Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNITEC
La Inteligencia Artificial
Presentado por:
Presentado a:
Facultad:
Facultad de Ingeniería
Clase y Sección:
Ofimática Avanzada 33
Fecha de Entrega:
Sin embargo, hay ciertas diferencias. Por ejemplo, el machine learning se centra en la creación
de sistemas que aprenden o mejoran su rendimiento en función de los datos que consumen.
Es importante tener en cuenta que, aunque todo machine learning es IA, no toda la IA es
machine learning.
Para obtener el valor completo de la IA, muchas empresas están haciendo inversiones
significativas en equipos de ciencia de datos. La ciencia de datos combina estadísticas,
informática y conocimiento empresarial para extraer valor de distintos orígenes de datos.
La inteligencia artificial (IA) hace posible que las máquinas aprendan de la experiencia, se
ajusten a nuevas aportaciones y realicen tareas como seres humanos. La mayoría de los
ejemplos de inteligencia artificial sobre los que oye hablar hoy día – desde computadoras que
juegan ajedrez hasta automóviles de conducción autónoma – recurren mayormente al
aprendizaje profundo y al procesamiento del lenguaje natural. Empleando estas tecnologías,
las computadoras pueden ser entrenadas para realizar tareas específicas procesando grandes
cantidades de datos y reconociendo patrones en los datos.
La inteligencia artificial (IA) es la base a partir de la cual se imitan los procesos de inteligencia
humana mediante la creación y la aplicación de algoritmos creados en un entorno dinámico de
computación. O bien, dicho de forma sencilla, la IA consiste en intentar que los ordenadores
piensen y actúen como los humanos.
Sistemas computacionales
Datos y gestión de los mismos
Algoritmos de IA avanzados (código)
Cuanto mayor sea el parecido al comportamiento humano que queremos conseguir, más datos
y capacidad de procesamiento se necesitará.
Desde al menos el siglo I a.C., los humanos se han planteado la posibilidad de crear máquinas
que imiten al cerebro humano. Ya en la época moderna, John McCarthy acuñó el término
«inteligencia artificial» en 1955. En 1956, McCarthy y algunos otros organizaron una
conferencia denominada «Dartmouth Summer Research Project on Artificial Intelligence». Este
encuentro dio lugar a la creación del aprendizaje automático, el aprendizaje profundo, el
análisis predictivo y, ahora, el análisis prescriptivo. También dio lugar a un campo de estudio
totalmente nuevo: la ciencia de los datos.
Hoy en día, la cantidad de datos que se genera, tanto por parte de los humanos como por
parte de las máquinas, supera en gran medida la capacidad que tienen las personas de
absorber, interpretar y tomar decisiones complejas basadas en esos datos. La inteligencia
artificial supone la base de todo el aprendizaje automático y el futuro de todos los procesos
complejos de toma de decisiones. Por ejemplo, la mayoría de los humanos pueden averiguar
cómo no perder cuando juegan al tres en raya, aunque haya 255 168 movimientos únicos, de
los cuales 46 080 terminan en tablas. Muchos menos podrían llegar a ser grandes maestros de
las damas, con más de 500 x 1018 o 500 trillones de posibles movimientos diferentes. Los
ordenadores son extremadamente eficientes a la hora de calcular estas combinaciones y
permutaciones para llegar a la mejor decisión. La IA (y su evolución lógica del aprendizaje
automático) y el aprendizaje profundo constituyen los cimientos del futuro en la toma de
decisiones empresariales.
Otra influencia y fuente de inspiración para esta tecnología se encuentra en la ciencia ficción.
Los robots y las máquinas inteligentes aparecieron por primera vez en la literatura y el cine en
la década de 1920, y estos conceptos se han convertido en elementos básicos de la cultura
popular.
Algunas tecnologías con inteligencia existen desde hace más de 50 años, pero los avances en la
potencia informática, la disponibilidad de enormes cantidades de datos y los nuevos
algoritmos han permitido que se den grandes avances en este campo en los últimos años.
