INTELIGENCIA ARTIFICIAL

Introducción a la IA

Ingeniería Informática
Corporación Universitarias Autónoma de Nariño

Jan Carlos Murillo Potes

Jcarlosmurillo01@gmail.com
 Taller No 1 - Introducción a la I.A
1. Explica la importancia de los datos en la I.A:
Los datos son extremadamente importantes para la inteligencia artificial por
varias razones. La IA se basa en el aprendizaje automático, lo que significa que
los algoritmos de la IA aprenden de los datos. Es decir, la IA necesita ser
entrenada con grandes cantidades de datos para aprender a realizar tareas
específicas. Por ejemplo, un algoritmo de reconocimiento de imágenes necesita
ser trabajado con millas de imágenes para poder reconocer y clasificar
imágenes nuevas con precisión.
En segundo lugar, los datos son fundamentales para la toma de decisiones en
la IA. La IA a menudo se utiliza para analizar grandes conjuntos de datos y
encontrar patrones que los humanos no pueden ser capaces de detectar. Estos
patrones pueden ayudar a los tomadores de decisiones a identificar
oportunidades y riesgos, ya tomar decisiones informadas basadas en datos.
En resumen, los datos son esenciales para el éxito de la IA. Sin datos de alta
calidad, la IA no puede aprender, mejorar su precisión y rendimiento, ni ayudar
a los tomadores de decisiones a tomar decisiones informadas basadas en
datos. Por lo tanto, es crucial que se recopilen, almacenen y utilicen los datos
de manera adecuada para aprovechar al máximo de la IA.

2. Explica los tipos de datos en la IA, datos estructurados y datos no

estructurados:
En la inteligencia artificial, los datos se pueden clasificar en dos categorías
principales: datos estructurados y datos no estructurados.
Los datos estructurados son datos que se organizan en un formato
predefinido, como en una tabla o una base de datos. Estos datos se pueden
analizar fácilmente utilizando herramientas de análisis de datos, como hojas de
calculo y bases de datos relacionales. Algunos ejemplos de datos
estructurados incluyen información de clientes, registros financieros y datos de
ventas.
Por otro lado. Los datos no estructurados son datos que no tienen una
estructura predefinida o no se ajustan a una tabla o base de datos. Estos datos
son más difíciles de analizar y procesar debido a su naturaleza desorganizada
y variada. Algunos ejemplos de datos no estructurados incluyen texto en
documentos, Imágenes, audios y video.
El análisis de datos estructurados es más fácil y se ha utilizado durante mucho
tiempo en análisis de negocios y financieros, pero la capacidad de procesar y
analizar datos no estructurados se ha vuelto cada vez más importante en el
ámbito de la inteligencia artificial. Algunas técnicas de procesamiento de
lenguaje natural, visión por computadora y reconocimiento de voz se utilizan
para analizar datos no estructurados, y se han desarrollado técnicas avanzadas
de aprendizaje automático para analizar y extraer información útil de esos
datos.

3. Que es el Big data y como ayuda a la I.A

El Big Data se refiere a conjuntos de datos extremadamente grandes y
complejos que no pueden ser procesados o analizados mediante herramientas
de procesamiento de datos tradicionales. Estos conjuntos de datos son
generados a partir de diversas fuentes, incluyendo dispositivos conectados a
Internet, aplicaciones móviles, redes sociales, sensores y sistemas
empresariales.
La inteligencia artificial se beneficia enormemente del Big Data, ya que el
procesamiento de grandes conjuntos de datos es fundamental para el
aprendizaje automático y el desarrollo de algoritmos de inteligencia artificial
precisos. Los algoritmos de aprendizaje automático pueden analizar grandes
conjuntos de datos para identificar patrones y relaciones que no serían
detectados por humanos, lo que les permite aprender y mejorar su rendimiento.
Además, la combinación de Big Data y la inteligencia artificial permite el
desarrollo de soluciones más precisas y personalizadas. Por ejemplo, en el
campo de la salud, los datos de pacientes de todo el mundo se pueden analizar
para detectar patrones de enfermedades y para desarrollar tratamientos
personalizados. En el campo del comercio electrónico, el análisis de grandes
conjuntos de datos puede ayudar a las empresas a comprender mejor a sus
clientes y a ofrecer productos y servicios más personalizados.
En resumen, el Big Data y la inteligencia artificial están estrechamente
relacionados y se benefician mutuamente. El Big Data proporciona la gran
cantidad de datos necesarios para desarrollar algoritmos de aprendizaje
automático precisos, y la inteligencia artificial permite el análisis y la
interpretación de grandes conjuntos de datos en tiempo real.

4. Empresas como Google y Facebook trabajan muy fuerte en la I.A,

nombra y explica algunas de sus implementaciones.

Sí, es cierto que empresas como Google y Facebook han estado invirtiendo
duro en la investigación y el desarrollo de la Inteligencia Artificial (IA) en los
últimos años. Aquí hay algunas implementaciones de IA interesantes que
han llevado a cabo estas compañías:

Google Translate: Google ha estado trabajando en la traducción

automática desde hace varios años y su herramienta Google Translate es
uno de los sistemas de traducción automática más populares del mundo.
Utiliza técnicas avanzadas de aprendizaje automático para mejorar
continuamente la calidad de sus traducciones en más de 100 idiomas.

Google Assistant: Google Assistant es un asistente virtual que utiliza la

tecnología de reconocimiento de voz y de procesamiento del lenguaje
natural para ayudar a los usuarios a realizar diversas tareas como hacer
reservas, buscar información en línea, etc. También puede interactuar con
otros dispositivos inteligentes en el hogar, como el termostato, las luces y
los electrodomésticos.

Sí, Facebook también está invirtiendo en la investigación y el desarrollo de

la Inteligencia Artificial (IA) y ha implementado diversas aplicaciones
interesantes. A continuación, se mencionan algunas de las
implementaciones más importantes de Facebook en IA:

Reconocimiento facial: Facebook utiliza técnicas avanzadas de

reconocimiento facial para identificar a las personas en las fotos y sugerir
etiquetas. La red social también utiliza la tecnología de reconocimiento
facial para detectar y eliminar imágenes inapropiadas o que violen sus
políticas.

News Feed: El algoritmo de News Feed de Facebook utiliza técnicas de

aprendizaje automático para personalizar el contenido que se muestra a los
usuarios. El algoritmo analiza el comportamiento de los usuarios en la
plataforma, como los gustos, los comentarios y las interacciones.