Connect with us

Hi, what are you looking for?

BLOG

Inteligencia Artificial Desde Cero: Todo lo que Necesita Saber para Entender la Inteligencia Artificial

A veces parece que cualquier otro sitio web, aplicación o herramienta de productividad está citando a la Inteligencia Artificial (IA) como el ingrediente secreto en su receta para el éxito. Lo que es menos común es una explicación de qué es la IA, por qué es tan genial y cómo las empresas la aprovechan para brindar mejores experiencias de usuario.

Si no sabes mucho acerca de la IA, la ausencia de una explicación puede ser confusa. Si te inclinas por el miedo a un apocalipsis instigado por computadora, incluso puede dar miedo. La inteligencia artificial es complicada y está en constante evolución, pero eso no significa que deba ser confusa o que cause ansiedad, especialmente cuando no se trata de su información personal.

La IA es una tecnología que parece pensar como tú

La IA en su forma más básica es cualquier tecnología que esté diseñada para funcionar de manera que imite la forma en que operan los humanos. La IA disponible hoy en día no se trata de replicar perfectamente un cerebro humano y ponerlo en un chip de computadora. Más bien, la parte ‘humana’ tiene que ver con la salida, o con lo que el usuario interactúa directamente. Las formas de software que utilizan la IA se esfuerzan por hacer que la experiencia del usuario sea lo más parecida a interactuar con un humano, incluso hasta el punto de la curva de aprendizaje del ser humano.

Como los humanos, los sistemas de inteligencia artificial no nacen perfectos. Tienen que aprender y adaptarse, y todo eso se hace de la misma manera que los humanos aprenden y se adaptan: tomando información o datos, procesándolos y almacenándolos para futuras referencias. Es como cuando un niño pequeño toca una estufa caliente. Su cerebro registra el dolor y toma nota para no volver a hacerlo. La IA no es muy diferente.

Redes neuronales

Al profundizar, la IA en sí misma es en realidad el círculo más grande y más externo en una serie de cuatro círculos concéntricos. El siguiente círculo anidado dentro de AI es ML, o Machine Learning. ML es, como era de esperar, la parte de aprendizaje de la IA, pero el ML depende en sí mismo del siguiente círculo dentro de él, o Deep Learning (DL). Pero no se detiene allí, el cuarto y más íntimo círculo, y en el que cada otro círculo cuenta, es la idea de Redes neuronales.

Cada parte de la IA está inspirada en la mente humana, pero las Redes neuronales son la aplicación más clara y tangible de ese pensamiento. Un cerebro humano en funcionamiento es tan impresionante porque está hecho de muchas cosas que tienen trabajos simples, pero las coloca en capas para hacer que sucedan cosas grandes. El cerebro tiene miles de millones de neuronas que están conectadas entre sí por billones de sinapsis. La magnitud de la operación hace que sea muy difícil de replicar, pero eso es exactamente lo que los científicos, matemáticos y expertos están tratando de hacer a través de las Redes neuronales.

Esto es solo el comienzo para la IA

Las redes neuronales están avanzando, pero todavía tienen un largo camino por recorrer, que afecta a todas las otras piezas del rompecabezas de la IA. El avance del Aprendizaje Profundo y el Aprendizaje Automático dependen de la expansión y mejora de las Redes Neuronales, y el ritmo del progreso limita la Inteligencia Artificial. En este momento, los programas pueden parecer humanos en el sentido de que pueden aprender a ser más intuitivos. Por ejemplo, los asistentes virtuales de IA como Amy, creados por x.ai, pueden ayudarlo a reservar reuniones y programar citas, Siri de Apple puede responder preguntas básicas y Diamond puede ayudarlo a administrar y ubicar sus correos electrónicos y archivos dispersos a través de un motor de búsqueda centralizado, pero aunque estos programas son impresionantes, no son creativos y no pueden tomar decisiones más allá de lo que están programados para hacer.

Esta es la razón por la que la IA que tenemos en este momento se llama “IA débil” o Inteligencia Estrecha Artificial (ANI). ANI se limita a una sola tarea y no es consciente de sí mismo. Puede imitar la forma en que los humanos piensan y comunican sus ideas (Siri, por ejemplo, se comunica verbalmente y mediante texto), pero tiene una capacidad limitada para pensar realmente como un humano.

