LA INTELIGENCIA ARTIFICIAL IMPACTO EN LA SOCIEDAD

Coaquira Huayta Marco Antonio1

Salas Flores Amed Alberto2

Huamani Gutierrez Jhon Alex3

1
Universidad Continental, Arequipa, Perú, [email protected]
2
Universidad Continental, Arequipa, Perú, [email protected]
3
Universidad Continental, Arequipa, Perú, [email protected]

Resumen

Este artículo de revisión tuvo como objetivo Presentar y analizar los aportes que hacen los
autores sobre inteligencia artificial y el impacto en la sociedad en base a los ejes temáticos
identificados.Establecer las líneas de estudio actuales sobre Inteligencia artificial y el impacto
en la sociedad propuesta por los autores.Con el fin de ampliar la comprensión conceptual
acerca de ia en la sociedad ,” fue identificado tanto el término como la definición de éste, en
distintas fuentes. La búsqueda y selección de artículos científicos, tesis de grado, libros y
capítulos de libro se llevó a cabo en 3 bases de datos: scopus, proquest,woscience. El motor de
búsqueda fue el término “ia en la sociedad,.” A partir de la revisión de los documentos que
cumplieran con los siguientes criterios: (a) tener en orden todas las palabras del concepto
empleado y (b) tener una definición del concepto investigado, se encontraron 289
documentos de los cuales, luego del análisis y revisión de los investigadores finalmente se
seleccionaron 15. Los principales hallazgos fueron que la dinámica familiar es aquel clima
relacional que se da al interior del hogar y se encuentra mediado por diversas dimensiones
como relaciones afectivas, roles, autoridad, limites, reglas, normas, uso del tiempo libre y
comunicación. Se concluyó, que cada familia es única y se encuentra expuesta a dificultades
culturales, económicos y religiosos que inducen a la familia a tener formas singulares y
distintas de relacionarse y construir sus vínculos, a este proceso inestablemente estable se le da
el nombre de dinámica familiar

“El presente investigación dirigido a acercarse el estudiar de el creativo posibilidades de AI

sistemas para el desarrollo de escribiendo en el educativo contexto. W.mi tener administrado a
proporcionar didáctico evidencia en el usar de AI y a contribuir a el conocimiento de es
integración en aulas como educativo apoyo.” (Dresse et al., 2016, p. 13).

Palabras clave: Artificial, tecnología y automatización.

1 Introducción

El término "Inteligencia Artificial" fue acuñado en 1956 en una conferencia en el

Dartmouth College y desde entonces ha experimentado un desarrollo constante y ha
evolucionado radicalmente. Entre los pioneros destacados del término se encuentran John
McCarthy, Marvin Minsky, Allen Newell y Herbert A. Simon. La aplicación de la IA en la
educación en todo el mundo ha aumentado drásticamente y su importancia ha crecido a
un ritmo cada vez mayor. El objetivo de esta investigación es analizar las aplicaciones de la
IA en la educación contemporánea, por un lado. El nuevo modelo pedagógico conductista
plantea las nuevas habilidades necesarias en los individuos que forman parte de la sociedad
del conocimiento, según Siemens (2006)

La justificación de abordar este tema radica en su ineludible relevancia. La inteligencia

artificial no solo impulsa avances en campos como la medicina, la robótica y la
automatización, sino que también plantea cuestionamientos éticos y sociales
fundamentales. Desde la toma de decisiones autónomas hasta la creación de entidades
virtuales capaces de aprender y evolucionar, la IA plantea desafíos y oportunidades que no
pueden pasarse por alto. La comprensión de sus implicaciones se torna crucial en un
mundo donde la tecnología se erige como uno de los principales motores de cambio.

En cuanto a la delimitación de este estudio, nos centraremos en explorar la inteligencia

artificial desde una perspectiva general, abordando sus aplicaciones, desafíos éticos y el
impacto en la sociedad. Aunque la IA abarca una gama extensa de subcampos, desde el
aprendizaje profundo hasta la inteligencia artificial débil, nuestra atención se concentrará
en proporcionar una visión panorámica que permita apreciar tanto sus promesas como sus
posibles peligros. El objetivo de este enfoque es rastrear los hilos de un fenómeno complejo
y proporcionar una comprensión sólida que pueda servir como punto de partida para
investigaciones más especializadas. Finalmente, si bien fue posible realizar una revisión
bibliográfica detallada sobre la inteligencia artificial en la educación de los estudiantes
universitarios, encontramos que para adentrarse en este tema es muy necesario
comprender a fondo la terminología dada, por lo que primero desarrollaremos una
comprensión de los conceptos, características, fenómenos, etc. más importantes, estos son
los conceptos principales de la inteligencia artificial en el aprendizaje, luego de lo cual nos
especializamos en el tema del desarrollo infantil, donde podremos explicar los diferentes
métodos y muchas tecnologías que se pueden usar. controlar a los estudiantes con estas
condiciones; para concluir, continuaremos discutiendo los hallazgos de la IA en
estudiantes universitarios. (PsycARTICLES, ScienceDirect, Ebsco, Scopus y Scielo)
Revistas Yoshua Bengio (2018)

