La inteligencia artificial, estudio de su evolución y aplicación en México
Resumen
La inteligencia artificial (IA) ha emergido como una de las tecnologías más transformadoras del siglo XXI, motivada mayormente por mejorar el día a día de las personas y por esa curiosidad interminable característica de la humanidad, transformando y revolucionando sectores tan diversos que van desde la medicina, la educación, el comercio, la agricultura y la industria entre los principales. México, forma parte de los mercados con gran atracción a nivel global en este tópico donde, ha comenzado también a explorar y a implementar diversas aplicaciones de IA en varias áreas, reconociendo su potencial para lograr impulsar el desarrollo tanto económico como social. El presente trabajo tiene como objetivo analizar la evolución de la IA, así como su aplicación en México, considerando tanto los avances tecnológicos, como las implicaciones socioeconómicas. Aportando una visión amplia sobre la evolución y aplicación de la inteligencia artificial en México, destacando tanto los logros como los desafíos futuros, proporcionando una base sólida para comprender el contexto nacional en torno a esta tecnología emergente.
Descargas
Citas
Achiam, J., Adler, S., Agarwal, S., Ahmad, L., Akkaya, I., Aleman, F. L., ... & McGrew, B. (2023). Gpt-4 technical report. arXiv preprint arXiv:2303.08774.
Atlas.ti. (n.d.) https://atlasti.com/es
Bae, H. S., Lee, H. J., & Lee, S. G. (2016, June). Voice recognition based on adaptive MFCC and deep learning. In 2016 IEEE 11th Conference on Industrial Electronics and Applications (ICIEA) (pp. 1542-1546). IEEE.
Bahri, H., & Mahadi, T. S. T. (2016). Google Translate as a supplementary tool for learning Malay: A case study at Universiti Sains Malaysia. Advances in Language and Literary Studies, 7(3), 161-167.
Bertoline, L. M., Lima, A. N., Krieger, J. E., & Teixeira, S. K. (2023). Before and after AlphaFold2: An overview of protein structure prediction. Frontiers in bioinformatics, 3, 1120370.
Bollier, D., & Firestone, C. M. (2010). The promise and peril of big data (pp. 1-66). Washington, DC: Aspen Institute, Communications and Society Program.
Bosch Rué, A., Casas Roma, J., & Lozano Bagén, T. (2018). Deep learning: principios y fundamentos. Editorial UOC.
Buchanan, B., Sutherland, G., & Feigenbaum, E. A. (1969). Heuristic DENDRAL: A program for generating explanatory hypotheses. Organic Chemistry, 30.
Bustamante Patricio. (2023), Inteligencia Artificial en Evaluación Educativa: Cómo está transformando el aprendizaje. Aula Simple.ai. https://aulasimple.ai/blog/inteligencia-artificial-en-evaluacion-educativa-como-esta-transformando-el-aprendizaje/
Caviedes-Olmos, M., & Roco-Videla, Á. (2022). Algoritmos de búsqueda e inteligencia artificial, una ayuda imprescindible en el desarrollo de revisiones sistematizadas. Nutrición Hospitalaria, 39 (6), 1434-1435.
Centro de Ciencias Matemáticas, (n.d.), UNAM. https://www.matmor.unam.mx/
Centro de Investigación en Computación, (n.d.) IPN. https://www.cic.ipn.mx/
Centro de Investigación y Estudios Avanzados, (n.d.) https://www.cinvestav.mx/
Centro Universitario de Ciencias Exactas e Ingeniería. (n.d.) UDG. https://www.cucei.udg.mx/
Chen, H. (1995). Machine learning for information retrieval: Neural networks, symbolic learning, and genetic algorithms. Journal of the American society for Information Science, 46(3), 194-216.
Chen, M. S., Han, J., & Yu, P. S. (1996). Data mining: an overview from a database perspective. IEEE Transactions on Knowledge and data Engineering, 8(6), 866-883.
