Enfoque de La Inteligencia Artificial

SISTEMAS Y COMPUTACIÓN
TALLER DE INSVESTIGACION II
INVESTIGACIÓN
ENFOQUE DE LA INTELIGENCIA ARTIFICIAL
PRESENTADO POR:
SAUL TAFOLLA RAMIREZ
LA PIEDAD, MICHOACÁN 29/01/2024

La inteligencia artificial es una tecnología tan amplia y
revolucionaria que es difícil dar una definición precisa. Puede
considerarse una rama del campo de la informática, cuyo objetivo es
crear máquinas capaces de realizar tareas que tradicionalmente
requerían inteligencia humana.
Sin embargo, la IA es una ciencia interdisciplinaria con múltiples

enfoques. Hoy en día, el Machine Learning (aprendizaje automático)
y el Deep Learning (aprendizaje profundo) son dos técnicas utilizadas
en empresas de todos los sectores.
Machine Learning
El machine learning es un subconjunto de la inteligencia artificial (IA).

Se enfoca en enseñar a las computadoras para que aprendan de los
datos y mejoren con la experiencia –en lugar de ser explícitamente
programadas para hacerlo–. En el machine learning, los algoritmos
están entrenados para encontrar patrones y correlaciones en grandes
data sets, y para lograr las mejores decisiones y proyecciones en base
a ese análisis. Las aplicaciones de machine learning mejoran con el
uso y se vuelven más precisas a medida que tienen acceso a más
datos.
Las aplicaciones de machine learning están a nuestro alrededor –en
nuestras casas, carritos de compra, medios de entretenimiento, y
cuidado de la salud–.
¿Cómo se le relaciona machine learning con la IA?
El machine learning y sus componentes de deep learning y redes

neuronales, todos encajan como subconjuntos concéntricos de la IA.
La IA procesa datos para llegar a decisiones y proyecciones. Los
algoritmos de machine learning permiten que la IA no solo procese
esos datos, sino que los use para aprender y ser más inteligente, sin
necesidad de programación adicional. La inteligencia artificial es la
madre de todos los subconjuntos de machine learning subyacentes.
Dentro del primer subconjunto está el machine learning; dentro de él
está el deep learning, dentro del cual están las redes neuronales.
¿Qué es el deep learning?

Este tipo de machine learning se llama así porque incluye muchas
capas de redes neuronales y volúmenes masivos de datos complejos
y dispares. Para lograr el deep learning, el sistema interactúa con
múltiples capas de la red, extrayendo resultados con un nivel cada vez
más alto. Por ejemplo, un sistema de deep learning que está
procesando imágenes de la naturaleza y buscando "margaritas
gloriosas" reconocerá, en la primera capa, una planta. A medida que
avance por las capas neuronales, entonces identificará una flor, luego
una margarita, y finalmente una "margarita gloriosa". Los ejemplos
para aplicar deep learning incluyen reconocimiento de voz,
clasificación de imágenes, y análisis farmacéutico.
Deep learning frente a machine learning
Si deep learning es un subconjunto de machine learning, ¿en qué se

diferencian? Deep learning se distingue del machine learning clásico
por el tipo de datos con los que trabaja y los métodos con los que
aprende.
Los algoritmos de machine learning aprovechan los datos

estructurados y clasificados para realizar predicciones, lo que significa
que las características específicas se definen a partir de los datos de
entrada para el modelo y se organizan en tablas. Esto no significa
necesariamente que no utilice datos no estructurados. Solo significa
que si lo hace, generalmente pasan por un procesamiento previo para
organizarlos en un formato estructurado.
Deep learning elimina parte del procesamiento previo de datos que

normalmente conlleva el machine learning. Estos algoritmos pueden
ingerir y procesar datos no estructurados, como texto e imágenes, lo
que automatiza la extracción de características, eliminando parte de la
dependencia de los expertos humanos. Por ejemplo, digamos que
tenemos un conjunto de fotos de diferentes mascotas y queremos
clasificarlas en las categorías "gato", "perro", "hámster", etc. Los
algoritmos del deep learning pueden determinar qué características
(por ejemplo, orejas) son más importantes para distinguir a un animal
de otro. En machine learning, esta jerarquía de características la
establece manualmente un experto humano.
Luego, a través de los procesos de descenso de gradiente y
retropropagación, el algoritmo de deep learning se ajusta y adapta
para obtener precisión, lo que le permite hacer predicciones sobre la
foto de un animal nuevo con mayor exactitud.
Los modelos de machine learning y de deep learning también son

capaces de diferentes tipos de aprendizaje, que generalmente se
clasifican como aprendizaje supervisado, aprendizaje no supervisado y
aprendizaje reforzado. El aprendizaje supervisado utiliza conjuntos de
datos etiquetados para categorizar o hacer predicciones. Esto requiere
algún tipo de intervención humana para garantizar que los datos de
entrada sean etiquetados correctamente. Por el contrario, el
aprendizaje no supervisado no requiere conjuntos de datos
etiquetados y, en cambio, detecta patrones en los datos y los agrupa
según sus características distintivas. El aprendizaje reforzado es un
proceso en el que un modelo aprende a ser más preciso para realizar
una acción en un entorno basado en la retroalimentación con el fin de
maximizar la recompensa.
Para profundizar en las diferencias matizadas entre las diferentes

tecnologías, consulte "IA frente a machine learning frente a deep
learning frente a redes neuronales: ¿cuál es la diferencia?"
Para ver más de cerca las diferencias específicas entre el aprendizaje
supervisado y no supervisado, consulte "Aprendizaje supervisado
frente a no supervisado: ¿cuál es la diferencia?"
Referencia
https://datascientest.com/es/inteligencia-artificial-definicion
https://www.ibm.com/mx-es/topics/deep-learning
https://www.sap.com/latinamerica/products/artificial-intelligence/what-is-
machine-learning.html#:~:text=learning%20en%20detalle-,El%20machine
%20learning%20es%20un%20subconjunto%20de%20la%20inteligencia
%20artificial,ser%20explícitamente%20programadas%20para
%20hacerlo–.

Enfoque de La Inteligencia Artificial

Cargado por

Copyright:

Formatos disponibles

Enfoque de La Inteligencia Artificial

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Enfoque de La Inteligencia Artificial

Cargado por

Copyright:

Formatos disponibles

SISTEMAS Y COMPUTACIÓN

ENFOQUE DE LA INTELIGENCIA ARTIFICIAL

LA PIEDAD, MICHOACÁN 29/01/2024

Sin embargo, la IA es una ciencia interdisciplinaria con múltiples

El machine learning es un subconjunto de la inteligencia artificial (IA).

El machine learning y sus componentes de deep learning y redes

¿Qué es el deep learning?

Si deep learning es un subconjunto de machine learning, ¿en qué se

Los algoritmos de machine learning aprovechan los datos

Deep learning elimina parte del procesamiento previo de datos que

Los modelos de machine learning y de deep learning también son

Para profundizar en las diferencias matizadas entre las diferentes

También podría gustarte