Inteligencia Artifical

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 6

INTELIGENCIA ARTIFICAL

Hace tiempo abandonó el espectro de la ciencia ficción para colarse en nuestras


vidas y, aunque todavía en una fase muy inicial, está llamada a protagonizar una
revolución equiparable a la que generó Internet.

Las máquinas inteligentes imitan las funciones cognitivas de los humanos.

La Inteligencia Artificial (IA) es la combinación de algoritmos planteados con el


propósito de crear máquinas que presenten las mismas capacidades que el ser
humano. Una tecnología que todavía nos resulta lejana y misteriosa, pero que
desde hace unos años está presente en nuestro día a día a todas horas.
TIPOS DE INTELIGENCIA ARTIFICIAL

Los expertos en ciencias de la computación Stuart Russell y Peter


Norvig diferencian varios tipos de inteligencia artificial:

  Sistemas que piensan como humanos

Automatizan actividades como la toma de decisiones, la resolución de problemas y


el aprendizaje. Un ejemplo son las redes neuronales artificiales.

  Sistemas que actúan como humanos

Se trata de computadoras que realizan tareas de forma similar a como lo hacen


las personas. Es el caso de los robots.

  Sistemas que piensan racionalmente

Intentan emular el pensamiento lógico racional de los humanos, es decir, se


investiga cómo lograr que las máquinas puedan percibir, razonar y actuar en
consecuencia. Los sistemas expertos se engloban en este grupo.

  Sistemas que actúan racionalmente

idealmente, son aquellos que tratan de imitar de manera racional el


comportamiento humano, como los agentes inteligentes.
APLICACIONES PRÁCTICAS DE LA INTELIGENCIA
ARTIFICIAL

La IA está presente en la detección facial de los móviles, en los asistentes


virtuales de voz como Siri de Apple, Alexa de Amazon o Cortana de Microsoft y
está integrada en nuestros dispositivos cotidianos a través de bots (abreviatura de
robots) o aplicaciones para móvil, tales como: Lyli Enlace externo, se abre en
ventana nueva., un personal shopper en versión digital; Parla Enlace externo, se
abre en ventana nueva., concebida para ayudarnos con el aprendizaje de
idiomas; Ems Enlace externo, se abre en ventana nueva., diseñada para
hacernos un poco más llevadera la ardua tarea de encontrar nuevo piso; o Gyant
Enlace externo, se abre en ventana nueva., un asistente virtual de Facebook
que emite 'diagnósticos' médicos. El objetivo de todas ellas: hacer más fácil la vida
de las personas.

Los avances en IA ya están impulsando el uso del big data debido a su habilidad


para procesar ingentes cantidades de datos y proporcionar ventajas
comunicacionales, comerciales y empresariales que la han llevado a posicionarse
como la tecnología esencial de las próximas décadas. Transporte, educación,
sanidad, cultura... ningún sector se resistirá a sus encantos.
CIENCIAS QUE CONFORMAN LA INTELIGENCIA
ARTIFICIAL

Machine Learning (ML):

Es una rama de computación de la IA que se basa en el entrenamiento


de algoritmos de aprendizaje automático a través de datos anteriores.
Luego de determinado tiempo de aprendizaje, dichos algoritmos mejoran
su performance y logran alcanzar su objetivo de optimización de
procesos. La mayoría de las tecnologías de IA se basan en Machine
Learning.

Deep Learning:

Es una rama compleja de ML. Busca construir y entrenar redes


neuronales con múltiples capas. El objetivo de dichas redes es ordenar,
clasificar datos y encontrar anomalías en sus patrones. 

Neural Networks:

Las redes neuronales son algoritmos de Machine Learning y modelos


computacionales diseñados para funcionar como las neuronas en el
cerebro humano. Están entrenadas con un conjunto específico de datos
que utilizan para adivinar respuestas a una consulta. Si se producen
errores, las redes neuronales ajustan su proceso y lo repiten hasta que
los niveles de error disminuyan. Es similar a la regresión estadística.
Computer vision:

La visión computacional es la rama de la IA que se encarga de interpretar


y extraer el significado de elementos visuales en el mundo real, por
ejemplo caracteres impresos, caras y objetos. Es la base de muchas
prometedoras innovaciones como los automóviles sin conductor y las
tiendas sin cajero.

Natural Language Processing (NLP):

El procesamiento del lenguaje natural es una rama de la IA que hace


referencia a la capacidad de máquinas para entender palabras habladas
e impresas en lenguaje humano, a diferencia de una computadora la cual
entiende lenguajes de programación. Esta tecnología es utilizada en
Chatbots, asistentes virtuales digitales y en motores de búsqueda para
filtrar Spam. 

Natural Language Generation (NLG):

La generación de lenguaje natural hace alusión a la capacidad de toma


de decisión de una computadora sobre cómo comprender un concepto
específico y plasmarlo en palabras. Dicha tecnología es muy utilizada en
la automatización de procesos manuales para el análisis de datos. 

Chatbot:

Es un programa de computadora que utiliza un conjunto de reglas para


conducir una conversación con un humano a través de una interfaz en
línea. Los Chatbots están cada vez más impulsados por la IA y usan NLP
y NLG para imitar una conversación humana. 
Virtual Digital Assistants:

Los asistentes digitales virtuales son una versión más sofisticada de


Chatbots. Pueden organizar, almacenar y generar información según la
ubicación del usuario y pueden responder consultas basadas en voz o
texto. Algunos ejemplos son Siri de Apple, el Asistente de Google, Alexa
de Amazon y Cortana de Microsoft. 

Recommender Systems:

Los sistemas de recomendación están impulsados por tecnologías de IA.


Son sistemas de filtrado de información que pueden predecir
automáticamente las preferencias del usuario y generar respuestas a
consultas basadas en el comportamiento pasado. Algunos ejemplos son
el algoritmo de Amazon “Frequently Bought Together”, el algoritmo
de CineMatch de Netflix y algoritmos utilizados por redes sociales para
encontrar conexiones entre personas y datos. 

Predictive Analysis:

El análisis predictivo es un programa que utiliza una combinación de


técnicas de ciencia de datos, estadística e IA para analizar conjuntos de
datos no estructurados, descubrir patrones y relaciones, y usarlos para
hacer predicciones sobre probables resultados futuros. 

También podría gustarte