CleverIdeas, (n.d). Educación https://www.cleverideas.com.mx/educacion
Cobo Cano, M., & Lloret Iglesias, L. (2023). Inteligencia artificial y medicina. Editorial
CONAHCYT, (n.d.) https://conahcyt.mx/
CONAHCYT, (n.d.) Becas Nacionales https://conahcyt.mx/becas_posgrados/becas-nacionales/
CONAHCYT, (n.d) Convocatorias para la consolidación institucional, repatriaciones y retenciones. https://conahcyt.mx/convocatorias/convocatorias-para-la-consolidacion-institucional-repatriaciones-y-retenciones/)
CONAHCYT, (n.d.) Programas e iniciativas públicas https://conahcyt.mx/conahcyt/peciti/
CONAHCYT, (n.d.) Sistema Nacional de Investigadores, https://conahcyt.mx/sistema-nacional-de-investigadores/
Conocimiento, I. D. I. del. (2021). La Inteligencia Artificial transformará la
medicina. Instituto de Ingeniería del Conocimiento. https://www.iic.uam.es/lasalud/inteligencia-artificial-transformara-la-medicina/
Constante, P., Gordon, A., Chang, O., Pruna, E., Acuna, F., & Escobar, I. (2016). Artificial vision techniques to optimize Strawberry's industrial classification. IEEE Latin America Transactions, 14(6), 2576-2581.
CropX, (n.d.) https://cropx.com/
de la Paz, J. V. B., Rodríguez-Picón, L. A., Pérez-Olguín, I. J. C., & Méndez-González, L. C. (2023). An Approach to Select an Open Source ERP for SMEs Based on Industry 4.0 and Digitization Considering the SHERPA and WASPAS Methods. In Innovation and Competitiveness in Industry 4.0 Based on Intelligent Systems (pp. 123-143). Cham: Springer International Publishing.
Duarte Muñoz, C. (2019). La inteligencia artificial y astronomía. Hacia el espacio. Una revolución en los cielos al alcance de todos. https://haciaelespacio.aem.gob.mx/revistadigital/articul.php?interior=1036
Duolingo, (n.d), https://duolingo.com
Duque-Molina, C., Borrayo-Sánchez, G., Avilés-Hernández, R., & Herrera-Reyna, P. (2022). Proyecto PRIISMA: transformación hacia un IMSS más preventivo, resiliente, integral, innovador, sostenible, moderno y accesible. Revista Médica del Instituto Mexicano del Seguro Social, 60 (Suppl 2), S54.
El-Komy, A., Shahin, O. R., Abd El-Aziz, R. M., & Taloba, A. I. (2022). Integration of computer vision and natural language processing in multimedia robotics application. Inf. Sci, 7(6), 1-12.
Escuela Superior de Cómputo, (n.d.) IPN. https://www.escom.ipn.mx/
Finnie-Ansley, J., Denny, P., Becker, B. A., Luxton-Reilly, A., & Prather, J. (2022, February). The robots are coming: Exploring the implications of openai codex on introductory programming. In Proceedings of the 24th Australasian Computing Education Conference (pp. 10-19).
García-Sánchez, N., & Pérez-Bernal, L. E. (2007). Determination of critical success factors in implementing an ERP system: A field study in Mexican enterprises. Information Technology for Development, 13(3), 293–309. https://doi.org/10.1002/itdj.20075
Gobierno de México, (2018), https://www.gob.mx/epn/articulos/estrategia-de-inteligencia-artificial-mx-2018.
Goh, C., & Leon, K. (2009, June). Robust computer voice recognition using improved MFCC algorithm. In 2009 international conference on new trends in information and service science (pp. 835-840). IEEE.
González-González, C. S. (2023). El impacto de la inteligencia artificial en la educación: transformación de la forma de enseñar y de aprender.
González Zepeda. L. E, Martínez Pinto C. E. (2023). Inteligencia artificial centrada en los pueblos indígenas: perspectivas desde América Latina y el Caribe. Unesco https://unesdoc.unesco.org/ark:/48223/pf0000387814
Hernández, Y., Arroyo-Figueroa, G., & Sucar, L. E. (2015). A Model of Affect and Learning for Intelligent Tutors. J. Univers. Comput. Sci., 21(7), 912-934).
Hinton, G., LeCun, Y., Touresky, D., & Sejnowski, T. (1988, June). A theoretical framework for back-propagation. In Proceedings of the 1988 connectionist models summer school (Vol. 1, pp. 21-28).
Huriye, A. Z. (2023). The ethics of artificial intelligence: examining the ethical considerations surrounding the development and use of AI. American Journal of Technology, 2(1), 37-44.
