Lección 1 de 12 · Lectura y práctica
IA, Machine Learning y Deep Learning
Desmitificando la inteligencia artificial La IA está en todas partes, pero hay mucha confusión sobre qué es realmente. En esta lección vas a entender de una vez por todas la diferencia entre tres términos que casi siempre se.
Del concepto a la práctica
Taller de esta lección
La diferencia se entiende mejor separando reglas, aprendizaje y profundidad. Un sistema de reglas responde según condiciones escritas; el aprendizaje automático ajusta un modelo a ejemplos; el aprendizaje profundo usa muchas capas para detectar representaciones complejas. Todos pueden formar parte de una solución de IA, pero no significan lo mismo.
Ejemplo resuelto
Una biblioteca etiqueta una consulta como «horario» si contiene la palabra «abre». Eso es una regla fija. Si aprende de 200 consultas etiquetadas para predecir «horario», «préstamo» o «reclamación», es aprendizaje automático. Si además procesa texto mediante varias capas para captar relaciones entre palabras, hablamos de aprendizaje profundo. La etiqueta final sigue siendo una predicción, no una certeza.
Pruébalo
Escribe tres entradas ficticias y decide si una regla basta.
Indica qué ejemplos necesitaría un modelo para aprender.
Señala qué dato de salida revisarías manualmente.
Explica qué cambiaría al añadir más capas.
Error frecuente: llamar «deep learning» a cualquier automatización. Corrígelo describiendo primero datos, entrenamiento y tarea.
Comprueba tu resultado
Clasifica cinco casos: filtro por palabra, detector de correo no deseado, reconocimiento de voz, suma de facturas y recomendación de libros. Resultado esperado: al menos uno debe ser regla fija y cada caso aprendido debe incluir datos de entrenamiento y una predicción verificable.
Mapa de prácticaContrasta las afirmaciones con fuentes y señala lo que no está respaldado. Retira datos privados innecesarios antes de compartir el material. La revisión humana decide si el borrador sirve para su uso previsto y conserva las incertidumbres relevantes.
Ver la infografía en tamaño completo ↗Desmitificando la inteligencia artificial
La IA está en todas partes, pero hay mucha confusión sobre qué es realmente. En esta lección vas a entender de una vez por todas la diferencia entre tres términos que casi siempre se mezclan: inteligencia artificial, machine learning y deep learning. Spoiler: no son lo mismo, sino círculos que se contienen uno dentro de otro.
Los tres niveles, de fuera hacia dentro
- Inteligencia artificial (IA): el paraguas más amplio. Cualquier sistema que realiza tareas que asociamos con la inteligencia humana: reconocer una cara, jugar al ajedrez, traducir un texto. Incluye desde reglas escritas a mano hasta los modelos más modernos.
- Machine learning (ML): un subconjunto de la IA donde la máquina aprende patrones a partir de datos en lugar de seguir reglas programadas una por una. Le muestras miles de fotos de gatos y perros, y aprende a distinguirlos sola.
- Deep learning (DL): un subconjunto del ML que usa redes neuronales con muchas capas. Es lo que hace posible ChatGPT, la generación de imágenes y el reconocimiento de voz moderno.
Nota
Una buena analogía: la IA es "transporte", el ML es "vehículos a motor" y el deep learning es "coches eléctricos". Cada uno está contenido en el anterior.
IA en tu vida diaria (ya la usas sin saberlo)
- Netflix y Spotify: recomendaciones personalizadas según lo que ves o escuchas.
- Google Maps: rutas óptimas calculadas con el tráfico en tiempo real.
- Gmail: filtro de spam y respuestas sugeridas.
- Face ID: reconocimiento facial para desbloquear el teléfono.
- DeepL y Google Translate: traducción automática casi instantánea.
¿Cuál de estas afirmaciones es correcta?
Ejercicio práctico
Objetivo: entrenar tu ojo para detectar IA en el mundo real y clasificarla correctamente.
- Durante un día normal, anota cinco productos o apps que uses y que creas que usan IA.
- Para cada uno, escribe una frase explicando qué hace la IA ahí (ej.: "Instagram decide qué Reels me muestra").
- Clasifica cada caso indicando si es un ejemplo claro de machine learning (aprende de datos) o de reglas fijas.
Entregable: una lista de cinco ejemplos con su explicación y su clasificación.
Para recordar
- La IA es el concepto más amplio; el ML y el DL están contenidos dentro de ella.
- El machine learning aprende de datos en vez de seguir reglas escritas a mano.
- Ya usas IA todos los días: Netflix, Maps, Gmail, Face ID.
Práctica acompañada: Automatiza una tarea verificable
Python, archivos CSV y pruebas pequeñas. Usa este cuaderno como práctica complementaria de la ruta; el material original de la lección continúa siendo tu referencia.
Práctica: añade una salida reutilizable
Amplía el programa para escribir un nuevo archivo resumen.csv con encabezados categoria,total_centavos. No cambies resumir: añade una función que reciba su resultado y escriba la salida. Ejecuta dos veces y comprueba que no acumula filas duplicadas.
Después agrega una categoría con acento y una cantidad de dos dígitos. Comprueba que la codificación y la conversión siguen funcionando. Para automatizaciones de carpetas, aplica primero este patrón en una carpeta de prueba. Genera un informe de qué se cambiaría antes de habilitar operaciones de escritura sobre archivos importantes.
Comprueba tu entrega
Entrega el programa, la prueba, un ejemplo de entrada y un README con el comando exacto. Indica qué hace ante un archivo inexistente, una columna ausente o un valor inválido. La confiabilidad viene de conocer esos límites, no de añadir muchas funciones.
Sigue con Inteligencia Artificial para Todos
Esta lección forma parte de un curso de Cursalo. Revisa su programa y elige entre la compra individual o el acceso a toda la escuela.
Si ya tenías acceso a este curso, entra con tu cuenta: tus derechos y tu progreso se conservan. No necesitas comprarlo de nuevo.