1.1 Aplicaciones y Transformaciones de la inteligencia Artificial

Sumérgete en las diversas aplicaciones de la inteligencia artificial,desde la automatización

industrial hasta la medicina personalizada.Examina como IA esta transformando sectores
enteros y mejorando la eficiencia en tareas que van desde la producción hasta la atención
médica.Pueden destacar casos de éxito y explorar cómo estas aplicaciones impactan la vida
diaria de las personas

1.2 Desafíos éticos y sociales de la Inteligencia Artificial

Explora las preocupaciones éticas y sociales asociadas a la inteligencia artificial.Desde
cuestiones de privacidad y seguridad hasta dilemas éticos en la toma de decisiones
autónoma,analizando cómo la rápida adopción de la IA plantea desafíos
significativos.También puedes abordar cómo se están abordando estos desafíos y las
posibles vías para mitigar impactos negativos.

2 Metodología
En este estudio, la metodología adoptada fue meticulosamente diseñada para explorar las
complejidades de la inteligencia artificial, centrándose en estrategias de búsqueda y análisis
que garantizan la captura exhaustiva y la comprensión profunda de la información
relevante.
Para construir una base sólida de conocimiento, se emplearon estrategias de búsqueda
exhaustivas y estratégicas. Las fuentes académicas, revistas científicas y conferencias
especializadas se convirtieron en faros guía. El rastreo de bibliotecas digitales, bases de
datos especializadas y repositorios académicos permitió la identificación de trabajos clave.
La formulación de consultas específicas, ajustadas a la temática, fue fundamental para
filtrar el ruido digital y centrarse en información relevante.
El análisis de la información se llevó a cabo con un enfoque holístico. Las obras
seleccionadas se sometieron a una evaluación crítica, considerando la calidad de la
investigación, la validez de los métodos utilizados y la relevancia para los objetivos del
estudio. Se prestó especial atención a las divergencias y convergencias en las perspectivas,
proporcionando un contexto completo.
La triangulación de datos fue una herramienta valiosa; la convergencia de hallazgos desde
distintas fuentes fortaleció la robustez de las conclusiones. Además, se exploraron estudios
de caso y ejemplos prácticos para ilustrar y enriquecer la comprensión conceptual.
El proceso metodológico se sometió a una revisión constante. La reflexión sobre los sesgos
potenciales y la consideración de posibles limitaciones proporcionaron una capa adicional
de rigor. El diálogo continuo con expertos en inteligencia artificial y la participación en
foros académicos permitieron validar y enriquecer las perspectivas adoptadas.

Se trata de un estudio que utiliza un enfoque de investigación mixta para obtener una
comprensión completa. Este tipo de investigación combina elementos tanto cuantitativos
como cualitativos para abordar de manera más efectiva la complejidad del tema. Por tal
motivo se realizó una búsqueda en diferentes bases de datos de la cuales son: Scopus,
ProQuest y Scielo. Las palabras claves utilizadas fueron “La Inteligencia Artificial” “En la
Sociedad”; además como criterios de inclusión se consideraron artículos originales,
artículos de texto completo y en idioma español e inglés publicadas como máximo 5 años
de antigüedad. Cabe resaltar que se seleccionaron artículos cuyos resultados estuvieran
directamente relacionados a la Inteligencia Artificial en la Sociedad en Latinoamérica y el
Perú. Por otra parte, los criterios de exclusión fueron artículos que no cumplieran con los
criterios de información, que eran periodísticos, documentos de trabajo y que pertenecían
a otras fuentes. Para el análisis de los datos se realizó una lectura exhaustiva y se ordenó la
información de mayor a menor importancia para el presente artículo.
Figura 1

Diagrama de flujo del estudio. Proceso de selección de los artículos académicos

Luego de exponer toda la información relevante sobre cómo se han buscado y seleccionado
los artículos, es necesario explicar qué aspectos o partes de los artículos se han analizado.
Luego de ello, debe explicarse cómo se realizó el análisis.

