Inteligencia Artificial (IA)

Inteligencia Artificial (IA)

1. Es una rama de la Informática. Es una disciplina, como la física. Tiene que ver con la teoría y los métodos para construir máquinas que piensen y actúen como los humanos. Se ocupa de la creación de agentes inteligentes, sistemas capaces de razonar, aprender y actuar con autonomía

2. El proceso de aprendizaje a partir de contenido existente se llama entrenamiento y lleva a la creación de un modelo estadístico. Cuando se le proporciona un mensaje, la IA usa el modelo para predecir cuál podría ser la respuesta esperada y esto genera nuevo contenido. En esencia, aprende la estructura subyacente de los datos y, luego, genera nuevas muestras similares a los datos con los que se entrenó

3. Modelos de IA según el algoritmo

   • Modelo discriminativo o tradicional: se sustenta en 3 pilares: aprendizaje supervisado, no supervisado y reforzado, los que brinda información basada en el resultado de la agrupación. Se entrenan con conjuntos de datos etiquetados y aprenden la relación entre los atributos de los datos y las etiquetas. Cuando se entrena puede usarse para predecir la etiqueta de los datos nuevos. Realizan cálculos basado en datos de entrada (clasificar una imagen o traducir un texto a otro idioma). Se centra en capturar la distribución de probabilidad condicional de las etiquetas según los datos de entrada y en minimizar el error de clasificación o maximizar la probabilidad de predicciones de clase .
   • Modelo generativo: genera instancias de datos nuevas en función de una distribución de probabilidad aprendida de datos existentes, generando nuevo contenido. Pueden generar contenido nuevo (texto, imágenes, música, vídeos). Profundizan en la distribución subyacente de los datos de entrada. Al comprender la distribución de probabilidad conjunta de estos datos y las etiquetas, pueden generar contenido que se asemeje a los datos de entrenamiento, lo que permite una síntesis y aumento creativo de los datos. Aprovechan las técnicas de aprendizaje no supervisado para desentrañar la distribución subyacente de los datos. Aprovechan los datos no etiquetados y tratan de captar las pautas y estructuras complejas presentes en ellos.

4. En el proceso de aprendizaje tradicional, clásico, supervisado y no supervisado, se toman datos de código y etiquetas de entrenamiento para crear un modelo. Según el caso de uso o problema, el modelo puede darte una predicción. Puede clasificar algo o agruparlo. En la programación tradicional, se codifican las reglas para distinguir a un gato: tipo, animal; patas, cuatro; orejas, dos; pelaje, sí; les gusta la lana y la hierba gatera.

5. Tipos de IA

   • Aprendizaje automático (MACHINE LEARNING)
   • Aprendizaje profundo (DEEP LEARNING)