Temario

En este curso recorreremos los fundamentos de la Inteligencia Artificial contemporánea, combinando una introducción conceptual al funcionamiento de los sistemas de IA con una mirada crítica sobre sus alcances, límites y consecuencias.

No se requieren conocimientos técnicos previos. El curso está pensado para un público general y para estudiantes y profesionales de humanidades y ciencias sociales que quieran comprender, con rigor y sin tecnicismos innecesarios, qué es la IA, cómo llegamos hasta acá, qué puede y qué no puede hacer, y qué preguntas abre para pensar el conocimiento, la sociedad y la acción humana.

Se articularán una introducción histórico-conceptual, una explicación accesible del funcionamiento de los modelos actuales (aprendizaje automático, redes neuronales, modelos de lenguaje), y una reflexión filosófica y crítica sobre la opacidad de estos sistemas, sus sesgos, sus usos y su impacto social.

Dirección

Gina Said
Licenciada en psicología por la Universidad de Buenos Aires. Psicoanalista. Docente de Teoría y técnica de grupos en UCES, adjunta en AMBA y titular de cátedra en educación. Psicodramatista formada en la escuela de Eduardo “Tato” Pavlovsky. Coordinadora de grupos terapéuticos y talleres clínicos. Profesora de teatro recibida en Andamio 90. Actriz, directora y dramaturga. Miembro del Capítulo Clínica del Objeto en la Asociación Argentina de Salud Mental.

Docente

Franco Calcagno
Licenciado en Filosofía por la Universidad de Buenos Aires. Integra el Grupo de Evaluación de Modelos de Lenguaje (SADAF), el Buenos Aires Group of Metaphysics of Science y el grupo de Filosofía de la Física y de la Química de Buenos Aires. Fundador de Urania Research (RAG) y capacitador en uso académico de la IA; ha participado en congresos nacionales e internacionales y ha traducido artículos científicos para distintas instituciones. Su área de investigación es la epistemología de los modelos de lenguaje / machine learning.

Modalidad Asincrónica

Clases de lectura en PDF y videos.

Las clases serán publicadas en el Campus Virtual del Curso (Internet). Cada alumno tendrá un nombre de usuario y contraseña con los cuales podrá acceder al campus.

TRABAJO FINAL: los participantes deberán realizar un trabajo de articulación de los contenidos del curso con su práctica profesional. La consigna se detallara en el campus la última semana del curso y tendrán un mes de plazo para la entrega de los mismos.

Desarrollo detallado del programa

Objetivos

• Introducir los conceptos fundamentales de la Inteligencia Artificial sin presuponer formación técnica
• Reconstruir las grandes etapas de la historia de la IA y los paradigmas que la organizan
• Comprender, a grandes rasgos, cómo funcionan el aprendizaje automático, las redes neuronales y los modelos de lenguaje actuales
• Distinguir mitos y expectativas infundadas de las capacidades reales de estos sistemas
• Reflexionar críticamente sobre la opacidad, los sesgos y las implicancias éticas y sociales de la IA
• Brindar herramientas conceptuales para pensar el lugar de la IA en la vida cotidiana, el trabajo y la sociedad

Contenidos

Clase 1. ¿Qué es la Inteligencia Artificial?

1. Qué entendemos hoy por “Inteligencia Artificial” y qué no
2. ¿Pueden pensar las máquinas? La pregunta de Turing y sus reformulaciones
3. Inteligencia, comprensión e imitación: distinciones conceptuales básicas
4. Mitos, expectativas y el problema de la antropomorfización

Clase 2. Historia de la IA: de ELIZA a hoy

1. ELIZA (1966) y el “efecto ELIZA”: por qué atribuimos comprensión a un programa que conversa
2. De la IA simbólica a los sistemas expertos: reglas, promesas incumplidas e “inviernos” de la IA
3. Deep Blue (1997) y el giro estadístico: de programar reglas a aprender de los datos
4. La revolución del aprendizaje profundo: reconocimiento de imágenes, AlphaGo y el regreso de las redes neuronales
5. De los transformers a ChatGPT: la llegada de la IA generativa al gran público
6. El presente: modelos multimodales, agentes y la vuelta de la pregunta por la comprensión

Clase 3. Cómo aprenden las máquinas

1. Qué es el aprendizaje automático (machine learning)
2. Aprender de ejemplos: datos, entrenamiento y generalización
3. Tipos de aprendizaje: supervisado, no supervisado y por refuerzo
4. Redes neuronales: intuición sin matemática avanzada

Clase 4. Los modelos de lenguaje

1. Los modelos de lenguaje (LLMs): cómo se entrenan y qué hacen realmente
2. Predecir la próxima palabra: qué significa y qué no implica
3. Del modelo al asistente conversacional: ajuste fino e instrucciones
4. Capacidades y límites: lo que estos sistemas pueden y no pueden hacer (errores y “alucinaciones”)

Clase 5. La caja negra: lo que la IA no puede explicar de sí misma

1. El problema de la opacidad: por qué ni sus propios creadores saben del todo cómo “decide” un modelo
2. ¿Qué significa “explicar” algo? El límite entre predecir bien y comprender
3. Intentos de abrir la caja negra: la IA explicable y sus límites
4. Confiar en lo que no entendemos: opacidad y decisiones que nos afectan

Clase 6. Sesgos y datos

1. Sesgos: cómo una máquina “aprende” prejuicios sin proponérselo
2. Qué dicen los sesgos de los datos con los que se formó un modelo
3. Algoritmos que deciden: casos en la justicia, el empleo, el crédito y la salud
4. La dimensión material de la IA: datos, trabajo humano y recursos

Clase 7. IA, sociedad y cultura

1. Impacto en el trabajo, la educación y la vida cotidiana
2. Datos personales, vigilancia y economía de la atención
3. Desinformación y manipulación en la era de la IA generativa
4. Autoría y creatividad: ¿quién crea cuando crea una máquina?