3 Resultados

Con el fin de lograr los objetivos de la investigación, se estructuró la documentación en

núcleos temáticos, facilitando así la evaluación del estado de la información relacionada
con el estrés académico en estudiantes universitarios. Después de revisar los artículos, se
generaron matrices con diversos propósitos, principalmente para analizar los diferentes
temas y subtemas abordados por los distintos investigadores. Posteriormente, se llevó a
cabo un análisis temático en el cual se agruparon los documentos por categorías
emergentes, permitiendo la identificación del panorama de las investigaciones sobre el
tema de interés. Este análisis temático posibilita el reconocimiento de los temas y
conceptos clave, aquellos que son recurrentes o más relevantes según la pregunta de
revisión. Además, proporciona un método para organizar y resumir los resultados de
conjuntos extensos y diversos de investigaciones, centrándose en las principales ideas y
conclusiones entre los estudios y reflejándose de manera directa (Popay et al., 2006).

Tabla 1. Modelo de análisis propuesto

Propuestas sobre el estudio de Nucleo tematico Categoria emergente

la inteligencia artificial

La aplicación de la Uso de la IA en la medicina

inteligencia artificial (IA)
en la medicina ha Aplicaciones médicas
transformado
significativamente la
práctica clínica, destacando
su capacidad para mejorar
diagnósticos y optimizar
tratamientos. Un estudio
pionero realizado por
Esteva y colaboradores
(2017) demostró que
algoritmos de aprendizaje
profundo pueden lograr
una clasificación de cáncer
de piel a nivel de
dermatólogos, resaltando el
potencial de la IA para
ofrecer diagnósticos
precisos y rápidos.

La integración de la Atención primaria y áreas

inteligencia artificial (IA) específicas como cardiología
en la atención primaria y
áreas especializadas como la
cardiología ha marcado un
avance significativo en la
práctica médica. En este
contexto, el estudio seminal
de Choi y colaboradores
(2016) destaca la aplicación
de algoritmos de IA para
predecir eventos clínicos,
proporcionando
herramientas valiosas para
la toma de decisiones en
atención primaria y
mejorando la gestión de
enfermedades crónicas,
incluyendo condiciones
cardíacas.

La aplicación de la Reproducción asistida

inteligencia artificial (IA)
ha transcendido en el
campo de la reproducción
asistida, ofreciendo avances
significativos en la mejora
de las tasas de éxito y la
personalización de
tratamientos.
Investigaciones como la
llevada a cabo por Litjens y
colaboradores (2017)
resaltan el impacto positivo
de los algoritmos de
aprendizaje profundo en la
interpretación de imágenes
médicas, siendo
particularmente valiosos en
la evaluación de imágenes
relacionadas con la
reproducción asistida,
como ecografías y análisis
de laboratorio.
La integración de la Consideraciones éticas en el Etica y creatividad
inteligencia artificial (IA) uso de la IA
plantea consideraciones
éticas fundamentales que
deben abordarse
cuidadosamente. El trabajo
de Mittelstadt y
colaboradores (2016)
destaca la necesidad crítica
de establecer principios
éticos sólidos para guiar el
desarrollo y la
implementación de la IA.
Se enfocan en cuestiones
como la equidad, la
transparencia y la
responsabilidad,
subrayando la importancia
de mitigar sesgos
inherentes en los conjuntos
de datos y garantizar
decisiones justas y
equitativas.

La autonomía y creatividad Autonomía y creatividad

de la inteligencia artificial
(IA) plantean cuestiones
fascinantes en el ámbito
ético. El estudio de
Elgammal y colaboradores
(2017) destaca la capacidad
de la IA para generar
contenido artístico original
mediante Creative
Adversarial Networks
(CAN). Este enfoque
desafía las nociones
tradicionales de creatividad
y autoría al permitir que
algoritmos desarrollen
estilos únicos y desvíen las
normas convencionales.

La integración de la IA en el
La integración de la campo de la comunicación
inteligencia artificial (IA) Integración en diferentes
en el campo de la campos
comunicación ha
redefinido la forma en que
nos conectamos y
compartimos información.
La investigación de Laranjo
y colaboradores (2018)
destaca cómo los asistentes
virtuales basados en IA
están transformando la
interacción en el ámbito de
la atención médica. Estos
asistentes mejoran la
comunicación
paciente-médico,
ofreciendo respuestas
precisas y personalizadas, lo
que potencialmente mejora
la experiencia del paciente.

