II .

Campos relacionados
Además de AI, hay varios otros temas estrechamente relacionados que es
bueno conocer al menos por nombre. Estos incluyen aprendizaje
automático, ciencia de datos y aprendizaje profundo.

Se puede decir que el aprendizaje automático es un subcampo de IA, que

en sí mismo es un subcampo de la informática (tales categorías a menudo
son algo imprecisas y algunas partes del aprendizaje automático podrían
pertenecer igualmente o mejor a las estadísticas). El aprendizaje
automático permite soluciones de IA que son adaptativas. Se puede dar
una definición concisa de la siguiente manera:

Terminología clave

Aprendizaje automático
Sistemas que mejoran su rendimiento en una tarea determinada con más y
más experiencia o datos.
Aprendizaje profundoes un subcampo de aprendizaje automático, que en
sí mismo es un subcampo de IA, que en sí mismo es un subcampo de la
informática. Conoceremos el aprendizaje profundo con más detalle en el
Capítulo 5, pero por ahora tengamos en cuenta que la "profundidad" del
aprendizaje profundo se refiere a la complejidad de un modelo matemático,
y que la mayor potencia informática de las computadoras modernas ha
permitido a los investigadores aumentar esta complejidad para alcanzar
niveles que aparecen no solo cuantitativamente sino también
cualitativamente diferentes de antes. Como notará, la ciencia a menudo
involucra una serie de subcampos progresivamente más especiales,
subcampos de subcampos, etc. Esto permite a los investigadores
enfocarse en un tema en particular para que sea posible ponerse al día
con la cantidad cada vez mayor de conocimiento acumulado a lo largo de
los años y generar nuevos conocimientos sobre el tema, o en ocasiones,

La ciencia de datos es un término general reciente (término que cubre

varias subdisciplinas) que incluye aprendizaje automático y estadísticas,
ciertos aspectos de la informática que incluyen algoritmos,
almacenamiento de datos y desarrollo de aplicaciones web. La ciencia de
datos también es una disciplina práctica que requiere la comprensión del
dominio en el que se aplica, por ejemplo, en negocios o ciencia: su
propósito (lo que significa "valor agregado"), suposiciones básicas y
restricciones. Las soluciones de ciencia de datos a menudo implican al
menos una pizca de IA (pero generalmente no tanto como cabría esperar
de los titulares).
La robótica significa construir y programar robots para que puedan operar
en escenarios complejos del mundo real. En cierto modo, la robótica es el
último desafío de la IA, ya que requiere una combinación de prácticamente
todas las áreas de la IA. Por ejemplo:

 Visión por computadora y reconocimiento de voz para detectar el

entorno.
 Procesamiento del lenguaje natural, recuperación de información y
razonamiento bajo incertidumbre para procesar instrucciones y
predecir las consecuencias de posibles acciones.
 Modelado cognitivo y computación afectiva (sistemas que responden
a expresiones de sentimientos humanos o que imitan sentimientos)
para interactuar y trabajar junto con humanos

Muchos de los problemas de IA relacionados con la robótica se abordan

mejor mediante el aprendizaje automático, lo que hace que el aprendizaje
automático sea una rama central de la IA para la robótica.

Nota

¿Qué es un robot?
En resumen, un robot es una máquina que comprende sensores (que
detectan el entorno) y actuadores (que actúan sobre el entorno) que
pueden programarse para realizar secuencias de acciones. Las personas
acostumbradas a las representaciones de robots de ciencia ficción
generalmente piensan en máquinas humanoides que caminan con un paso
incómodo y hablan con un tono metálico y monótono. La mayoría de los
robots del mundo real actualmente en uso se ven muy diferentes, ya que
están diseñados de acuerdo con la aplicación. La mayoría de las
aplicaciones no se beneficiarían de que el robot tenga forma humana, al
igual que no tenemos robots humanoides para lavar los platos, sino
máquinas en las que colocamos los platos para lavarlos con chorros de
agua.

Puede que no sea obvio a primera vista, pero cualquier tipo de vehículo
que tenga al menos cierto nivel de autonomía e incluya sensores y
actuadores también se cuenta como robótica. Por otro lado, las soluciones
basadas en software, como un chatbot de servicio al cliente, incluso si a
veces se les llama "robots de software", no se cuentan como robótica
(real).
Sin respuesta
Ejercicio 2: taxonomía de IA
Una taxonomía es un esquema para clasificar muchas cosas que pueden
ser casos especiales entre sí. Hemos explicado las relaciones entre una
serie de disciplinas o campos y hemos señalado, por ejemplo, que el
aprendizaje automático generalmente se considera un subcampo de IA.

Una forma conveniente de visualizar una taxonomía es un diagrama de

Euler. Un diagrama de Euler (estrechamente relacionado con los
diagramas de Venn más familiares) consta de formas que corresponden a
conceptos, que se organizan de manera que la superposición entre las
formas corresponde a la superposición entre los conceptos (véase, por
ejemplo, Wikipedia: Diagrama de Euler ).

Tenga en cuenta que una taxonomía no necesita ser estrictamente

jerárquica. Una disciplina puede ser un subcampo de más de un tema
general más: por ejemplo, también se puede pensar que el aprendizaje
automático es un subcampo de estadísticas. En este caso, el concepto de
subcampo se colocaría en la superposición entre los temas más generales.

Su tarea: Construir una taxonomía en el ejemplo del diagrama de Euler

que se muestra a continuación que muestra las relaciones entre las
siguientes cosas: IA, aprendizaje automático, informática, ciencia de datos
y aprendizaje profundo.
Sin respuesta

Ejercicio 3: ejemplos de tareas

Considere los siguientes ejemplos de tareas. Intente determinar qué
campos relacionados con la IA están involucrados en ellos. Seleccione
todas las que correspondan. (Sugerencia: el aprendizaje automático
implica casi siempre algún tipo de estadística).

Nota: Este ejercicio tiene la intención de inspirarlo a pensar sobre los

diferentes aspectos de la IA y su papel en diversas aplicaciones. Como no
hay respuestas claras para muchas de estas preguntas, este ejercicio no
se incluirá en la calificación . Sin embargo, le sugerimos que haga lo mejor
que pueda e intente responder lo mejor que pueda, pero no se preocupe si
nuestras respuestas serán diferentes a las suyas.