Presentación 1-

Huawei

-Beatriz Toribio Pineda

-David Fernando Contreras Bautista
-Sebastian Almazan Torres
La inteligencia artificial (IA) es una
rama de la informática que se
enfoca en crear máquinas que
puedan pensar y actuar de manera
similar a los humanos.

¿Qué es la IA?
Relación de
MachineLearning
y Deep Learning.
El deep learning: es un subconjunto del ML que utiliza
redes neuronales artificiales para realizar tareas de
aprendizaje. Las redes neuronales artificiales son
modelos de aprendizaje que se inspiran en el
funcionamiento del cerebro humano.
El machine learning: es una técnica de IA que permite a
las máquinas aprender y mejorar su rendimiento sin ser
explícitamente programadas. El ML se puede dividir en dos
categorías principales: aprendizaje supervisado y
aprendizaje no supervisado.
Tipos de IA.
Weak AI:
Sostiene que las maquinas inteligentes no
pueden razonar y resolver problemas, solo
parecen inteligentes, pero realmente no
tienen inteligencia real.
Strong AI:
Se consideran maquinas conscientes de sí
mismas, pueden pensar de forma
independiente a los problemas y encontrar
soluciones a los mismos, tienen un sistema de
valores y visiones del mundo, al igual que
instintos como los seres humanos como:
supervivencia y seguridad.
 Subcampos de la IA

Aprendizaje Aprendizaje
automático: Las máquinas Aprendizaje profundo: Máquinas
Lógica: Las máquinas
aprenden de datos sin ser automático: Máquinas aprenden de datos
razonan y toman decisiones.
explícitamente aprenden de datos. utilizando redes neuronales
programadas. artificiales.

Procesamiento del lenguaje Visión por

Robótica: Máquinas
natural: Máquinas entienden computadora: Máquinas ven
realizan tareas de manera
y procesan el lenguaje y comprenden el mundo que
autónoma.
humano. les rodea.
Aplicaciones de
la I. A.
 Aplicación de la visión por computadora.

La visión por computadora es la tecnología

más madura de la IA, para esto se incluye
clasificación de imágenes, dirección de
objetivos y segmentos de imágenes.

En el futuro se espera que la visión por

computadora entre en la etapa vanzada
de comprensión autónoma análisis y
toma de decisiones.
Aplicación del procesamiento por
voz.
Análisis de voz: El procesamiento por voz se
Reconocimiento de voz: El procesamiento
utiliza para analizar el habla humana en
por voz se utiliza para convertir el habla
busca de patrones o anomalías. Esta
humana en texto. Esta tecnología se utiliza
tecnología se utiliza en una variedad de
en una variedad de aplicaciones, como los
aplicaciones, como la detección de
asistentes virtuales, los sistemas de
trastornos del habla, la investigación
reconocimiento de voz y los chatbots.
lingüística y la segurida

Clasificación de voz: El procesamiento por

Síntesis de voz: El procesamiento por voz se
voz se utiliza para clasificar el habla humana
utiliza para generar voz humana a partir de
en categorías. Esta tecnología se utiliza en
texto. Esta tecnología se utiliza en una
una variedad de aplicaciones, como la
variedad de aplicaciones, como los sistemas
detección de emociones, la identificación de
de respuesta de voz interactiva (IVR), los
idiomas y la evaluación de la calidad de la
lectores de pantalla y los juegos.
voz.

Asistentes virtuales: Los
asistentes virtuales como Siri,
Alexa y Google Assistant
utilizan el PLN para entender
las instrucciones del usuario y
realizar tareas.
Aplicación del PNL
Chatbots: Los chatbots utilizan
el PLN para interactuar con los
usuarios de manera
conversacional.
Traducción automática: El PLN Respuesta a preguntas: El PLN Análisis de texto: El PLN se
se utiliza para traducir texto de se utiliza para responder a utiliza para analizar texto en
un idioma a otro. preguntas sobre un tema busca de patrones o anomalías.
específico.
 Aplicación a la seguridad
inteligente.
Detección de amenazas: La IA se puede utilizar para analizar grandes cantidades de datos en busca de patrones o
anomalías que puedan indicar una amenaza. Por ejemplo, la IA se puede utilizar para detectar ataques de malware,
intrusiones en redes y actividad sospechosa en videovigilancia.

Prevención de amenazas: La IA se puede utilizar para tomar medidas para prevenir ataques antes de que ocurran.
Por ejemplo, la IA se puede utilizar para identificar y bloquear direcciones IP maliciosas, bloquear intentos de
inicio de sesión no autorizados y alertar a los usuarios de posibles amenazas.

Respuesta a amenazas: La IA se puede utilizar para responder rápidamente a las amenazas cuando ocurren. Por
ejemplo, la IA se puede utilizar para aislar las redes comprometidas, contener los ataques y restaurar los
sistemas afectados.
Aplicación a un hogar inteligente.

Automatización: La IA se puede utilizar para automatizar tareas Control por voz: La IA se puede utilizar para controlar los
en el hogar, como encender y apagar las luces, controlar los dispositivos del hogar inteligente mediante comandos de voz. Esto
termostatos y cerrar las persianas. Esto puede ahorrar tiempo y puede ser conveniente para las personas con discapacidades o para
energía. quienes no quieren levantarse para usar un control remoto.
 Esto se conoce como un
supermercado con sensores,
cámaras, visión por computadora y
Aplicación en
algunos algoritmos para cancelar
el proceso de pago permitiendo a
la venta
los clientes recoger los productos minorista.
y salir.
Sesgo algorítmico.

Sesgo de selección: Este tipo de sesgo se

produce cuando los datos en los que se
entrena un algoritmo son sesgados. Por
ejemplo, si un algoritmo de reconocimiento
facial se entrena en un conjunto de datos que
contiene principalmente imágenes de hombres
blancos, es más probable que el algoritmo
clasifique erróneamente a las mujeres y las
personas de color como no humanas.
Modelos de
smaller deep
learning.
Esto tiene una gran cantidad de
parámetros, y tiene una menor
eficiencia de funcionamiento en
aplicaciones industriales.

Se proponen cada vez más

tecnologías de compresión del modelo
para comprimir aún más el tamaño del
modelo y garantizar el rendimiento.
 •Análisis de comportamiento: La IA se puede
utilizar para analizar el comportamiento de
los usuarios para detectar actividad
sospechosa. Por ejemplo, la IA se puede
utilizar para detectar inicios de sesión
inusuales, transferencias de dinero
sospechosas y patrones de clics anómalos.

•Vigilancia inteligente: La IA se puede

Mayor seguridad al utilizar para analizar imágenes y videos en
busca de amenazas. Por ejemplo, la IA se

compartir datos. puede utilizar para detectar personas

armadas, objetos sospechosos y
comportamiento delictivo.
Automatización en la oficina.

Procesamiento de datos: La IA se puede Gestión de tareas: La IA se puede

utilizar para automatizar tareas de utilizar para automatizar tareas de
procesamiento de datos, como la entrada gestión de tareas, como la asignación de
de datos, la clasificación de datos y el tareas, el seguimiento del progreso y la
análisis de datos. notificación de los plazos.

Comunicación: La IA se puede utilizar Servicio al cliente: La IA se puede

para automatizar tareas de utilizar para automatizar tareas de
comunicación, como la redacción de servicio al cliente, como la respuesta a
correos electrónicos, la programación de preguntas, la resolución de problemas y
reuniones y la gestión de citas. la prestación de asistencia.