La cuestión de la propiedad La propiedad intelectual

intelectual en el ámbito de
la inteligencia artificial
(IA), especialmente en la
comunicación, plantea
desafíos significativos y
genera reflexiones éticas. Si
bien la IA contribuye a la
generación de contenido
creativo, el trabajo de
Elgammal y colaboradores
(2017) destaca cómo los
algoritmos pueden crear
arte original mediante
Creative Adversarial
Networks (CAN). Este
enfoque plantea preguntas
intrigantes sobre la autoría
y la propiedad intelectual
en el contexto de obras
generadas por máquinas.

La calidad de escritura y el La calidad de escritura y el

análisis de datos análisis de datos
impulsados por inteligencia
artificial (IA) están
remodelando la
comunicación en diversos
sectores. La investigación
de Siemens y Gasevic
(2012) destaca cómo la
analítica del aprendizaje,
un componente clave de la
IA, puede mejorar la
calidad de escritura y
personalizar la enseñanza
en el ámbito educativo.
Estas herramientas ofrecen
análisis detallados de datos
escritos, permitiendo una
comprensión más profunda
de las habilidades de
redacción de los estudiantes
y proporcionando
retroalimentación precisa
para su mejora.

Las reflexiones sobre la Reflexiones sobre la Desarrollo de algoritmos y

responsabilidad en el responsabilidad del desarrollo software
desarrollo de software o de software o sistema de IA
sistemas de inteligencia
artificial (IA) son esenciales
para abordar desafíos éticos
y garantizar un uso ético de
esta tecnología. La obra de
Jobin y colaboradores
(2019) destaca la
importancia de considerar
las implicaciones éticas y
sociales al desarrollar
sistemas de IA. Se centran
en la necesidad de
establecer directrices claras
para garantizar que los
algoritmos sean
equitativos, transparentes y
responsables.

La detección de defectos en Detección de defectos en

algoritmos es una tarea algoritmos
crucial en el desarrollo de
software de inteligencia
artificial (IA) para
garantizar su fiabilidad y
precisión. La investigación
de Li y colaboradores
(2017) destaca la
importancia de enfoques
efectivos para la detección
de defectos en algoritmos
de IA, especialmente en
aplicaciones críticas como
la gestión de la
construcción.
 Figura 1. Proceso de agrupación de núcleos temáticos .

Una vez identificados los núcleos temáticos, las categorías emergentes y la red de relacionamiento
entre ellas, el proceso a seguir fue identificar los aportes más relevantes que hacen los autores sobre
la inteligencia artificial y las líneas de estudio actuales.

Aplicaciones médicas
La inteligencia artificial (IA) ha emergido como un catalizador transformador en el ámbito
médico, ofreciendo innovadoras aplicaciones que mejoran la precisión diagnóstica,
optimizan tratamientos y revolucionan la atención al paciente.

En el diagnóstico médico, algoritmos de aprendizaje profundo han demostrado

rendimientos comparables a dermatólogos en la clasificación de cáncer de piel (Esteva et
al., 2017). Además, la radiología asistida por IA ha avanzado significativamente, con
estudios como el de Litjens et al. (2017) destacando la eficacia de las redes neuronales en el
análisis de imágenes médicas.
La capacidad predictiva de la IA también se ha destacado, con modelos de redes neuronales
recurrentes que pueden prever eventos clínicos (Choi et al., 2016). En la optimización de
tratamientos, la aplicación de la IA ha revelado consecuencias positivas, aunque también se
deben abordar posibles desafíos éticos y prácticos (Cabitza et al., 2017).

Asistentes virtuales en atención al paciente, como los revisados por Laranjo et al. (2018),
ofrecen un enfoque innovador para mejorar la comunicación y la experiencia del paciente.
Además, la IA ha desempeñado un papel fundamental en el análisis de datos genómicos,
acelerando el descubrimiento en la medicina personalizada (Mamoshina et al., 2018).

Ética y creatividad

La intersección entre ética y creatividad en la inteligencia artificial (IA) plantea desafíos

fundamentales y ofrece oportunidades fascinantes. En términos éticos, la creación y
aplicación de algoritmos de IA requieren una cuidadosa consideración de cuestiones como
la equidad, la transparencia y la responsabilidad.

La ética en la IA se ha convertido en un tema central de discusión, destacando la

importancia de abordar sesgos inherentes en los conjuntos de datos y garantizar decisiones
justas y equitativas. Trabajos como el de Mittelstadt et al. (2016) subrayan la necesidad de
establecer principios éticos sólidos para guiar el desarrollo y la implementación de la IA.