ANI ya es bastante bueno, pero los expertos se esfuerzan por lograr la creación de Inteligencia General Artificial (AGI), programas que podrán razonar, planificar y manejar conceptos complejos, y luego la Súper Inteligencia Artificial (ASI), programas que son Más inteligente que todas las mentes colectivas en la tierra. AGI podrá pensar a la escala y la velocidad de un cerebro humano, pero ASI será la población humana de la Tierra en ese momento: 7,3 mil millones. Tanto AGI como ASI serán, al menos teóricamente, creativos, sociales y capaces de aprender más allá de sus funciones programadas.

Esta es normalmente la parte donde algunas personas se ponen nerviosas. La idea de que cualquier tecnología se vuelva más inteligente que su creador lleva la historia de Frankenstein a un nuevo nivel, pero no tiene que ser apocalíptico. A medida que nuestra tecnología progrese, la forma en que viven y trabajan los humanos cambiará, lo que abrirá oportunidades para una mayor innovación y avance.

Pero aún no hemos llegado

El desarrollo de la IA ya ha recorrido un largo camino, pero aún nos queda un largo camino por recorrer hasta que tengamos que preocuparnos por superar las capacidades de la mente humana. Tenemos mucho que aprender sobre cómo funcionan nuestros propios cerebros antes de poder construir algo que realmente los imite, pero ANI ya está en uso en todo el lugar. Está en los frenos antibloqueo de nuestros sistemas de automóviles, alimenta a Google, controla los filtros de spam, acciona el piloto automático y es la clave detrás del servicio de música Pandora y el motor de conocimiento Wolfram Alpha. Cuando juegas scrabble contra “la computadora”, eso es ANI en el trabajo.

El progreso de la inteligencia artificial es asombroso. Los esfuerzos para promover los conceptos de inteligencia artificial en los últimos 20 años han dado como resultado algunas innovaciones realmente sorprendentes. Big data, investigación médica y vehículos autónomos son solo algunas de las increíbles aplicaciones que surgen del desarrollo de AI.

Para comprender algunos de los conceptos más profundos, como la minería de datos, el procesamiento del lenguaje natural y el software de conducción, debe conocer los tres conceptos básicos de inteligencia artificial: aprendizaje automático, aprendizaje profundo y redes neuronales. Si bien la IA y el aprendizaje automático pueden parecer términos intercambiables, la IA generalmente se considera el término más amplio , con el aprendizaje automático y los otros dos conceptos de AI son un subconjunto de la misma.

Aprendizaje Automático y aplicaciones

Es probable que haya interactuado con alguna forma de IA en sus actividades diarias. Si utiliza Gmail, por ejemplo, puede disfrutar de la función de filtrado automático de correo electrónico. Si tienes un teléfono inteligente, probablemente llenes un calendario con la ayuda de Siri , Cortana o Bixby . Si posee un vehículo más nuevo, quizás se haya beneficiado de una función de asistencia al conductor mientras conduce.

Por muy útiles que sean estos productos de software, carecen de la capacidad de aprender de forma independiente. No pueden pensar fuera de su código. El aprendizaje automático es una rama de la IA que apunta a otorgar a las máquinas la capacidad de aprender una tarea sin un código preexistente.

En los términos más simples, las máquinas reciben una gran cantidad de ejemplos de prueba para una tarea determinada. A medida que pasan por estas pruebas, las máquinas aprenden y adaptan su estrategia para alcanzar esos objetivos.

Por ejemplo, una máquina de reconocimiento de imagen puede recibir millones de imágenes para analizar. Después de pasar por interminables permutaciones, la máquina adquiere la capacidad de reconocer patrones, formas, caras y más.

Un ejemplo conocido de este concepto de IA es Quick, Draw! , un juego alojado en Google que permite a los humanos dibujar imágenes simples en menos de 20 segundos, con el algoritmo de aprendizaje automático tratando de adivinar el dibujo. Más de 15 millones de personas han contribuido más de 50 millones de dibujos a la aplicación.

El Aprendizaje Profundo se prepara para jugar

¿Cómo conseguimos que las máquinas aprendan más que una tarea específica? ¿Qué pasa si queremos que sea capaz de tomar lo que aprendió del análisis de fotografías y usar ese conocimiento para analizar diferentes conjuntos de datos? Esto requiere que los científicos informáticos formulen algoritmos de aprendizaje de propósito general que ayuden a las máquinas a aprender más que una sola tarea.

Un ejemplo famoso de aprendizaje profundo en acción es el proyecto AlphaGo de Google escrito en Lua, C ++ y código Python . El AlphaGo AI fue capaz de vencer a los jugadores profesionales de Go, una hazaña que se creía imposible dada la increíble complejidad del juego y la confianza en la práctica enfocada y la intuición humana para dominar.

