artificial en varios tipos dependiendo de: • su fin • utilidad • método de funcionamiento.
Profesor Luis Vidal V.
Sistemas más básicos
• Diseñados para desempeñar una tarea específica y dentro de
un entorno que no suele cambiar con facilidad. • Por ejemplo: sistemas expertos, suelen consistir en robots instalados en plantas de producción.
Profesor Luis Vidal V.
Para comentar:
Inteligencia artificial dura o I.A.
Fuerte
Inteligencia artificial estrecha o I.A.
Débil Profesor Luis Vidal V. Sistemas un poco más avanzados • Los llamados sistemas NLP-NLU-NLG, o sea, procesadores de lenguaje natural, encargados de interpretar y dar respuestas empleando un lenguaje humano.
Profesor Luis Vidal V.
Inteligencia artificial especializada en la detección y elaboración de imágenes • Tecnología capaz de leer textos o rótulos o placas, reconocer formas y volúmenes. • Si se trata de identificar objetos dentro de una imagen, como, por ejemplo, caras, se trata de inteligencia de reconocimiento de imágenes. • Si, por el contrario, se trata de interpretar imágenes en movimiento, como puede ser en vídeos o en imágenes estereoscópicas capturadas en tiempo real, se habla de visión por computador o visión artificial.
Profesor Luis Vidal V.
Machine Learning • Por último, tendremos un tipo de inteligencia artificial más genérica, que se dedica a pensar sin necesidad de tener conectados sensores que proveen información sobre el mundo en tiempo real, llamada, machine learning. • Se trata de algoritmos que procesan datos históricos, archivos de información, en busca de patrones que lleven a conclusiones. • Esta búsqueda, que podríamos calificar de mental, puede producirse en dos escenarios.
Profesor Luis Vidal V.
Machine Learning
• En uno, la máquina tiene un encargo, una misión definida y unos
datos con los que trabajar. Una vez realizado el trabajo, una inteligencia humana indica dónde se han producido errores y modifica los algoritmos para reiterar la misma tarea. Es lo que se llama el aprendizaje supervisado.
Profesor Luis Vidal V.
Machine Learning
• Sin embargo, también es posible que un algoritmo de Machine
Learning especializado en, por ejemplo, agrupar grandes cantidades de datos, sea dejado a solas ante esos datos para que juegue con ellos a encontrar patrones, sin ninguna misión específica y, por lo tanto, sin nada que corregir después. Esta modalidad es la llamada aprendizaje no supervisado.
Profesor Luis Vidal V.
Ejemplo 1. IBM Watson Assistant
• La mayoría de los chatbots intentan imitar las interacciones humanas, lo
que puede frustrar a los usuarios cuando surge un malentendido. IBM Watson Assistant es más. Sabe cuándo buscar una respuesta de una base de conocimientos, cuándo pedir clarificar una pregunta y cuándo dirigir la consulta a un humano. IBM Watson Assistant puede ejecutarse en cualquier nube, lo que permite a las empresas llevar Inteligencia Artificial a sus datos y aplicaciones donde quiera que estén. Profesor Luis Vidal V. Ejemplo 2.Soporte a la seguridad de espacios públicos
• A partir del análisis por parte de algoritmos de Machine Learning, de los
vídeos grabados durante episodios de delitos pasados, este puede inducir un patrón de conducta habitual en los delincuentes y pasar ese análisis a máquinas equipadas con visión artificial, a partir de lo que capturan las cámaras de seguridad. • Cuando un patrón de comportamiento sospechoso típico de los instantes previos a un delito es detectado, se avisa a personal de la seguridad para que este esté atento y de este modo, pueda prevenir se cometa el delito.
Profesor Luis Vidal V.
Actividad
• Cree un asistente Virtual (básico) empleando IBM Watson
Assistant • Requisitos: • Cuenta de GMAIL • Cree una cuenta en https://cloud.ibm.com/ • Siga las instrucciones para habilitar el entorno • Se presenta una primera (básica) aplicación
Recree el ejercicio realizado en clase para la próxima sesión.