Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRABAJO INDIVIDUAL
Código: 98.713.087
Ingeniería de Sistemas.
El Bagre (Ant)
2020
Introducción
Este informe investigativo que tiene como temas principales el Aprendizaje Automático (AA, o
Machine Learning, por su nombre en inglés) es la rama de la Inteligencia Artificial que tiene como
objetivo desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata
información suministrada en forma de ejemplos. Es, por lo tanto, un proceso de inducción del
conocimiento, es decir, un método que permite obtener por generalización un enunciado general a partir
en la lógica.
conocimiento para interpretar frases en la lógica para poder derivar inferencias de ellas) tenemos que
hacer elecciones a lo largo de un número de ámbitos de diseño. La decisión más importante que hay que
tomar es la expresividad de la representación del conocimiento. Cuanto más expresiva es, decir algo es
más fácil y más compacto. Sin embargo, cuanto más expresivo es un lenguaje, más difícil es derivar
inferencias automáticamente de él. Un ejemplo de una representación del conocimiento poco expresiva
es la lógica proposicional. Un ejemplo de una representación del conocimiento muy expresiva es la
lógica autoepistémica. Las representaciones del conocimiento poco expresivas pueden ser tanto
completas como consistentes (formalmente menos expresivas que la teoría de conjuntos). Las
que la soporte, que pueda hacer las inferencias que necesita una aplicación dentro de los límites de
recursos del problema a tratar. Los desarrollos recientes en la representación del conocimiento han sido
representación del conocimiento basados en XML, que incluyen Resource Description Framework
(RDF), RDF Schema, DARPA Agent Markup Language (DAML), y Web Ontology Language (OWL).
Cuyo objetivo fundamental es representar el conocimiento de una manera que facilite la inferencia
(sacar conclusiones) a partir de dicho conocimiento. Analiza cómo pensar formalmente cómo usar un
sistema de símbolos para representar un dominio del discurso (aquello de lo que se puede hablar), junto
con funciones que permitan inferir (realizar un razonamiento formal) sobre los objetos.
compuestas por objetos explícitos (la clase que contiene a todos los elefantes, o Jacobo un individuo en
concreto), y de afirmaciones sobre ellos ('Jacobo es un elefante', o 'todos los elefantes son grises').
Representar el conocimiento en un a forma explícita como esta permite a los ordenadores sacar
Muchos métodos de representación del conocimiento fueron probados a lo largo de la década de 1970
hasta principios de los años 80, cómo responder a preguntas usando heurísticas, redes neuronales,
demostraciones de teoremas, y sistemas expertos, con un grado variable de éxito. La diagnosis médica
(por ejemplo Mycin) fue un área importante de aplicación, al igual que lo fueron juegos como el ajedrez.
En los años 80, surgieron lenguajes formales de programación y sistemas de representación del
conocimiento. Grandes proyectos se llevaron a cabo para intentar codificar grandes masas de
conocimiento general, por ejemplo, el proyecto "Cyc" (todavía activo) tomó un gran enciclopedia
codificando no la información en sí, sino la información que un lector necesitaría para poder entender la
enciclopedia: física elemental, nociones de tiempo, causalidad, motivación; objetos comunes y clases de
objetos.
lingüística mucho más grandes, y estas, junto con los grandes incrementos en velocidad y capacidad de
computación, hicieron las representación del conocimiento más profundas más factibles.
proposiciones y lógica básica, y puede derivar conclusiones de premisas conocidas. KL-ONE (años 80)
está más orientado a la representación del conocimiento en sí. En 1995, se desarrolló el estándar de
estructura de los documentos, como el SGML (del que desciende el HTML) y más tarde XML. Estos
facilitaron los esfuerzos de recuperación de información y minería de datos, que en años recientes
incluyendo RDF, RDF Schema, DARPA Agent Markup Language (DAML), y Web Ontology Language
(OWL).
2. Aprendizaje profundo
Inteligencia Artificial.
artificial. En entrevista concedida al Financial Times decía que el talento escasea en la academia gracias
a la gran fuga que se genera y aumenta por la demanda de conocedores del tema en las grandes empresas
de tecnología en el mundo. Lo cierto es que la gran industria se está llevando a los grandes talentos para
sus compañías brindándoles grandes puestos y altos sueldos dejando a la academía en una situación de
desventaja: se necesita más tiempo y mayores recursos para seguir avanzando en el tema de Inteligencia
Es una manera de analizar grandes datos que permite a las computadoras aprender. El aprendizaje
profundo se basa en teorías acerca de cómo funciona el cerebro humano, se fundamenta en ideas
sencillas y básicas para después basarse en ellas como por ejemplo cuando un bebé aprende algunos
sonidos, después reconoce palabras y finalmente construye oraciones y habla. Este conjunto de
algoritmos es parte de un conjunto más amplio de métodos de aprendizaje automático que se basan en
Tiene una relevancia en el campo de la Inteligencia Artificial porque se trata del uso de redes neuronales
que mejoran la calidad de vida de los seres humanos. Por ejemplo: con reconocimiento de voz, con el
procesamiento del lenguaje natural y la visión por el computador. En los últimos años, el aprendizaje
profundo ha contribuido con grandes avances en la ciencia, logrando avanzar en áreas como la
percepción de los objetos, el reconocimiento de voz y la traducción automática, temas que desvelan a
Bien lo decia Bengio, las grandes empresas tecnológicos van detrás de los grandes pensadores del tema
Tal es el caso de Google y Facebook, dos de los más grandes del mundo de la tecnología.
