por Jorge Reyes hace 3 años
149
Organigrama
La ingeniería artificial representa la revolución tecnológica más significativa desde la creación de la informática. Este campo abarca diversas aplicaciones y tipos de inteligencia artificial (
por Jorge Reyes hace 3 años
149
Ver más
La manipulación de la verdad, será uno de los peligros de la IA
Pero lo que genios de nuestro tiempo o gurús de la tecnología como Stephen Hawking. Bill Gates o Elon Musk temen, no es el mal uso de la IA, sino que la IA se vuelva demasiado lista, y decida prescindir de nosotros porque razone que somos un peligro para la vida en la Tierra, o innecesarios para su propia evolución. Aquello que Marvin Minsky ya auguraba en 1970: "puede que, con suerte, los ordenadores decidan tenernos como sus mascotas"
Hay que confiar en que los expertos harán lo correcto, y se establecerán mecanismos para que lA no se vuelva contra nosotros. Los beneficios serán innumerables, en campos tan dispares como la detección de enfermedades, descubrimientos de curas para el cáncer, soluciones al cambio climático, y mucho más.
Aprendizaje profundo
El aprendizaje profundo es un tipo de aprendizaje automático que va un poco más allá, con el objetivo de abarcar más y procesar más datos al mismo tiempo. El aprendizaje profundo usas redes neuronales para aprender usando capas de información cada vez más abstractas, como hacemos los humanos.
Si tiene que buscar manos en una foto por ejemplo, comienza con información sencilla, como separar según la forma, para diferenciarla de un pie. Pero irá añadiendo capas cada vez más abstractas y generales, hasta que al final sea capaz de responder a la pregunta, ¿qué es una mano? y ya no se equivocará. El aprendizaje profundo es esencial para trabajar con el Big Data, o grandes cantidades de datos.
Redes Neuronales
las redes neuronales intentan copiar el comportamiento de las neuronas, es decir, las células nerviosas que transmiten y procesan información en el cerebro. Es otra forma de aprender, y por tanto es un tipo de Aprendizaje automático.
Una neurona artificial es una entidad que recibe unos datos de entrada, les aplica una serie de operaciones matemáticas y un función de activación (una fórmula matemática), y genera un resultado. Es un mecanismo sencillo, pero la complejidad llega cuando millones de neuronas trabajan en paralelo para crear Redes Neuronales Artificiales, o RNA. Lo que las diferencia de un programa informático es que no siguen órdenes, sino que se asocian entre sí y cambian su entradas y salidas mediante el aprendizaje y error, según la tarea encomendadaSubtopic
Aprendizaje automático
El aprendizaje automático o aprendizaje de máquinas (Machine Learning) se ajusta perfectamente a la explicación teórica que hemos dado. Es la capacidad que tiene una IA, un software o un robot para aprender por su cuenta. El aprendizaje automático sigue los pasos clásicos de la IA: primero hay un aprendizaje, un entrenamiento que genera una experiencia, y una puesta en práctica que nos dice si la tarea se cumple o no con éxito.
Normalmente este aprendizaje automático suele ser de dos tipos: supervisado o no supervisado. En el primer caso hay un humano que le dice lo que hace bien o mal. En el no supervisado, es la propia IA la que tiene que aprender a descubrir lo que hace bien y lo que hace mal, en función de unas reglas. Se usa en los asistentes virtuales, el diagnóstico de enfermedades, detección de fraudes, videojuegos, análisis de Bolsa, etc.
Sustema experto.
Es una IA que intenta emular a un experto humano en una determinada materia. Desde un trabajador del servicio técnico a una recepcionista, un cinéfilo o un economista.
En primer lugar, debe aprender a realizar una tarea. Si va a usarse para identificar fotos de gatos debe procesar miles de fotos de gatos, para aprender a distinguirlos
A continuación, empieza el entrenamiento, poniendo en práctica esa teoría: recibes fotos de diferentes animales, y debe separar los gatos. Al principio fallará mucho, y habrá que decirle las fotos que acierta, y las que falla. Así la IA irá descubriendo por qué falla, e irá mejorando sus aciertos. Como más entrene, mejor lo hará.
Finalmente la IA será capaz de trabajar ella sola, sin recibir órdenes. Simplemente entregándole los datos de entrada (fotos) generará un resultado (fotos de gatos) sin que exista una lista de órdenes (programa) que le diga los pasos que tiene que realizar. Este tipo de estructura (aprendizaje, entrenamiento, y resultados) es común para las IAs que tienen que realizar tareas mecánicas y repetitivas, o que trabajan con el lenguaje humano, como un asistente virtual.
Durante más de medio siglo, los ordenadores, robots y otras máquinas han funcionado por medio de los programas o aplicaciones informáticas, cuya estructura básica apenas ha variado en todo este tiempo.
Un programa informático es solo una lista de órdenes que le dice al ordenador lo que tiene que hacer, Con un programa informático, una máquina no piensa. Simplemente, hace exactamente lo que le dicen. La gran revolución de la IA es que no recibe órdenes para obtener un resultado. Es ella la que, con unos datos de entrada, debe apañárselas para obtener los resultados. Como hemos visto, una inteligencia artificial intenta imitar el pensamiento humano. Cuando nacemos, nuestro cerebro es prácticamente un disco duro vacío. Necesita años de aprendizaje para aprender conceptos básicos, desde no orinarse encima a aprender a andar, a hablar, a sumar, y otras actividades más complejas. Aprendemos algo, ponemos en práctica esa teoria, fallando mucho al principio hasta que cogemos práctica y vamos mejorando con el tiempo
En su forma más simple, la IA es el intento de imitar la inteligencia humana usando un robot, o un software. Pero es un concepto muy vago, porque existen muchas ramificaciones
sistemas que actúan racionalmente, como los agentes inteligentes
Sistemas que usan la lógica racional, como los sistemas expertos
Sistemas que actúan como humanos, como los robots.
sistemas que piensan como humanos, como por ejemplo las redes neuronales artificiales
