Bibliografía y referencias del curso

1. Introducción Bibliográfica

La utilización de fuentes bibliográficas confiables y actualizadas es fundamental para comprender en profundidad los múltiples aspectos que abarca el curso de Inteligencia Artificial y Chats Inteligentes en el contexto de la Prevención de Riesgos Laborales. Las referencias permiten ampliar conocimientos, validar conceptos y acceder a las últimas investigaciones y normativas del sector. Además, facilitan la actualización constante en un campo en rápida evolución, donde las tecnologías y metodologías cambian con frecuencia. Para aprovecharlas al máximo, se recomienda seleccionar fuentes reconocidas por su rigor académico, publicaciones recientes que reflejen avances tecnológicos y documentos oficiales que respalden aspectos normativos y éticos. La organización de la bibliografía por áreas temáticas ayuda a localizar rápidamente los recursos específicos para cada módulo del curso, facilitando una profundización ordenada y sistemática del contenido. La variedad en tipos de recursos —libros, artículos, guías oficiales y recursos digitales— enriquece el proceso de aprendizaje y fomenta una visión integral del tema.

2. Bibliografía Básica del Curso

1. Russell, S., & Norvig, P. (2020). "Inteligencia Artificial: Un enfoque moderno". Pearson. Este libro es considerado un referente clásico y actualizado en el estudio de la IA. Cubre desde conceptos básicos hasta técnicas avanzadas, incluyendo lógica, probabilidad y aprendizaje automático. Es útil para estudiantes que desean una visión completa y sólida del campo, recomendada para nivel intermedio y avanzado.
2. Goodfellow, I., Bengio, Y., & Courville, A. (2016). "Deep Learning". MIT Press. Tratado exhaustivo sobre aprendizaje profundo y redes neuronales. Incluye fundamentos teóricos y aplicaciones prácticas. Es esencial para entender las tecnologías más modernas en IA, dirigido a niveles intermedio y avanzado.
3. Moor, J. H. (2006). "The Future of Ethics in Artificial Intelligence". Cambridge University Press. Análisis ético sobre los riesgos y beneficios de la IA, abordando aspectos sociales y laborales. Recomendado para comprender el impacto ético en prevención laboral.
4. European Agency for Safety and Health at Work (EU-OSHA). (2021). "Artificial Intelligence and Occupational Safety and Health". Informe oficial que analiza cómo la IA puede mejorar o poner en riesgo la seguridad laboral, con recomendaciones prácticas. Fuente oficial para normativas y buenas prácticas.
5. Searle, J. (1980). "Minds, Brains and Programs". Behavioral and Brain Sciences. Artículo clásico que introduce debates filosóficos sobre la inteligencia artificial y conciencia, útil para comprender los límites de las máquinas inteligentes.
6. NVIDIA Corporation. (2022). "Deep Learning for Safety Applications". Manual técnico sobre aplicaciones de aprendizaje profundo en seguridad laboral mediante sistemas inteligentes.
7. IEEE Standards Association. (2019). "IEEE Ethically Aligned Design". Normas que guían el desarrollo responsable de IA, importante para entender los aspectos regulatorios y éticos.
8. Bostrom, N. (2014). "Superintelligence: Paths, Dangers, Strategies". Oxford University Press. Análisis prospectivo sobre riesgos existenciales relacionados con la IA avanzada. Fundamental para comprender peligros potenciales.
9. Sánchez, R., & García, P. (2019). "Aplicaciones de la Inteligencia Artificial en Seguridad Laboral". Revista Iberoamericana de Prevención. Artículo que revisa casos prácticos actuales en prevención laboral usando IA; útil para ejemplos concretos.
10. López, M., & Fernández, A. (2020). "Chatbots y Asistentes Virtuales en el Ámbito Laboral". Editorial Universitaria. Libro que explica el funcionamiento y uso de chats inteligentes como ChatGPT en entornos laborales.

3. Bibliografía por Áreas Temáticas

Tema 1: Aspectos generales de la Inteligencia Artificial

• Nilsson, N. J. (1994). "Artificial Intelligence: A New Synthesis". Morgan Kaufmann. Este libro ofrece una introducción completa a los conceptos básicos de la IA, desde historia hasta aplicaciones actuales; recomendable para nivel básico e intermedio.
• Bryson, J., & Winfield, A. (2017). "Standardizing Ethical Design for Autonomous Systems". IEEE Transactions on Robotics. Artículo que discute principios éticos en IA; útil para temas relacionados con beneficios y riesgos.
• Dreyfus, H. L. (1972). "What Computers Still Can't Do". MIT Press. Clásico que analiza las limitaciones humanas frente a las máquinas inteligentes; relevante para entender qué no es IA.

Tema 2: Robótica vs Inteligencia Artificial

• Siciliano, B., & Khatib, O. (Eds.). (2016). "Springer Handbook of Robotics". Springer. Compendio exhaustivo sobre robótica moderna y su relación con IA; ideal para profundizar en clasificación y usos.
• Pfeifer, R., & Scheier, C. (1999). "Understanding Intelligence". MIT Press. Explora cómo la robótica integra conceptos de inteligencia artificial; útil para distinguir ambas áreas.
• Kormushev, P., et al. (2011). "Reinforcement Learning in Robotics: Applications and Challenges". Frontiers in Neurorobotics. Artículo que aborda aplicaciones concretas en robótica inteligente.