Por otro lado, la creatividad en la IA plantea preguntas sobre la autonomía y la

originalidad de las máquinas. Autores como Elgammal et al. (2017) exploran cómo la IA
puede generar contenido artístico original, desafiando las nociones tradicionales de
creatividad y autoría.

El encuentro entre ética y creatividad en la IA también destaca la importancia de

involucrar a expertos multidisciplinarios y la sociedad en la toma de decisiones. La obra de
Jobin et al. (2019) destaca la necesidad de un diálogo inclusivo para abordar cuestiones
éticas emergentes en la IA.
Integración en diferentes campos

La integración de la inteligencia artificial (IA) en diversos campos ha generado avances

significativos, transformando la forma en que abordamos problemas y mejoramos procesos
en diferentes disciplinas. Desde la medicina hasta la ingeniería, la IA ha demostrado su
versatilidad y capacidad para aportar soluciones innovadoras.

En medicina, la aplicación de algoritmos de aprendizaje profundo ha revolucionado el

diagnóstico médico y la predicción de enfermedades (Esteva et al., 2017; Choi et al., 2016).
En ingeniería, la IA ha sido fundamental para optimizar procesos, mejorar la eficiencia de
la producción y prevenir fallos en sistemas complejos (Li et al., 2017).

En el ámbito financiero, la IA se utiliza para el análisis de datos y la predicción de

tendencias, mejorando la toma de decisiones en inversiones (Zhang et al., 2019). Además,
en la educación, la IA ha facilitado la personalización del aprendizaje, adaptando el
contenido según las necesidades individuales de los estudiantes (Siemens & Gasevic, 2012).

La intersección de la IA con la robótica también ha llevado a avances notables en la

automatización de tareas complejas, como la cirugía asistida por robots (Marescaux et al.,
2018).

Desarrollo de algoritmos y software

El desarrollo de algoritmos y software para la inteligencia artificial (IA) es un campo

dinámico que ha experimentado avances notables, impulsando la capacidad de las
máquinas para aprender y realizar tareas complejas. La evolución de estos algoritmos ha
sido fundamental para aprovechar el poder de la IA en diversos contextos.

El enfoque de aprendizaje profundo, representado por las redes neuronales, ha sido clave
en el desarrollo de algoritmos capaces de entender patrones complejos y realizar tareas
sofisticadas, desde reconocimiento de imágenes hasta procesamiento de lenguaje natural
(Goodfellow et al., 2016).

En el ámbito de software, plataformas como TensorFlow y PyTorch han facilitado el

desarrollo y la implementación de modelos de IA, brindando a los investigadores y
desarrolladores herramientas robustas para la creación y entrenamiento eficiente de
algoritmos (Abadi et al., 2016; Paszke et al., 2019).

La convergencia de la IA con técnicas de programación probabilística también ha influido

en el desarrollo de algoritmos más flexibles y adaptables, permitiendo a los sistemas
aprender de datos en constante cambio (Ghahramani, 2015).

Resultados descriptivos

Luego de analizar el listado de artículos encontrados se puede observar:

El sector de la inteligencia artificial (IA) está actualmente valuado en cerca de 100 mil
millones de dólares estadounidenses y se proyecta experimentar un crecimiento
significativo, alcanzando aproximadamente 2 billones de dólares estadounidenses para el
año 2030, multiplicándose por veinte en ese período
Se observó de un estudio realizado donde se encuestaron a 23 248 personas de distintos
países (IPSOS ,2023) con respecto a la IA,se pudo observar que en el contexto peruano, el
84% de los participantes de la encuesta considera fundamental que los profesores reciban
formación para integrar la inteligencia artificial en sus enfoques pedagógicos. Sudáfrica
sigue de cerca con un sólido 80%, mientras que México y Chile muestran cifras de un 79%
y un 78%, respectivamente. Argentina también presenta un porcentaje significativo, con
un 72% de los encuestados que destaca la importancia de la capacitación de los educadores
en este campo.

Tabla 1 Analisis de articulos

Autores Título del artículo Año Revista Base de datos donde se

encontró el artículo
Marcelino Garcia Sobre la autonomía,la 2022 Artes tecnológicas Scopus
Sedano creatividad y las contemporáneas:tens
 consideraciones éticas iones metodológicas
de la inteligencia e historiográficas en
artificial en el arte las fronteras del
contemporáneo canon

Verdu F. J. M. Análisis comparado de 2022 Revista Latina de Scopus

Anton R. R. la calidad de crónicas Comunicación
Rubio L. M. C. deportivas elaboradas Social
por inteligencia
artificial y periodistas.
Mayer M. A. Inteligencia artificial en 2022 Atención Primaria Scopus
atención primaria :un
escenario de
oportunidades y
desafíos.