Clase 8. Ética, regulación y futuro

1. Ética y regulación: riesgos, responsabilidad y gobernanza de la IA
2. Panorama de futuro: ¿hacia dónde va la IA y qué preguntas quedan abiertas?
3. Recapitulación integradora del curso
4. Orientaciones para el trabajo final

Cronograma

• Clase 1: 07/01/2027
• Clase 2: 14/01/2027
• Clase 3: 21/01/2027
• Clase 4: 28/01/2027
• Clase 5: 04/02/2027
• Clase 6: 11/02/2027
• Clase 7: 18/02/2027
• Clase 8: 25/02/2027

AVISO: El campus y material del curso estará disponible hasta la finalización del mismo

Bibliografía sugerida

(no se publica en el campus)

Clase 1. ¿Qué es la Inteligencia Artificial?

• López de Mántaras, R. y Meseguer, P. (2017). Inteligencia artificial (colección ¿Qué sabemos de?). Madrid: CSIC / Los Libros de la Catarata.
• Bostrom, N. (2016). Superinteligencia: caminos, peligros, estrategias (M. Alonso, Trad.). Zaragoza: Teell Editorial. (Trabajo original publicado en 2014). Capítulo 1.

Clase 2. Historia de la IA: de ELIZA a hoy

• Robisco, S. (2024). Historia de la Inteligencia Artificial. Córdoba: Guadalmazán.
• López de Mántaras, R. y Meseguer, P. (2017). Inteligencia artificial (colección ¿Qué sabemos de?). Madrid: CSIC / Los Libros de la Catarata.

Clase 3. Cómo aprenden las máquinas

• López de Mántaras, R. y Meseguer, P. (2017). Inteligencia artificial (colección ¿Qué sabemos de?). Madrid: CSIC / Los Libros de la Catarata. Capítulos sobre aprendizaje automático y redes neuronales.
• Robisco, S. (2024). Historia de la Inteligencia Artificial. Córdoba: Guadalmazán. Capítulos sobre aprendizaje profundo.

Clase 4. Los modelos de lenguaje

• Sánchez-Migallón Jiménez, S. (2021). En la mente de GPT-3. Ciencia Cognitiva. Disponible en: https://www.cienciacognitiva.org/?p=2159

Clase 5. La caja negra: lo que la IA no puede explicar de sí misma

• Sánchez-Migallón Jiménez, S. (2021). En la mente de GPT-3. Ciencia Cognitiva. Disponible en: https://www.cienciacognitiva.org/?p=2159
• O'Neil, C. (2018). Armas de destrucción matemática (A. Pérez de Villar, Trad.). Madrid: Capitán Swing. (Trabajo original publicado en 2016).

Clase 6. Sesgos y datos

• O'Neil, C. (2018). Armas de destrucción matemática (A. Pérez de Villar, Trad.). Madrid: Capitán Swing. (Trabajo original publicado en 2016).
• Crawford, K. (2023). Atlas de IA: poder, política y costes planetarios de la inteligencia artificial (F. Díaz Klaassen, Trad.). Barcelona: Ned Ediciones. (Trabajo original publicado en 2021).

Clase 7. IA, sociedad y cultura

• Peirano, M. (2019). El enemigo conoce el sistema: manipulación de ideas, personas e influencias después de la economía de la atención. Barcelona: Debate.
• Zuboff, S. (2020). La era del capitalismo de la vigilancia: la lucha por un futuro humano frente a las nuevas fronteras del poder (A. Santos Mosquera, Trad.). Barcelona: Paidós. (Trabajo original publicado en 2019). Introducción y capítulo 1.

Clase 8. Ética, regulación y futuro

• Degli-Esposti, S. La ética de la inteligencia artificial (colección ¿Qué sabemos de?). Madrid: CSIC / Los Libros de la Catarata.
• Crawford, K. (2023). Atlas de IA: poder, política y costes planetarios de la inteligencia artificial (F. Díaz Klaassen, Trad.). Barcelona: Ned Ediciones. (Trabajo original publicado en 2021).

AVISO: Las clases de video se visualizarán en el campus, no pudiendo descargarse. Una vez finalizado el curso ya no podrá accederse al campus.

IMPORTANTE: LOS PAGOS REALIZADOS FUERA DEL HORARIO DE ATENCIÓN (13 A 17 HS) NO SE ACREDITAN AUTOMATICAMENTE. SI ESTÁ POR INICIAR UN CURSO REALICE EL PAGO CON 24/48 HS DE ANTICIPACIÓN.

Se otorgan certificados digitales de aprobación (con QR) (certificados digitales)

Se otorgan certificados oficiales válidos en todo el país y el exterior. Otorgan puntaje para recertificación del título de psiquiatra y para acreditar horas de capacitación para tramitar la especialización en psicología clínica.

Aranceles

Los aranceles en pesos argentinos podrán sufrir actualizaciones de acuerdo a la marcha de la economía en nuestro país. De todos modos, la actualización nunca superará los índices inflacionarios. Los aranceles en dólares se mantendrán inamovibles durante todo el año.