En el 2011, Google crea su ‘Google Brain Team’ y su lema nos explica cuál es el verdadero sentido de
este espacio: make machines intelligent. Improve people’s lives (Hacemos que las máquinas sean
inteligentes. Mejoramos la vida de las personas). El propósito es crear una red con libertad de
investigación y sobre todo con difusión abierta. Se centra en siete áreas principales de investigación y
dentro de su equipo se encuentra uno de los más grandes investigadores de Inteligencia Artificial:
Geoffrey E. Hinton.
Facebook Research AI (FAIR) Las investigaciones se concentran en crear soluciones que faciliten la
identificación de rostros en contenidos audiovisuales e imágenes que son publicadas diariamente en la
red social.
Recientemente el presidente de Facebook, Mark Zuckerberg, anunció que donaría 25 servidores para
contribuir con las investigaciones y trabajos sobre inteligencia artificial. Los equipos que cuentan con
ocho procesadores gráficos y permiten hacer cálculos complejos se repartirán por grandes centros de
investigación, los primeros cuatro llegarán al laboratorio de la Universidad Técnica de Berlín para
2012 lanzó un software que traducía del inglés al mandarín casi al instante; también está Siri una
aplicación que ofrece interacción conversacional que nace en el 2007 pero reaparece adquirida por
IBM hizo lo suyo con WATSON, un sistema informático para la búsqueda de respuestas que es capaz de
responder preguntas formuladas en lenguaje natural. El objetivo de este sistema, según IBM, es que las
computadoras empiecen a interactuar con los humanos apoyándose en una gran cantidad de aplicaciones
A continuación, me gustaría daros a conocer algunos de los rasgos o características que conforman la
Estas y otras características se alejan del modelo de aprendizaje superficial que se caracterizaría por:
Motivación extrínseca, donde el principal objetivo es aprender para aprobar una asignatura.
Ausencia de reflexión.
Ahora que sabemos qué es el aprendizaje profundo y qué características presenta, es el momento de dar
a conocer qué estrategias facilitan dicho aprendizaje. Entre las más importantes estarían:
transmisor de información.
3. Aprendizaje Automático
El aprendizaje automático se refiere al proceso por el cual los ordenadores desarrollan el reconocimiento
de patrones o la capacidad de aprender continuamente y hacer predicciones basadas en datos, tras lo cual
realizan ajustes sin haber sido programados específicamente para ello. Como forma de inteligencia
móviles que dan seguimiento a la salud y a los objetivos de bienestar, hasta vehículos de conducción
desperdicio de tiempo y energía, el Internet de las cosas (IoT) es una gran promesa, y el aprendizaje
automático puede ayudar a dar sentido a este aumento significativo en los datos.
Valiosas experiencias del consumidor: el aprendizaje automático permite que los motores de
búsqueda, las aplicaciones web y otras tecnologías adapten los resultados y las recomendaciones para
que coincidan con las preferencias de los usuarios, creando experiencias personalizadas agradablemente
logren un rendimiento en tiempo real para sus cargas de trabajo de inteligencia artificial. El sistema
HPE Apollo 6000 es una plataforma de aprendizaje profundo diseñada para ofrecer un rendimiento y
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 habilidades humanas en muchas áreas, como el reconocimiento de imágenes y del habla y el
1. Disney
Los huéspedes de los parques de Disney usan las pulseras MagicBand como llaves de la habitación,
boletos y pago. La pulsera recopila información de dónde se encuentran los huéspedes en el parque para
2. Progresivo
La compañía de seguros utiliza la telemática para rastrear los hábitos e historial de conducción de sus
clientes, lo que ayuda a predecir el riesgo de sufrir un accidente y ofrece políticas más precisas y
personalizadas.