¿Cómo pudo un programa dominar un juego que requiere la intuición humana? Practica, practica, practica, y un poco de ayuda de una red neuronal artificial.

Las Redes Neuronales siguen el Modelo Natural

El aprendizaje profundo a menudo es posible gracias a las redes neuronales artificiales , que imitan las neuronas o las células cerebrales. Las redes neuronales artificiales se inspiraron en cosas que encontramos en nuestra propia biología. Los modelos de redes neuronales utilizan principios matemáticos y de ciencias de la computación para imitar los procesos del cerebro humano, lo que permite un aprendizaje más general.

Una red neuronal artificial intenta simular los procesos de las células cerebrales densamente interconectadas, pero en lugar de construirse a partir de la biología, estas neuronas o nodos se construyen a partir del código.

Las redes neuronales contienen tres capas: una capa de entrada, una capa oculta y una capa de salida. Estas capas contienen miles, a veces millones, de nodos. La información se alimenta en la capa de entrada. Se da un cierto peso a las entradas y los nodos interconectados multiplican el peso de la conexión a medida que viajan.

Esencialmente, si la unidad de información alcanza un cierto umbral, entonces puede pasar a la siguiente capa. Para aprender de la experiencia, las máquinas comparan los resultados de una red neuronal y luego modifican las conexiones, los pesos y los umbrales en función de las diferencias entre ellos.

Razones importantes para empezar a estudiar IA.

Gracias a tecnologías como el aprendizaje automático y el aprendizaje profundo, la inteligencia artificial se convirtió en una de las áreas más prometedoras de la industria de TI. La demanda de desarrolladores de IA crece constantemente, y algunos expertos imaginan un futuro donde las computadoras reemplazan a los humanos. Aunque es demasiado pronto para hablar de inteligencia artificial como una amenaza para la fuerza laboral, los trabajadores modernos definitivamente se beneficiarán al aprender más sobre esta tecnología porque les permitirá prepararse para los futuros cambios en sus industrias y familiarizarse con un nuevo , herramienta efectiva e interesante.

La IA entra en nuestras vidas de muchas maneras diferentes. Por ejemplo, utilizamos asistentes como Amazon Echo, Google Assistant o Siri. Cuando jugamos videojuegos, la IA es siempre nuestro enemigo. Sin embargo, no todos saben que la IA está presente incluso en Google Translate y en las herramientas que detectan los mensajes de spam.

La comprensión de la inteligencia artificial abre muchas oportunidades. Es suficiente para dominar los conceptos básicos de esta tecnología para comprender cómo funcionan las herramientas simples. A medida que aprende más sobre la inteligencia artificial, tendrá la oportunidad de convertirse en un desarrollador que creará aplicaciones avanzadas de inteligencia artificial, como el Watson de IBM o los autos autosuficientes. Hay infinitas posibilidades en este campo. Estudiar IA es necesario para una carrera en ingeniería de software, en caso de que quiera trabajar con interfaces hombre-máquina, redes neuronales e inteligencia artificial cuántica . Compañías como Amazon y Facebook usan AI para hacer recomendaciones de la lista de compras y analizar grandes datos. La comprensión de la IA también es necesaria para los ingenieros de hardware que crean asistentes a domicilio y asistentes de estacionamiento.

Click to comment

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Vea también:

BLOG

Un sistema de punto de venta no solo es una parte esencial del funcionamiento de cualquier tienda exitosa en el mundo de hoy, sino...

BLOG

A medida que el negocio crece la carga de trabajo de los gerentes crece. En una pequeña empresa, los administradores pueden funcionar con hojas...

BLOG

¿Cuál es el corazón de un negocio minorista? El sistema de punto de venta, caja registradora o punto de venta (POS). Si bien muchos...

BLOG

La mala comunicación hace que las empresas estadounidenses pierdan 400.000 millones de dólares al año . El impacto de este problema se puede sentir de diferentes...

BLOG

La próxima década bien podría ver una revolución en el tratamiento y diagnóstico de las enfermedades. Aquí les presentamos algunos de los avances del...

BLOG

A continuación, les presento un listado de 299 nombres de empresas de Tecnologías de la Información que operan en Chile, una fracción de las...

BLOG

Un navegador web (comúnmente conocido como navegador) es una aplicación de software para recuperar, presentar y atravesar recursos de información en la World Wide...

Advertisement
https://edificioemprendedores.cl

Copyright © 2020 - 2021 Tienda.Digital | Derechos Reservados.