No es la única clasificación posible de los tipos de Inteligencia Artificial que existe. En su libro
"Inteligencia Artificial: Un Enfoque Moderno", Stuart J. Russell y Peter Norvig establecen
cuatro tipos de inteligencia artificial:
IA Débil: también conocida como IA IA Fuerte: está diseñada para tener IA Superinteligente: es un tipo de IA
estrecha. Son sistemas diseñados para una amplia gama de habilidades que superaría la inteligencia humana
realizar tareas específicas y limitadas, cognitivas y capacidad de aprendizaje en todos los aspectos. Este nivel de IA
como el reconocimiento de voz, la autónomo. Estos sistemas pueden sería capaz de comprender el mundo
identificación de imágenes o la realizar múltiples tareas y aprenden de una manera que está más allá de la
traducción de idiomas. No tienen de forma autónoma a medida que capacidad humana, y sería capaz de
capacidad de aprendizaje o interactúan con el entorno. La IA resolver problemas complejos a una
adaptación por sí mismos, y requieren fuerte tiene que tener la capacidad velocidad y eficiencia que los seres
ser programados para realizar una de razonar, planificar y tomar humanos no pueden alcanzar. Es una
tarea determinada. Su alcance es decisiones complejas en un amplio forma teórica de IA que aún no ha sido
limitado y no pueden realizar tareas espectro de situaciones. desarrollada en la práctica.
fuera de su campo de especialización.
Los desarrolladores emplean inteligencia artificial para realizar tareas de una forma más eficiente que, de otro modo, se realizarían manualmente:
comunicaciones con clientes, identificación de patrones y resolución de problemas. Para comenzar con la inteligencia artificial, los desarrolladores deben
contar con una formación en matemática y sentirse a gusto trabajando con algoritmos.
Al comenzar a utilizar inteligencia artificial para desarrollar aplicaciones, lo mejor es comenzar de a poco. Al diseñar un proyecto relativamente simple, como
un juego “Tres en línea”, aprenderá los conceptos básicos de la inteligencia artificial. Aprender con la práctica es una excelente forma de aumentar cualquier
habilidad, y la inteligencia artificial no es distinta en este aspecto. Luego de completar uno o más proyectos pequeños, no hay límites para la inteligencia
artificial.
3. Aplicaciones de inteligencia artificial (N1)
EJEMPLOS DE APLICACIONES DE IA
Compras por internet y La inteligencia artificial se usa mucho para crear recomendaciones personalizadas para los consumidores, basadas, por ejemplo, en sus
publicidad búsquedas y compras previas o en otros comportamientos en línea. La IA es muy importante en el comercio, para optimizar los
productos, planear el inventario, procesos logísticos, etc.
Búsquedas en la web Los motores de búsqueda aprenden de la gran cantidad de datos que proporcionan sus usuarios para ofrecer resultados de búsqueda
relevantes.
Asistentes personales Los teléfonos móviles smartphones usan la IA para un producto lo más relevante y personalizado posible. El uso de los asistentes
digitales virtuales que responden a preguntan, dan recomendaciones y ayudan a organizar las rutinas de sus propietarios se ha generalizado.
Traducciones automáticas Los programas de traducción de idiomas, basados tanto en texto escrito como oral, recurren a la inteligencia artificial para proporcionar
y mejorar las traducciones. La IA también se aplica a otras funciones, como el subtitulado automático.
Casas, ciudades e Los termostatos inteligentes aprenden de nuestro comportamiento para ahorrar energía, mientras que los desarrolladores de ciudades
infraestructuras inteligentes inteligentes esperan poder regular el tráfico para mejorar la conectividad y reducir los atascos.
Vehículos Aunque los vehículos de conducción autónoma no están generalizados todavía, los coches utilizan ya funciones de seguridad impulsadas
por lA IA. Por ejemplo, la UE ayudó en la financiación del sistema de asistencia a la conducción basado en visión VI-DAS, que detecta
posibles situaciones peligrosas y accidentes.
Ciberseguridad Los sistemas de inteligencia artificial pueden ayudar a reconocer y luchar contra los ciberataques y otras amenazas en línea basándose
en los datos que reciben continuamente, reconociendo patrones e impidiendo los ataques.
La inteligencia artificial para La IA se ha utilizado en las cámaras termográficas instaladas en los aeropuertos y en otros lugares. En medicina, puede ayudar a
luchar contra la Covid-19 reconocer una infección de los pulmones a partir de una prueba llamada tomografía computarizada. También se ha utilizado para
proporcionar datos para rastrear la propagación de la enfermedad.
Lucha contra la Algunas aplicaciones de la inteligencia artificial pueden detectar noticias falsas y desinformación al extraer información de las redes
desinformación sociales, buscar palabras sensacionales o alarmantes e identificar qué fuentes en línea se consideran autorizadas.
