Inteligencia Artificial: Conceptos, Tipos y Aplicaciones, Resúmenes de Física

¡Descarga Inteligencia Artificial: Conceptos, Tipos y Aplicaciones y más Resúmenes en PDF de Física solo en Docsity!

Inteligencia Artificial

La inteligencia artificial (IA) se refiere en términos generales a cualquier conducta humana que desarrolle una máquina o sistema. En la forma más básica de inteligencia artificial, los PC están programados para «imitar» la conducta humana utilizando amplios datos de ejemplos previos de conductas similares. Este enfoque puede englobar desde reconocer diferencias entre un automóvil y un ave hasta realizar actividades complejas en una fábrica

Tipos de inteligencia artificial

La inteligencia artificial se clasifica en dos categorías principales: la inteligencia artificial basada en funcionalidad y la inteligencia artificial basada en capacidades.

Basada en funcionalidad

Máquina reactiva: esta inteligencia artificial no tiene poder de memoria y no tiene la capacidad de aprender de las acciones pasadas. La Deep Blue de IBM recae en esta categoría. Teoría limitada: al agregar memoria, esta inteligencia artificial usa información pasada para tomar mejores decisiones. Las aplicaciones comunes como las de localización de GPS recaen en esta categoría.

Aprendizaje automático

Una PC «aprende» cuando su software es capaz de predecir y reaccionar correctamente a las situaciones de implementación basadas en resultados anteriores. El aprendizaje automático se refiere al proceso por el cual los PC desarrollan el reconocimiento de patrones o la posibilidad de capacitación continua y hacer predicciones basadas en datos, y pueden hacer ajustes sin haber sido programadas específicamente para ello. Como forma de inteligencia artificial, el aprendizaje automático automatiza el proceso de creación de modelos analíticos y permite que las máquinas se adapten a nuevas situaciones de manera independiente. Estos son los cuatro pasos para crear un modelo de aprendizaje automático:

1. Seleccionar y preparar un conjunto de datos de formación necesarios para resolver el problema. Estos datos pueden tener o no etiqueta.
2. Elegir un algoritmo para ejecutar en los datos de formación.  Si los datos tienen etiqueta, el algoritmo puede basarse en instancias, árboles de decisión o regresión.  Si los datos no tienen etiqueta, el algoritmo puede ser un algoritmo de clúster, de asociación o una red neuronal.
3. Entrenar el algoritmo para crear el modelo.
4. Usar y mejorar el modelo.

Hay tres métodos de aprendizaje automático: el aprendizaje «Supervisado» funciona con datos etiquetados y requiere menos formación. El aprendizaje «No supervisado» se usa para clasificar datos sin etiqueta al identificar patrones y relaciones. El aprendizaje «Semisupervisado» usa un pequeño grupo de datos con etiqueta para orientar la clasificación de un grupo de datos sin etiqueta más grande.

Aprendizaje profundo

El aprendizaje profundo es un subconjunto del aprendizaje automático y ha demostrado un rendimiento significativamente superior a algunos enfoques tradicionales de aprendizaje automático. El aprendizaje profundo utiliza una combinación de redes neuronales artificiales de múltiples capas, formación con uso intensivo de procesamiento y datos, inspirada en nuestra última comprensión del comportamiento del cerebro humano. Este enfoque se ha vuelto tan eficaz que incluso ha comenzado a superar las capacidades humanas en muchas áreas, como el reconocimiento de imágenes y del habla y el procesamiento del lenguaje natural. Los modelos de aprendizaje profundo procesan grandes cantidades de datos y en general son no supervisados o semisupervisados.

Identificación de Noticias Falsas

Ganar dinero esparciendo noticias falsas por internet es muy sencillo y, en tiempos en que muchos creen todo lo que ven en internet, es un negocio muy lucrativo. En México, la iniciativa de #Verificado2018, reunió a un equipo de periodistas para desmentir las noticias falsas en la campaña presidencial, sin embargo, ya existe software que puede hacer lo mismo mucho más rápido, uno de ellos es AdVerif.ai; este software utiliza su base de datos y el aprendizaje profundo para analizar semánticamente cada texto e identificar si es falso o no.

El Internet de las cosas y los autónomos

Si te quedaste con la duda de por qué aún tus electrodomésticos no se comunican entre sí, la respuesta la encontrarás en el rezago tecnológico de nuestro país, especialmente el desarrollo de la red 5G (actualmente solo tenemos 4G). Será hasta fines de esta década cuando las operadoras telefónicas de nuestro país tengan el permiso y la infraestructura necesarios para operar en esta red. Sin embargo, esta red también traerá los automóviles sin conductor, también llamados autónomos; estos ya están siendo conducidos en calles de los Estados Unidos y Europa; no obstante Intel ya está colaborando con empresas de telefonía móvil para implementar cuanto antes la red 5G ¿Te gustaría subirte a un auto que se conduce solo?

Desventajas Dificultad de acceso a los datos Para que una inteligencia artificial funcione de forma adecuada debe tener datos actualizados y fiables, pero esto nos siempre es así. Por eso, uno de los principales retos a abordar es garantizar que estos sistemas puedan acceder a los datos que necesitan en cada momento. Falta de profesionales cualificados Uno de los inconvenientes de esta tecnología es que su desarrollo no está siendo tan rápido como debería porque faltan profesionales bien cualificados que puedan implementar los ajustes necesarios. Su desarrollo es costoso Aunque las inteligencias artificiales aplicadas al ámbito de la medicina, la producción, la dirección de empresas, etc. pueden ser muy útiles, el desarrollo de las mismas tiene todavía un coste muy elevado, lo que hace que no sean accesibles para todo el mundo.

Con la inteligencia artificial las ventajas y desventajas están ahí y toca valorar qué pesa más. Teniendo en cuenta la manera en la que pueden mejorar la forma de trabajar en sectores muy diferentes entre sí, a día de hoy está claro que expriman más los beneficios que los inconvenientes. Dado que tanto ahora como en el futuro serán necesarios los expertos en esta materia, este es buen momento para informarte sobre nuestro Máster Universitario en Inteligencia Artificial y formarte para trabajar en un sector que está teniendo un gran desarrollo. Si quieres saber más sobre inteligencia artificial y estás pensando en formarte en un ámbito en auge y con muchas salidas profesionales, visita nuestro artículo Qué es y dónde se estudia ingeniería artificial para ser un profesional completo en el sector de la ciencia y la tecnología.