Biblioteca de IA — World AI Innovation

Técnico / avanzado2020 (4th ed.)

Inteligencia artificial: un enfoque moderno (Artificial Intelligence: A Modern Approach)

El manual universitario de referencia sobre IA.

Autor: Stuart Russell & Peter NorvigEditorial: Pearson

Sobre el libro: El libro de texto de referencia que se utiliza en los cursos de IA de universidades de todo el mundo. Abarca todo el campo —búsqueda, lógica, planificación, razonamiento probabilístico, aprendizaje automático, lenguaje natural, robótica— y, en su cuarta edición, presta seria atención a la seguridad y al diseño de una IA que siga siendo beneficiosa para las personas.
Qué abarca: Russell y Norvig definen un agente inteligente como algo que percibe su entorno y actúa para alcanzar objetivos, y a partir de esa idea construyen toda la disciplina. El libro avanza desde la resolución clásica de problemas y la búsqueda, pasando por la representación del conocimiento y el razonamiento bajo incertidumbre, hasta el aprendizaje a partir de datos, el aprendizaje profundo, el lenguaje y la percepción, y termina con la filosofía, la ética y el futuro de la IA. Cada capítulo se cierra con ejercicios y notas bibliográficas.
Quién debería leerlo: Estudiantes, ingenieros y cualquiera que quiera un mapa riguroso y completo del campo.
Por qué importa: Si va a leer un solo libro técnico sobre IA, es este. Es exigente, pero le enseña cómo piensa el campo, no solo qué hace.

Página del libro

Técnico / avanzado2016

Aprendizaje profundo (Deep Learning)

El texto fundacional sobre redes neuronales.

Autor: Ian Goodfellow, Yoshua Bengio & Aaron CourvilleEditorial: MIT Press

Sobre el libro: Escrito por tres de los investigadores que dieron forma al aprendizaje profundo moderno, este libro explica las matemáticas y los métodos que hay detrás de las redes neuronales actuales. Puede leerse gratuitamente en línea, lo que lo ha convertido en la base común de toda una generación de profesionales.
Qué abarca: El libro comienza con el álgebra lineal, la probabilidad y el cálculo numérico que el lector necesita, y luego construye las redes profundas prealimentadas, la regularización, la optimización, las redes convolucionales y recurrentes y la metodología práctica. Una parte final repasa temas de investigación como los autocodificadores, el aprendizaje de representaciones y los modelos generativos. Escrito antes de la era de los transformadores, sigue siendo la exposición más clara de los fundamentos sobre los que se construyeron los grandes modelos de lenguaje.
Quién debería leerlo: Profesionales y estudiantes de posgrado con cierta base matemática.
Por qué importa: Entenderá por qué funcionan los modelos modernos, y no solo cómo invocarlos.

Página del libro

Lector general2019

Compatible con los humanos: la inteligencia artificial y el problema del control (Human Compatible: Artificial Intelligence and the Problem of Control)

Un destacado científico de la IA sobre cómo mantenerla beneficiosa.

Autor: Stuart RussellEditorial: Viking

Sobre el libro: Stuart Russell, coautor del manual de referencia sobre IA, sostiene que la forma en que hemos definido la IA —máquinas que optimizan objetivos fijos— es la raíz del problema del control, y propone un nuevo fundamento en el que las máquinas mantienen la incertidumbre sobre las preferencias humanas y, por tanto, se someten a las personas.
Qué abarca: El libro explica en lenguaje sencillo cómo funcionan los sistemas de IA y por qué dar un objetivo fijo a un sistema muy capaz puede salir mal. Russell expone después tres principios para máquinas demostrablemente beneficiosas: el único objetivo de la máquina es realizar las preferencias humanas; al principio no sabe con certeza cuáles son; y el comportamiento humano es su fuente de información. Analiza el uso indebido, las armas autónomas, la vigilancia y los efectos económicos de la automatización, y se mantiene optimista en que el problema tiene solución si se toma en serio.
Quién debería leerlo: Directivos, responsables de políticas públicas y lectores generales que buscan un tratamiento serio pero legible de la seguridad de la IA.
Por qué importa: Reformula todo el debate sobre el riesgo de la IA: de la ciencia ficción a la ingeniería.

Página del libro

Lector general2017

Vida 3.0: qué significa ser humano en la era de la inteligencia artificial (Life 3.0: Being Human in the Age of Artificial Intelligence)

La visión panorámica de un físico sobre el futuro de la IA.