4. ¿Por qué es importante la inteligencia artificial? (N1)
La inteligencia artificial analiza más datos y datos más profundos empleando redes neuronales
que tienen muchas capas ocultas. Construir un sistema de detección de fraude con cinco capas
ocultas era casi imposible hace unos años. Todo eso ha cambiado con increíble poder de
cómputo y el Big Data. Se necesitan muchos datos para entrenar modelos de aprendizaje
profundo porque aprenden directamente de los datos. Cuantos más datos les pueda
proporcionar, más precisos se vuelven.
La inteligencia artificial logra una increíble precisión a través de redes neuronales profundas –
lo cual antes era imposible. Por ejemplo, sus interacciones con Alexa, Google Search y Google
Photos están todas basadas en el aprendizaje profundo – y se siguen volviendo más precisas
cuanto más las usamos. En el campo de la medicina, las técnicas de inteligencia artificial del
aprendizaje profundo, clasificación de imágenes y reconocimiento de objetos se pueden
emplear ahora para detectar cáncer en MRIs (imágenes de resonancia magnética) con la
misma precisión que radiólogos altamente capacitados.
La inteligencia artificial saca el mayor provecho de los datos. Cuando los algoritmos son de
autoaprendizaje, los datos mismos pueden volverse de propiedad intelectual. Las respuestas
están en los datos; usted sólo tiene que aplicar inteligencia artificial para sacarlas a la luz.
Como el rol de los datos es ahora más importante que nunca antes, pueden crear una ventaja
competitiva. Si tiene los mejores datos en una industria competitiva, incluso si todos aplican
técnicas similares, los mejores datos triunfarán.
Dado que el deep learning y el machine learning tienden a ser utilizados indistintamente, vale
la pena señalar sus diferencias. Como se mencionó anteriormente, ambos son subcampos de la
inteligencia artificial, y el deep learning es en realidad un subcampo del machine learning.
La diferencia entre el deep learning y el machine learning es cómo aprende cada algoritmo. El
deep learning automatiza gran parte de la fase de extracción de características del proceso, lo
que elimina parte de la intervención humana manual necesario y permite el uso de conjuntos
de datos más grandes. El deep learning se podría considerar como "machine learning
escalable", tal como Lex Fridman señaló en la misma conferencia del MIT mencionada
anteriormente. El machine learning tradicional, o "non-deep", depende más de la intervención
humana para aprender. Los expertos humanos determinan la jerarquía de características para
comprender las diferencias entre las entradas de datos, lo que por lo general requiere más
datos estructurados para aprender.
El "deep" machine learning puede utilizar los conjuntos de datos etiquetados, también
conocidos como aprendizaje supervisado, para informar a su algoritmo, pero no requiere
necesariamente un conjunto de datos etiquetados. Puede ingerir datos no estructurados en su
forma original (como por ejemplo texto o imágenes) y puede determinar automáticamente la
jerarquía de características que distinguen diferentes categorías de datos. A diferencia del
machine learning, no requiere intervención humana para procesar datos, lo que permite
escalarlo de maneras más interesantes.
5. Aplicaciones de inteligencia artificial (N1)
Hoy en día existen numerosas aplicaciones prácticas de sistemas de IA. Algunos de los
ejemplos más comunes son:
Muchos dispositivos móviles incorporan el reconocimiento del habla en sus sistemas para
realizar búsquedas por voz, por ejemplo, Siri, o proporcionar más accesibilidad en torno a los
mensajes de texto.
Los agentes virtuales en línea están reemplazando a los agentes humanos en la experiencia del
cliente. Responden a preguntas frecuentes de diferentes temas (como el envío) o
proporcionan asesoramiento personalizado, realizan venta cruzada de productos o sugieren
tallas para los usuarios, cambiado la forma de interactuar con los clientes en los sitios web y las
plataformas de redes sociales.
Esta tecnología de IA permite que las computadoras y los sistemas obtengan información
significativa de imágenes digitales, videos y otras entradas visuales, y que actúen con base en
ellas. Esta capacidad de proporcionar recomendaciones lo distingue de las tareas de
reconocimiento de imágenes. Impulsada por redes neuronales convolucionales, la visión
artificial se puede aplicar en el etiquetado de fotos en redes sociales, las imágenes radiológicas
en la salud y los vehículos autónomos en la industria automotriz.
5.5. Comercio bursátil automatizado (N2) Diseñado para optimizar las carteras de
acciones, las plataformas bursátiles de alta frecuencia impulsadas por IA hacen miles
o incluso millones de operaciones por día sin intervención humana.