Eguia H. Inteligencia artificial 2023 Medicina De Familia Proquest

Garcia J. F. S. chat GPT y atención Semergen
primaria

Grau G. I. Software y algoritmos 2023 IDP Proquest

defectuosos:Algunas
consideraciones sobre
la responsabilidad del
desarrollador de
software o de sistemas
de inteligencia artificial.

Chamorro M. R. La inteligencia artificial 2023 Medicina De Familia Proquest

Gamero A. M. y la realidad inmersiva Semergen
en la asistencia
sanitaria.
Asensio Sanchez Integrando la 2023 Archivos de la Proquest
V. inteligencia artificial y Sociedad Española
los nuevos modelos de de Oftalmología
lengua en oftalmología
:Complicaciones del
uso del aceite de
silicona en cirugías
vítreo-retiniana.

Estupiñan Ricardo Inteligencia Artificial y 2021 Universidad y Proquest

J. propiedad intelectual. Sociedad
Leyva Vazquez M.
Y.
Peñafiel Palacios
A. J.
El Assafiri Ojeda
Y.
Paula Martin Aplicación de la 2022 Medicina Science
Climent inteligencia artificial en Reproductiva y
Juan M. el laboratorio de Embriología Clínica
Moreno Garcia reproducción asistida.
Javier Mora Proyecciones de la 2022 Revista Médica Science
ciencia de datos en la Clínica Las Condes
cirugía cardiaca
Filip Loncaric La inteligencia 2020 Revista Española de Science
Oscar Camara Artificial en el abordaje Cardiologia
Bart Bijnens clínico del paciente :
Enfoque en la imagen
cardiaca
Kroll S. Ritmo e inteligencia 2023 Anuario lope de Scopus
Sanza Lazaro F. artificial:Nuevas Vega
perspectivas sobre
teatro lopesco desde las
humanidades digitales.
Garces Giraldo Uso de la inteligencia 2022 Revista Ibérica De Scopus
L.F. artificial en gestión de Sistemas e
Benjumea Arias la información:Una Tecnologias de
M. revista bibliométrica informacion
Cardona Acevedo
S.
Bermeo Giraldo C.
Valencia Arias A.
Patiño Vanegas C.
Garcia R.B.

J.Gomez Rivas Inteligencia Artificial y 2021 Actas Urológicas Science

C. Toribio Vazquez simulación en urología Españolas
D. Veneziano
Garces Giraldo Uso de la inteligencia 2022 Revista Ibérica De Scopus
L.F. artificial en gestión de Sistemas e
Benjumea Arias la información:Una Tecnologias de
M. revista bibliométrica informacion
Cardona Acevedo
S.
Bermeo Giraldo C.
Valencia Arias A.
Patiño Vanegas C.
Garcia R.B.

Vicente Yague Jara Escritura ,creatividad e 2023 Comunicar Scopus

Lopez Martinez O. inteligencia
Navarro Navarro V artificial.CharGPT en el
Cuellar Santiago F. contexto universitario
5 Conclusiones

En conclusión este artículo a demostrado mediante resultados de análisis de diferentes

fuentes de información que la Inteligencia Artificial ha tenido un impacto positivo y
significativo en la sociedad, en la cual se pudo observar que durante los últimos años ha
crecido de manera exponencial, estos resultados demuestran la estrecha relación que existe
entre la actividad humana y la inteligencia artificial que es una tecnología con un
potencial transformador para la sociedad. Tiene el poder de mejorar nuestra salud, nuestra
calidad de vida y nuestra capacidad para resolver problemas complejos. Sin embargo,
también plantea desafíos éticos y de equidad que deben abordarse cuidadosamente.

La IA ha demostrado su amplia aplicabilidad en diversos campos, desde la medicina hasta

la comunicación y la ingeniería, revelando su versatilidad y capacidad transformadora.En
el ámbito médico, la IA ha revolucionado los diagnósticos y la predicción de enfermedades,
evidenciando su potencial para mejorar la atención médica y la precisión en la detección de
patologías. Además, el desarrollo continuo de algoritmos y software, respaldado por
plataformas como TensorFlow y PyTorch, ha facilitado la implementación de modelos de
IA, mientras que la programación probabilística ha contribuido a la adaptabilidad y
flexibilidad de estos sistemas.

