconocer y clasificar informaci\u00f3n a generar nuevas secuencias de texto.<\/p>\n\n\n\n

El investigador destac\u00f3 finalmente una etapa en la que la inteligencia artificial deja de ser solamente un sistema que observa, predice o genera informaci\u00f3n y comienza a realizar acciones mediante herramientas. A trav\u00e9s de protocolos y agentes, los modelos pueden determinar cu\u00e1ndo necesitan efectuar un c\u00e1lculo, consultar informaci\u00f3n o utilizar una aplicaci\u00f3n para resolver una tarea. La sesi\u00f3n tambi\u00e9n incluy\u00f3 la participaci\u00f3n del Dr. Lev Glewsky, con el tema \u201cProblemas matem\u00e1ticos, soluciones con IA y comprobaci\u00f3n autom\u00e1tica\u201d, y una mesa redonda sobre las implicaciones sociales y cient\u00edficas de estas tecnolog\u00edas, moderada por el Dr. Diego Espitia, ambos del Instituto de F\u00edsica de la UASLP.<\/p>\n\n\n\n

Hugo Laussin<\/em><\/p>\n\n\n

\n\t
<\/div>\n\t
<\/div>\n\t
<\/div>\n\t
<\/div><\/div>