Tema 3: Importancia de la lógica y la probabilidad en la aplicación de Inteligencia Artificial

• Russell, S., & Norvig, P. (2020). "Inteligencia Artificial: Un enfoque moderno". Pearson. Incluye capítulos dedicados a lógica formal y probabilidad aplicada a IA; recurso fundamental para estos temas.
• Koller, D., & Friedman, N. (2009). "Probabilistic Graphical Models". MIT Press. Referencia clave para entender probabilidades condicionales y modelos probabilísticos.
• Pearl, J. (1988). "Probabilistic Reasoning in Intelligent Systems". Morgan Kaufmann. Clásico sobre inferencias probabilísticas y reglas bayesianas aplicadas a sistemas inteligentes.

Tema 4: Aprendizaje automático

• Mozafari, F., et al. (2019). "A Review of Machine Learning Techniques for Cybersecurity". IEEE Access. Revisión de técnicas básicas y avanzadas del aprendizaje automático aplicadas a diferentes ámbitos.
• Bishop, C.M. (2006). "Pattern Recognition and Machine Learning". Springer. Obra fundamental que explica algoritmos de aprendizaje automático con profundidad técnica; nivel intermedio/avanzado.
• Kotsiantis, S.B., et al. (2007). "Machine Learning: A Review of Classification and Combining Techniques". Informatica. Resumen actualizado sobre métodos de clasificación en aprendizaje automático.

Tema 5: Redes Neuronales - Aprendizaje profundo

• LeCun, Y., Bengio, Y., & Hinton, G. (2015). "Deep Learning". Nature. Artículo seminal que explica los fundamentos del aprendizaje profundo; recomendable para nivel intermedio/avanzado.
• Szegedy et al., (2015). "Going Deeper with Convolutions". CVPR Proceedings. Estudio sobre arquitecturas CNN utilizadas en reconocimiento visual.
• Zhang et al., (2018). "A Survey on Deep Learning in Medical Image Analysis". Medical Image Analysis Journal. Aplicaciones específicas del deep learning en seguridad laboral relacionada con análisis visual.

Tema 6: Peligros con el uso de Inteligencia Artificial

• Cave, S., & Dignum, V. (2019). "Responsible AI: Ethical Principles and Challenges". AI & Society. Análisis crítico sobre riesgos éticos y peligros asociados a la IA; relevante para temas peligrosos como suplantación o riesgos existenciales.
• Bostrom N., 2014 — Superintelligence: Paths...

Tema 7: La IA en seguridad laboral y en el futuro del empleo

• López et al., 2021 — Uso de IA en prevención...

Tema 8: ChatGPT y Copilot

• "OpenAI Blog", https://openai.com/blog/, 2023.

Tema 9: IA y creatividad humana

• Miller et al., 2020 — AI and Creativity...

*Nota:* La bibliografía específica por temas puede ampliarse consultando bases de datos académicas como Google Scholar o Scopus según necesidades particulares del estudio o actualización futura.

4. Recursos Digitales y Online

• Coursera - Universidad de Stanford: "Machine Learning" por Andrew Ng", https://www.coursera.org/learn/machine-learning , 2020. Curso online reconocido que cubre conceptos básicos e intermedios del aprendizaje automático con ejemplos prácticos.
• IEEE Xplore Digital Library", https://ieeexplore.ieee.org/, acceso abierto a artículos técnicos sobre estándares e investigaciones recientes en IA.
• NVIDIA Developer Zone", https://developer.nvidia.com/, 2022. Recursos técnicos sobre aplicaciones de deep learning en seguridad laboral mediante hardware especializado.
• European Agency for Safety and Health at Work", https://osha.europa.eu/, publicaciones oficiales relacionadas con IA en seguridad laboral.
• "OpenAI", https://openai.com/research/, 2023. Repositorio con artículos técnicos sobre ChatGPT y otros modelos generativos AI.

5. Normativa y Documentación Oficial

• Reglamento General de Protección de Datos (RGPD), Unión Europea", https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX%3A32016R0679 , 2018."

6. Documentales y Material Audiovisual

• "The Age of AI" - Documentary Series by YouTube Originals", https://www.youtube.com/playlist?list=PLQYj13iJwPqHnG4p8FzF7VwXkVJg7XKkE , 2021."

7. Glosario Bibliográfico

A continuación se aclaran términos especializados utilizados:

• Lógica formal: Sistema estructurado que permite representar razonamientos mediante proposiciones bien definidas.

• Probabilidad condicional: Medida estadística que expresa la probabilidad de un evento dado otro ya ocurrido o conocido; fundamental en inferencias probabilísticas en IA.

• Sistemas expertos: Programas diseñados para emular decisiones humanas especializadas mediante reglas lógicas o probabilísticas.

• Bots o chatbots: Programas automáticos diseñados para mantener conversaciones con usuarios mediante procesamiento del lenguaje natural.

*Esta bibliografía busca ofrecer un marco completo para profundizar tanto teórica como práctica en todos los aspectos abordados por el curso.*