No obstante, junto con los avances tecnológicos, surgen consideraciones éticas cruciales. La
ética en la IA, especialmente en términos de sesgos algorítmicos y la autoría de la
creatividad generada por algoritmos, se ha convertido en una preocupación fundamental.

La integración de la IA en campos como la educación, la comunicación, la atención médica

y la ingeniería ha generado un impacto significativo en la sociedad y la industria. En
entornos educativos y empresariales, la IA ha mejorado la calidad de escritura y ha
permitido un análisis de datos más detallado, impulsando la personalización y la eficiencia
comunicativa.

La responsabilidad en el desarrollo de software de IA es esencial para garantizar la equidad,

la transparencia y la seguridad. Establecer directrices éticas sólidas es crucial para abordar
posibles riesgos y preocupaciones asociadas.
En el ámbito de la detección de defectos en algoritmos, se destaca la importancia de
abordar proactivamente problemas potenciales para mejorar la fiabilidad y robustez de los
sistemas de IA, especialmente en aplicaciones críticas como la gestión de la construcción.

A nivel global, la adopción de la IA es evidente, con un valor de mercado que muestra un

crecimiento notable. Las proyecciones indican un aumento sustancial en el valor del
mercado para 2030, subrayando la relevancia continua de la IA en diversos sectores.

Referencias

Gómez Rivas, J., Toribio Vázquez, C., Ballesteros Ruiz, C., Taratkin, M., Marenco, J. L.,

Cacciamani, G. E., Checcucci, E., Okhunov, Z., Enikeev, D., Esperto, F., Grossmann, R.,

Somani, B., & Veneziano, D. (2021). Inteligencia artificial y simulación en urología. Actas

urologicas espanolas, 45(8), 524–529. https://doi.org/10.1016/j.acuro.2020.10.012

Loncaric, F., Camara, O., Piella, G., & Bijnens, B. (2021). La integración de la inteligencia

artificial en el abordaje clínico del paciente: enfoque en la imagen cardiaca. Revista

espanola de cardiologia, 74(1), 72–80. https://doi.org/10.1016/j.recesp.2020.07.012

Martín-Climent, P., & Moreno-García, J. M. (2022). Aplicación de la inteligencia artificial en el

laboratorio de reproducción asistida. Trabajo de revisión. Medicina reproductiva y

embriología clínica, 9(3), 100119. https://doi.org/10.1016/j.medre.2022.100119

Mora, J. (2022). Proyecciones de la ciencia de datos en la cirugía cardíaca. Revista médica Clínica

Las Condes, 33(3), 294–306. https://doi.org/10.1016/j.rmclc.2022.05.007

Sedano, M. G. (2022b). Sobre la autonomía, la creatividad y las consideraciones éticas de la

inteligencia artificial en el arte contemporáneo. H-ART, revista de historia, teoría y crítica

de arte, 12, 71-96. https://doi.org/10.25025/hart12.2022.04

De-Vicente-Yagüe-Jara, M., Martínez, O. L., Navarro-Navarro, V., & Cuéllar-Santiago, F. (2023).

 Writing, Creativity, and Artificial Intelligence. ChatGPT in the university context.

Comunicar, 31(77). https://doi.org/10.3916/c77-2023-04

Kroll, S., & Sanz-Lázaro, F. (2023). Ritmo e inteligencia artificial: nuevas perspectivas sobre

Teatro Lopesco desde las humanidades digitales. Anuario Lope de Vega, 29, 351-375.

https://doi.org/10.5565/rev/anuariolopedevega.491

Siemens, G., & Leal Fonseca, D. E. (s/f). Conectivismo: Una teoría de aprendizaje para la era digital.

Ihmc.us. Recuperado el 16 de noviembre de 2023, de

https://skat.ihmc.us/rid=1J134XMRS-1ZNMYT4-13CN/George%20Siemens%20-%2

0Conectivismo-una%20teor%C3%ADa%20de%20aprendizaje%20para%20la%20era

%20digital.pdf

Alandete, D. (2011). John McCarthy, el arranque de la inteligencia artificial. El País.

https://elpais.com/diario/2011/10/27/necrologicas/1319666402_850215.html

Russell, S., & Norvig, P. Inteligencia Artificial un enfoque moderno. [Traducido al español por Juan

Manuel Corchado Rodríguez]. 2ª ed. Madrid, España: Pearson Prentice Hall.