Autor: Max TegmarkEditorial: Alfred A. Knopf

Sobre el libro: El físico del MIT Max Tegmark examina lo que la inteligencia artificial podría significar para el trabajo, el derecho, la guerra y el futuro a largo plazo de la vida, e invita al lector a pensar qué futuro queremos realmente.
Qué abarca: Tegmark describe la vida en tres etapas —biológica, cultural y tecnológica— y se pregunta qué ocurre cuando la tecnología puede rediseñarse a sí misma. Aborda cuestiones a corto plazo (empleos, armas, responsabilidad legal), escenarios a medio plazo sobre cómo podría desarrollarse y controlarse una IA avanzada, y preguntas a largo plazo sobre los objetivos y la conciencia. El libro presenta una variedad de escenarios sin insistir en uno solo, y termina con la historia del Future of Life Institute y los argumentos a favor de una investigación cuidadosa.
Quién debería leerlo: Lectores curiosos que disfrutan de las grandes preguntas y las explicaciones claras.
Por qué importa: Una introducción amplia y equilibrada a lo que está en juego con la IA, escrita por un científico y no por un comentarista.

Página del libro

Lector general2020

El problema de la alineación: el aprendizaje automático y los valores humanos (The Alignment Problem: Machine Learning and Human Values)

Cómo los sistemas de aprendizaje automático absorben —y distorsionan— los valores humanos.

Autor: Brian ChristianEditorial: W. W. Norton

Sobre el libro: Brian Christian cuenta la historia de los investigadores que intentan lograr que los sistemas de aprendizaje automático hagan lo que realmente queremos, a través de relatos vívidos de fallos reales: herramientas de contratación sesgadas, puntuaciones de riesgo defectuosas, manipulación de recompensas en juegos y más.
Qué abarca: El libro tiene tres partes. «Profecía» cubre la historia temprana y los problemas de sesgo y transparencia en los sistemas entrenados con datos humanos. «Agencia» explica el aprendizaje por refuerzo, el diseño de recompensas y los comportamientos extraños que surgen cuando un sistema optimiza la señal equivocada. «Normatividad» se centra en la imitación, la inferencia de las preferencias humanas y la incertidumbre. A lo largo de todo el libro, Christian entrevista a quienes hacen el trabajo, de modo que la ciencia llega con su contexto humano.
Quién debería leerlo: Cualquiera que utilice la IA en decisiones que afectan a personas: recursos humanos, finanzas, salud, servicios públicos.
Por qué importa: Es la explicación más legible de por qué «el modelo hizo lo que lo entrenamos para hacer» no es lo mismo que «el modelo hizo lo que queríamos».

Página del libro

Accesible para todos2024

Co-inteligencia: vivir y trabajar con la IA (Co-Intelligence: Living and Working with AI)

La guía práctica para trabajar con asistentes de IA.

Autor: Ethan MollickEditorial: Portfolio / Penguin

Sobre el libro: Ethan Mollick, profesor de Wharton y una de las voces más leídas sobre el uso de la IA generativa en el trabajo, ofrece cuatro reglas para trabajar con la IA y muestra qué cambia para la creatividad, la educación y la gestión.
Qué abarca: Las reglas de Mollick: invite siempre a la IA a la mesa; sea el humano en el circuito; trate a la IA como a una persona (sin olvidar que no lo es); y asuma que el modelo que usa hoy es el peor que usará jamás. A partir de ahí explora la IA como compañera creativa, colega de trabajo, tutora y entrenadora, apoyándose en sus propios experimentos en el aula y en las primeras investigaciones sobre productividad. El tono es práctico y sincero sobre lo que las herramientas hacen mal.
Quién debería leerlo: Directivos, docentes, profesionales y estudiantes que empiezan a usar la IA a diario.
Por qué importa: La forma más rápida de pasar de la curiosidad a un uso diario competente y responsable.

Página del libro

Lector general2023

La ola que viene: tecnología, poder y el mayor dilema del siglo XXI (The Coming Wave: Technology, Power, and the Twenty-first Century's Greatest Dilemma)

Un cofundador de DeepMind sobre cómo contener una tecnología poderosa.