3. Burberry
Los accesorios de lujo de Burberry son algunos de los más falsificados del mundo. La compañía utiliza
el reconocimiento de imágenes para escanear solo una pequeña sección de un bolso y determinar su
4. American Express
AmEx detecta el fraude en tiempo real al analizar rápidamente millones de transacciones para
determinar qué cargos no son reales. El servicio rápido significa que los clientes pueden resolver el
5. Netflix
El gigante de la transmisión recomienda programas basados en las preferencias, los datos demográficos
y el historial de cada espectador. El setenta y cinco por ciento de lo que la gente ve proviene de
recomendaciones.
6. North Face
La marca de equipo para actividades al aire libre utiliza un comprador personal con aprendizaje
automático para ayudar a los clientes a encontrar el abrigo perfecto. Simplemente escriba a dónde va,
7. BMW
Cuanto más conduzcas un BMW mejorado por la IA, más aprenderá de ti. El automóvil utiliza el
aprendizaje automático para ajustar automáticamente los sistemas y la experiencia de cabina para cada
conductor.
8. Yelp
Los usuarios de Yelp pasan más tiempo mirando fotos que cualquier otra cosa. El sitio de revisión utiliza
el aprendizaje automático para clasificar sus imágenes de modo que los usuarios puedan ver fácilmente
9. HubSpot
HubSpot utiliza el aprendizaje automático para identificar los eventos desencadenantes de sus clientes
B2B, como nuevos líderes o cambios estructurales. Utiliza esos datos para lanzar servicios que
El banco agiliza la correspondencia con el aprendizaje automático que analiza documentos y extrae
información importante. En lugar de tomar horas para revisar documentos complicados, los clientes
11. Starbucks
La aplicación recuerda las bebidas favoritas de cada cliente y se adapta a sus preferencias para que todos
tengan una experiencia única y conveniente. Los clientes pueden pedir fácilmente sus bebidas favoritas a
12. Nike
Cuando los clientes diseñan sus propios zapatos en la tienda, están haciendo más que solo crear el par
perfecto de zapatillas. El programa también recopila información para recomendar otros estilos de
El proceso automatizado de identificación del producto de Urban Outfitters etiqueta cada producto en
función de características detalladas como la impresión, el escote y el ajuste, lo que facilita a los clientes
14. MedWhat
En lugar de esperar a un médico, los usuarios pueden chatear con el MedWhat chatbot en cualquier
momento del día o de la noche. El bot utiliza el aprendizaje automático para proporcionar diagnósticos
15. Instagram
El aprendizaje automático es enorme para la publicidad dirigida en Instagram, pero también ayuda a
eliminar comentarios ofensivos al buscar patrones y ciertas palabras. Eliminar spam y recomendar
16. Uber
El servicio de paseo compartido está impulsado por datos. Los algoritmos utilizan datos de viajes
anteriores para hacer coincidir a los pasajeros y conductores y determinar cuánto tardarán en llegar los
17. TechCrunch
El chatbot de TechCrunch hace que sea fácil mantenerse al día con las noticias de tecnología. El bot
rastrea los artículos que cada persona lee y entrega nuevos artículos que les gustaría. Ayuda a reducir la
Un asombroso 35% de las ventas de Amazon provienen de recomendaciones. El sitio web rastrea la
visualización y el historial de compras de cada cliente para encontrar los productos adecuados para
recomendar.
19. Pinterest
¿Tienes una receta para compartir o un arte para crear? Los algoritmos de Pinterest utilizan el
aprendizaje automático para conectar a los usuarios con otro contenido que pueda interesarles y, al
Los clientes pueden obtener fácilmente información rápida a través del chatbot de AI. En lugar de
completar formularios largos, un chat rápido con el bot puede conectarse a los detalles de la cuenta o al
mantenimiento.
Las muchas aplicaciones de Machine Learning lo convierten en una herramienta poderosa para crear
Este informe logro comprender considerable por el aprendizaje automático y su gran importancia en
enfoque más eficiente en el mundo de la tecnología que se basa en un paradigma multinivel. Como se
ha comentado, ya estamos usando aunque pasen desapercibidos estos algoritmos en muchas de las
facetas de nuestra vida diaria, en aplicaciones totalmente integradas con nuestros dispositivos, pero su
uso va a ir mucho más allá, y los investigadores siguen trabajando en algoritmos cada vez más perfectos.
Con el acceso cada vez más fácil a estas tecnologías por parte de cualquiera, las ventajas competitivas
son tan importantes que ninguna empresa tecnológica podrá despreciar su utilización.
Referencia Bibliográfica.
https://es.wikipedia.org/wiki/Representaci%C3%B3n_del_conocimiento
https://es.slideshare.net/equipoUFTsis2/formas-de-representacion-del-conocimiento
http://todoesciencia.minciencias.gov.co/aprende/innovacion/que-es-el-aprendizaje-profundo
https://www.hpe.com/lamerica/es/what-is/machine-learning.html
utilizado-en-la-experiencia-del-cliente/