 Verdú, F. J. M., Antón, R. R., & Rubio, L. M. C. (2022). Análisis comparado de la calidad de

crónicas deportivas elaboradas por inteligencia artificial y periodistas. Revista latina de

comunicación social, 80, 91-111. https://doi.org/10.4185/rlcs-2022-1553

Mayer, M. Á. (2023b). Inteligencia artificial en atención primaria: un escenario de oportunidades

y desafíos. Atención Primaria, 55(11), 102744. https://doi.org/10.1016/j.aprim.2023.102744

Eguia, H., & García, J. F. S. (2023b). Inteligencia artificial, ChatGPT y atención primaria.

Medicina de Familia. SEMERGEN, 49(7),

102069. https://doi.org/10.1016/j.semerg.2023.102069

Grau, G. I. (2023b). Software y algoritmos defectuosos: Algunas consideraciones sobre la

responsabilidad del desarrollador de software o de sistemas de inteligencia artificial. IDP,

0(38). https://doi.org/10.7238/idp.v0i38.406131

Chamorro, M. R., & Gamero, A. M. (2023b). La inteligencia artificial y la realidad inmersiva en

la asistencia sanitaria. Medicina de Familia. SEMERGEN, 49(6), 101985.

https://doi.org/10.1016/j.semerg.2023.101985

Asensio-Sánchez, V. (2023b). Integrando la inteligencia artificial y los nuevos modelos de lenguaje

En oftalmología: Complicaciones del uso del aceite de silicona en cirugía vítreo-retiniana.

Archivos de la Sociedad Española de Oftalmología, 98(8), 486-487.

https://doi.org/10.1016/j.oftal.2023.05.003

Ricardo, J. E. (2021, 1 diciembre). Inteligencia artificial y propiedad intelectual.

https://rus.ucf.edu.cu/index.php/rus/article/view/2490

​ Esteva, A., et al. (2017). Dermatologist-level classification of skin cancer with deep neural networks.

Nature, 542(7639), 115-118.

​
 ​ Litjens, G., et al. (2017). A survey on deep learning in medical image analysis. Medical Image

Analysis, 42, 60-88.

​ Choi, E., et al. (2016). Doctor AI: Predicting Clinical Events via Recurrent Neural Networks. Journal

of Healthcare Informatics Research, 2(4), 235-253.

​ Cabitza, F., Rasoini, R., & Gensini, G. F. (2017). Unintended Consequences of Machine Learning in

Medicine. JAMA, 318(6), 517–518.

​ Laranjo, L., et al. (2018). Conversational agents in healthcare: a systematic review. Journal of the

American Medical Informatics Association, 25(10), 1248-1258.

​ Mamoshina, P., et al. (2018). Applications of deep learning in biomedicine. Molecular Pharmaceutics,

13(5), 1445-1454.

​ Mittelstadt, B. D., et al. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society,

3(2), 2053951716679679.

​ Elgammal, A., et al. (2017). CAN: Creative Adversarial Networks, Generating" Art" by Learning

About Styles and Deviating from Style Norms. arXiv preprint arXiv:1706.07068.

​ Jobin, A., et al. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9),

389-399.

​ Esteva, A., et al. (2017). Dermatologist-level classification of skin cancer with deep neural networks.

Nature, 542(7639), 115-118.

​ Choi, E., et al. (2016). Doctor AI: Predicting Clinical Events via Recurrent Neural Networks. Journal

of Healthcare Informatics Research, 2(4), 235-253.

​
​ Li, Y., et al. (2017). Application of artificial intelligence in construction management: A

comprehensive review. Journal of Management in Engineering, 33(1), 04016017.

​ Zhang, Y., et al. (2019). Applications of artificial intelligence in intelligent manufacturing: A review.

Frontiers of Information Technology & Electronic Engineering, 20(1), 86-102.

​ Siemens, G., & Gasevic, D. (2012). Learning analytics: Unpacking the influence of success and the

technologies developed in the field of Technology-Enhanced Learning. Technology Enhanced

Learning, 7(1), 1-10.

​ Marescaux, J., et al. (2018). Robotic-assisted single port right colectomy: initial clinical results.

International Journal of Colorectal Disease, 33(5), 569-570.

​ Goodfellow, I., et al. (2016). Deep Learning. MIT Press.

​ Abadi, M., et al. (2016). TensorFlow: A system for large-scale machine learning. In Proceedings of the

12th USENIX Symposium on Operating Systems Design and Implementation (OSDI 16) (pp. 265-283).

​ Paszke, A., et al. (2019). PyTorch: An Imperative Style, High-Performance Deep Learning Library. In

Advances in Neural Information Processing Systems (NeurIPS 2019) (pp. 8024-8035).

​ Ghahramani, Z. (2015). Probabilistic machine learning and artificial intelligence. Nature, 521(7553),

452-459.