La inteligencia artificial sin las matemáticas, ¿es posible?

Autores/as

Palabras clave:

Editorial, Inteligencia artificial, Matemáticas

Resumen

La inteligencia artificial (IA) ha avanzado a un ritmo vertiginoso, permeando casi todos los aspectos de la sociedad moderna. Desde los asistentes virtuales en nuestros teléfonos hasta los complejos algoritmos que impulsan las decisiones en los mercados financieros, la IA se ha convertido en una fuerza transformadora. A menudo, sus capacidades parecen casi mágicas, evocando imágenes de ciencia ficción y robots futuristas. Sin embargo, detrás de esta fachada se encuentra una base sólida y fundamental: las matemáticas. La pregunta que muchos se hacen es que si la inteligencia artificial podría existir y progresar significativamente sin recurrir a los principios matemáticos. Este análisis tratará de explicar que las matemáticas no son simplemente una herramienta útil para la IA, sino que constituyen su esencia misma, haciendo que el desarrollo y el avance significativo de la inteligencia artificial sin fundamentos matemáticos sean una imposibilidad para una comprensión profunda y un progreso real.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Javier Hernández Benitez, Universidad Centroccidental Lisandro Alvarado

Doctor en Ingeniería Matemática, Magister Scientiarum en Matemáticas, Licenciado en Ciencias Matemáticas. Profesor Titular y Director del Programa Licenciatura en Ciencias Matemáticas del Decanato de Ciencias y Tecnología de la Universidad Centroccidental Lisandro Alvarado, Venezuela. Miembro del Comité Editorial de la revista científica “Publicaciones en Ciencias y Tecnología”

Citas

Abe, S. (2010). Support vector machines for pattern classification (2nd ed). Springer.

Bishop, C. M. (2006). Pattern recognition and machine learning. Springer.

Braga-Neto, U. M. (2024). Fundamentals of Pattern Recognition and Machine Learning (2nd ed. 2024). Springer International Publishing. https://doi.org/10.1007/978-3-031-60950-3

Fessler, J. A., & Nadakuditi, R. R. (2024). Linear algebra for data science, machine learning, and signal processing. Cambridge university press.

Golub, G. H., & Van Loan, C. F. (2013). Matrix computations (Fourth edition). The Johns Hopkins University Press.

Jamal, M. (2024, enero). Why math is vital to thrive in your AI career. Buitin. https://builtin.com/articles/math-for-ai

Kutyniok, G. (2024, julio). The mathematics of reliable artificial intelligence. SIAM News, 57(06). https://www.siam.org/publications/siam-news/articles/the-mathematics-of-reliable-artificial-intelligence/

Meenu, D. (2024). The role of mathematics in artificial intelligence and machine learning. Innovative Research Thoughts, 10(3), 60-65. https://doi.org/10.36676/irt.v10.i3.1434

Publicado

2025-04-29

Cómo citar

[1]
J. Hernández Benitez, «La inteligencia artificial sin las matemáticas, ¿es posible?», Publ.Cienc.Tecnol, vol. 18, n.º 1, pp. 01-03, abr. 2025.

Número

Sección

Editorial