Autor: Mustafa Suleyman with Michael BhaskarEditorial: Crown

Sobre el libro: Mustafa Suleyman, cofundador de DeepMind y después director de Microsoft AI, sostiene que la IA y la biología sintética forman una ola tecnológica difícil de contener, y se pregunta cómo pueden las sociedades aprovechar sus beneficios y limitar al mismo tiempo los usos indebidos catastróficos.
Qué abarca: El libro describe por qué se propagan las tecnologías de uso general, por qué esta ola es distinta (poder asimétrico, evolución rápida, autonomía) y cómo podría ser para los Estados y las instituciones no lograr contenerla. Suleyman propone después un programa de diez pasos que abarca la investigación en seguridad, las auditorías, los puntos de control, los desarrolladores responsables, la capacidad de los gobiernos, las alianzas internacionales y los movimientos ciudadanos: un enfoque por capas en lugar de una solución única.
Quién debería leerlo: Ejecutivos y responsables de políticas públicas que necesitan una visión estratégica de los riesgos y la gobernanza de la IA.
Por qué importa: Escrito por alguien de dentro que construyó la tecnología y aun así defiende restricciones serias.

Página del libro

Accesible para todos2018 (updated 2022)

Máquinas predictivas: la sencilla economía de la inteligencia artificial (Prediction Machines: The Simple Economics of Artificial Intelligence)

La IA explicada a través de una sola idea: la predicción más barata.

Autor: Ajay Agrawal, Joshua Gans & Avi GoldfarbEditorial: Harvard Business Review Press

Sobre el libro: Tres economistas de la Universidad de Toronto reducen la IA a su esencia económica: abarata la predicción. De esa única idea derivan cómo deben pensar las empresas sobre dónde crea valor la IA, qué queda para el juicio humano y cómo organizarse para ello.
Qué abarca: Los autores explican que cuando algo se abarata lo usamos más, y la predicción alimenta innumerables decisiones. Descomponen una decisión en predicción, juicio, acción y resultado, y muestran que la IA asume la predicción mientras el juicio (qué importa y qué estamos dispuestos a sacrificar) sigue en manos de las personas. Los capítulos posteriores cubren herramientas, flujos de trabajo, estrategia y los efectos más amplios sobre el empleo y la sociedad. La edición actualizada añade las lecciones de los primeros años de implantación.
Quién debería leerlo: Líderes empresariales y cualquiera que decida dónde invertir en IA.
Por qué importa: El modelo mental más claro para decidir qué proyectos de IA vale la pena realizar.

Página del libro

Lector general2021

IA 2041: diez visiones de nuestro futuro (AI 2041: Ten Visions for Our Future)

Diez relatos, cada uno acompañado de un análisis experto.

Autor: Kai-Fu Lee & Chen QiufanEditorial: Currency

Sobre el libro: El pionero de la IA Kai-Fu Lee y el escritor de ciencia ficción Chen Qiufan imaginan el año 2041 en diez relatos cortos ambientados en distintos lugares del mundo, cada uno seguido del análisis de Lee, en clave de no ficción, sobre la tecnología implicada y su grado de plausibilidad.
Qué abarca: Los relatos tocan el aprendizaje profundo en los seguros, la IA en la educación, los compañeros virtuales, los vehículos autónomos, las ultrafalsificaciones (deepfakes), la atención sanitaria, el desplazamiento laboral y más, en escenarios que van de Bombay a Lagos y Shanghái. Tras cada relato, Lee explica la ciencia: cómo funciona la tecnología, en qué punto se encuentra hoy y qué riesgos y salvaguardas importan. La combinación vuelve concretas unas capacidades abstractas.
Quién debería leerlo: Lectores que aprenden mejor a través de historias y docentes que buscan material para el debate.
Por qué importa: Un libro poco común que hace que el futuro se sienta concreto, humano y debatible.

Página del libro

Accesible para todos2023

Los mundos que veo: curiosidad, exploración y descubrimiento en los albores de la IA (The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI)

Las memorias de la científica detrás de ImageNet.

Autor: Fei-Fei LiEditorial: Flatiron Books

Sobre el libro: Fei-Fei Li, la científica de Stanford cuyo conjunto de datos ImageNet ayudó a encender la revolución del aprendizaje profundo, cuenta su historia —desde su llegada a Estados Unidos en la adolescencia hasta dirigir la investigación en Stanford y Google— y entreteje en ella una historia clara de la IA moderna.
Qué abarca: Las memorias siguen el camino de Li por la física, la neurociencia y la visión por computadora, y la idea obstinada de que las máquinas necesitaban muchos más datos para aprender a ver. Explica, en términos humanos, cómo nació ImageNet, qué significó el avance de 2012 y por qué Li defiende hoy una «IA centrada en el ser humano» que fortalezca a las personas en lugar de reemplazarlas. La historia personal y la científica se iluminan mutuamente.
Quién debería leerlo: Estudiantes, padres y cualquiera que quiera conocer la historia humana detrás de la tecnología.
Por qué importa: Muestra que la revolución de la IA la hicieron personas con dudas, reveses y valores, no la inevitabilidad.

Página del libro