IA UNAM (Octubre 16 2021). La IA en la astronomía [Archivo de video] YouTube https://www.youtube.com/watch?v=NImSEn7OC8E
IBM (n.d) Maximo, https://www.ibm.com/cloud/maximo
IFIMAP (2017), Technified irrigation, together with strategies to trigger the development of the Mexican countryside, has permitted a new stage of productivity. https://www.gob.mx/epn/prensa/technified-irrigation-together-with-strategies-to-trigger-the-development-of-the-mexican-countryside-has-permitted-a-new-stage-of-productivity-epn
IIMAS, UNAM, (n.d) https://www.iimas.unam.mx/
IMSS, (2022) https://www.imss.gob.mx/prensa/archivo/202203/133
INAOE, (n.d.) https://www.inaoep.mx/
Instituto Mexicano del Seguro Social (IMSS), (2024). Seguro Social trabaja para ser la gran agencia de tecnología del sector salud: Zoé Robledo https://www.imss.gob.mx/prensa/archivo/202407/354
Inventum, (n.d), Agrosmart. http://inventum.com.mx/inven/
ITESM, (n.d.) Centro de Inteligencia Artificial. https://tec.mx/es/integridad-academica/inteligencia-artificial
Jiménez, S., Juárez‐Ramírez, R., Castillo, V. H., Licea, G., Ramírez‐Noriega, A., & Inzunza, S. (2018). A feedback system to provide affective support to students. Computer Applications in Engineering Education, 26(3), 473-483.
Khurana, D., Koli, A., Khatter, K., & Singh, S. (2023). Natural language processing: state of the art, current trends and challenges. Multimedia tools and applications, 82(3), 3713-3744.
Laguna, Nelson. (2024). La Revolución de la IA y la Robótica en la Industria Automotriz: Un Futuro de Colaboración, No de Sustitución. https://www.linkedin.com/pulse/la-revoluci%C3%B3n-de-ia-y-rob%C3%B3tica-en-industria-un-futuro-nelson-laguna-kmuhe/
Mahesh, B. (2020). Machine learning algorithms-a review. International Journal of Science and Research (IJSR). [Internet], 9(1), 381-386.
McCarthy, J., Minsky, M. A., Rochester, N., & Shannon, C. E. (1956). "A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence". En *Dartmouth Conference Proceedings*.
Microsoft News, (2022), Mexicanos crean una solución para ayudar a agricultores con inteligencia artificial. https://news.microsoft.com/es-xl/mexicanos-crean-una-solucion-para-ayudar-a-agricultores-con-inteligencia-artificial/
Minsky, M. L., (1961) Agroprecisión: tecnología y experiencia en la toma de decisiones de la empresa. https://redagricola.com/agroprecision-tecnologia-experiencia-la-toma-decisiones-empresa/
Moreira, D., Cruz, I., González, K., Quirumbay, A., Magallán, C., Guarda, T., & Castillo, C. (2021). Análisis del estado actual de procesamiento de lenguaje natural. Revista Ibérica de Sistemas y Tecnologías de la Información, (E42), 126-136.
Mu, R., & Zeng, X. (2019). A review of deep learning research. KSII Transactions on Internet and Information Systems (TIIS), 13(4), 1738-1764.
Nilsson, N. J. (Ed.). (1984). Shakey the robot (Vol. 323). Menlo Park, California: Sri International
Oliveira, R. C. D., & Silva, R. D. D. S. E. (2023). Artificial intelligence in agriculture: benefits, challenges, and trends. Applied Sciences, 13 (13), 7405.
Proyecto Miyotl, (n.d.) https://proyecto-miyotl.web.app/
Quirumbay Yagual, D. I., Castillo Yagual, C. A., & Coronel Suárez, I. A. (2022). Una revisión del aprendizaje profundo aplicado a la ciberseguridad. Revista Científica y Tecnológica UPSE (RCTU), 9(1), 57-65.
Redmond, J. A., & Gleeson, J. F. (1985). Expert systems in computer and electronic systems. Velika kapaciteta malega mikroračunalnika, 8, 36.
Rincón, J. C. (2006). Aplicación de algoritmos genéticos en la optimización del sistema de abastecimiento de agua de Barquisimeto-Cabudare. Avances en Recursos Hidráulicos, (14), 25-38.
Rodney, (2024). El papel de la Inteligencia artificial en la Astronomía moderna. Leyes del Universo. https://leyesdeluniverso.es/el-papel-de-la-inteligencia-artificial-en-la-astronomia-moderna/
Rouhiainen, L. (2018). Inteligencia artificial. Madrid: Alienta Editorial, 20-21.
SAP, n.d. Integrated Business Planning. https://www.sap.com/products/integrated-business-planning.html
Sarımehmet, B., Pınarbaşı, M., Alakaş, H. M., & Eren, T. (2023). Harvest optimization for sustainable agriculture: The case of tea harvest scheduling. Artificial Intelligence in Agriculture, 10, 35-45.
Schmidhuber, J. (2015). Deep learning. Scholarpedia, 10(11), 32832.
Shao, Z., Yuan, S., Wang, Y., & Xu, J. (2022). Evolutions and trends of artificial intelligence (AI): research, output, influence and competition. Library Hi Tech, 40(3), 704-724.
Sherpa, (n.d.), https://sherpa.ai/
Silver, D., Hubert, T., Schrittwieser, J., Antonoglou, I., Lai, M., Guez, A., & Hassabis, D. (2018). A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play. Science, 362(6419), 1140-1144.
SIRO, (n.d.) BUAP. https://siro.cs.buap.mx/index.html
Socratic, (n.d.) https://socratic.org/
Solís-Quinteros, M.M., Ávila-López, L.A. (2020). Effective Design of Service Supply Chains in México. In: García-Alcaraz, J., Sánchez-Ramírez, C., Avelar-Sosa, L., Alor-Hernández, G. (eds) Techniques, Tools and Methodologies Applied to Global Supply Chain Ecosystems. Intelligent Systems Reference Library, vol 166. Springer, Cham. https://doi.org/10.1007/978-3-030-26488-8_11.
The Conversation, (2024). La inteligencia artificial y la economía. El Economista. https://www.eleconomista.com.mx/arteseideas/La-inteligencia-artificial-y-la-economia-20240308-0107.html
Toosi, A., Bottino, A. G., Saboury, B., Siegel, E., & Rahmim, A. (2021). A brief history of AI: how to prevent another winter (a critical review). PET clinics, 16 (4), 449-469.
Tortosa Zango, D. (2023). Estudio del aprendizaje por refuerzo aplicado a los videojuegos (Doctoral dissertation Universitat Politècnica de València).
Turing, A. M. (1950). Computing Machinery and Intelligence. Mind. Recuperado https://doi.org/10.1093/mind/LIX.236.433
Usla, H. (2023). Inteligencia artificial y drones ‘alimentarán’ a 150 millones de mexicanos para 2050. El Financiero. https://www.elfinanciero.com.mx/economia/2023/05/17/inteligencia-artificial-y-drones-alimentaran-a-150-millones-de-mexicanos-para-2050/
Vargas-Canales, J. M. (2023). Technological capabilities for the adoption of new technologies in the agri-food sector of Mexico. Agriculture, 13 (6), 1177.
Veselov, V. (2012). Eugene Goostman. Princeton AI. http://www.princetonai.com/bot/bot.jsp
Wang, Z., Liu, W., He, Q., Wu, X., & Yi, Z. (2022). Clip-gen: Language-free training of a text-to-image generator with clip. arXiv preprint arXiv:2203.00386
Waterman, D. A., (1986), A Guide to Expert Systems. Addison-Wesley, Reading, MA
Weizenbaum, J. (1966). ELIZA—a computer program for the study of natural language communication between man and machine. Communications of the ACM, 9 (1), 36-45.
You, Y., Doubova, S. V., Pinto-Masis, D., Pérez-Cuevas, R., Borja-Aburto, V. H., & Hubbard, A. (2019). Application of machine learning methodology to assess the performance of DIABETIMSS program for patients with type 2 diabetes in family medicine clinics in Mexico. BMC Medical Informatics and Decision Making, 19, 1-15.
Zavaleta, G. J. J., Arroyo, M. M., Hernández, J. L. H., & Valverde, J. A. M. (2024). Avances en la Detección de la Mosca Blanca mediante la Aplicación de Técnicas de Inteligencia Artificial: Un Comprensivo Estado del Arte. Ciencia Latina Revista Científica Multidisciplinar, 8 (2), 3194-3204.
Zatarain-Cabada, R., Barrón-Estrada, M. L., Alor-Hernández, G., & Reyes-García, C. A. (2014). Emotion recognition in intelligent tutoring systems for android-based mobile devices. In Human-Inspired Computing and Its Applications: 13th Mexican International Conference on Artificial Intelligence, MICAI 2014, Tuxtla Gutiérrez, Mexico, November 16-22, 2014. Proceedings, Part I 13 (pp. 494-504). Springer International Publishing.
Derechos de autor 2024 Victor Baños-Gonzalez
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.
