Inteligencia artificial: en matemáticas, yo confío

Compartir esta publicación

La inteligencia artificial ha estado dando forma a nuestro mundo desde los años 70 o incluso antes. Hubo tres grandes momentos de inversión destinados a la inteligencia artificial, y esos fueron:

Redes neuronales: algoritmo estadístico de aprendizaje automático, que está inspirado en la estrategia de procesamiento de información general del cerebro, más adelante en el artículo hablaremos más sobre él.

Los sistemas expertos, que se convirtieron en algunas de las primeras formas verdaderamente exitosas de software de inteligencia artificial (IA). Es un ejemplo de un sistema basado en el conocimiento, que se compone de dos subsistemas: la base de conocimiento y el motor de inferencia. La base de conocimiento representa hechos sobre el mundo. El motor de inferencia es un sistema de razonamiento automático que evalúa el estado actual de la base de conocimiento, aplica reglas relevantes y luego incorpora nuevos conocimientos en la base de conocimiento. La idea principal es que los sistemas inteligentes derivan su poder del conocimiento que poseen en lugar de los formalismos específicos y los esquemas de inferencia que usan.

Enfoques «Sub-optimus» como algoritmos genéticos, Support Vector Machine / Clustering, modelos de aprendizaje supervisado con algoritmos de aprendizaje asociados que analizan los datos utilizados para la clasificación y el análisis de regresión.

Comenzó en 1950 cuando un puñado de pioneros del campo naciente de la informática comenzó a preguntar si las computadoras podían «pensar»: ¿qué es el aprendizaje automático? Manning.com-.

Hoy en día, la mayor parte de la corriente Inteligencia artificial  que se muestra en la TV y los medios es dañina y peligrosa para nuestra población (robots locos tratando de destruir la Tierra o Terminators en la búsqueda de apoderarse de la tierra). Aún así, lejos de ese escenario futurista, voy a discutir algunas de las aplicaciones reales que Inteligencia artificial tiene y cuál es el núcleo de esta nueva inteligencia de máquina.

 

Entrañas de Inteligencia Artificial

 

Inteligencia Artificial no es más que inteligencia de empuje en las máquinas, está inspirado en las redes neuronales, pero en realidad son una interpolación matemática muy compleja. Unidades con conexiones que están inspiradas de una manera muy libre por cómo funciona el cerebro biológico. Sin embargo, los neurocientíficos siempre han tratado de evitar este término debido a la confusión que puede crear. La Inteligencia Artificial se trata de aprender a través de la experiencia cambiando las fortalezas de conexión, definiendo con qué fuerza las neuronas se influyen mutuamente. Pasa por tres fases: aprendizaje, ejecución y autocorrección. Básicamente, inserta el factor «experiencia» en el ordenador, por lo que este puede aprender de ella y mejorar cada vez que se realiza una determinada acción.

  Clúster de salud digital: construyendo el ecosistema de innovación

Para hacer eso, Inteligencia artificial utiliza un proceso llamado aprendizaje automático, que le da a los ordenadores la capacidad de aprender sin estar programado explícitamente, y aprendizaje profundo, que es un subconjunto de arquitecturas en el campo de las redes neuronales artificiales.

Comencemos desde adentro y vayamos al cuadro completo.

 

Aprendizaje profundo

 

Actualmente es el campo de Inteligencia artificial más extendido, ya que es la herramienta que acerca el Aprendizaje profundo y el pensamiento de tipo biológico. El Aprendizaje profundo es un aprendizaje estructurado profundo o aprendizaje jerárquico, es parte de una familia más amplia de métodos de aprendizaje automático basados en representaciones de datos de aprendizaje, en oposición a los algoritmos específicos de tareas. Se imita a las redes neuronales cerebrales biológicas con el fin de hacer una cierta cantidad de patrones tomando dos cosas: datos grandes y mucha potencia de la computadora. Arquitecturas de Aprendizaje profundo como redes neuronales profundas, redes de creencias profundas y redes neuronales recurrentes se han aplicado a campos como visión artificial, reconocimiento de voz, procesamiento del lenguaje natural, reconocimiento de audio, filtrado de redes sociales, traducción automática, bioinformática. Se está volviendo cada vez más demandado por las empresas que quieren ser más eficientes y quieren innovar más rápido que sus competidores.

Históricamente, los métodos informáticos habían sido muy malos para reconocer patrones o relaciones entre ellos, con las redes neuronales se volvió mucho más simple. Rompe las relaciones complejas en sentido de simplificaciones.

Cuando trabajamos con pequeñas cantidades de datos, métodos como SVM (Support Vector Machine) podrían ser una buena opción. Sin embargo, con la tendencia actual de IoT (Internet de las cosas), todo se está volviendo digital y las empresas están empezando a trabajar todo el tiempo con más y más conjuntos de datos. Para poder administrar esas cantidades de datos, debemos implementar el aprendizaje profundo en nuestra estrategia.

La imagen se vería así: 

ai

What is machine learning? Manning.com-

 

Aprendizaje automático

 

Las empresas más grandes utilizan el aprendizaje automático para anunciar su última innovación. En resumen, es un software entrenado con un algoritmo que le permite aprender de la información pasada, de las experiencias humanas, y genera ideas a partir de los datos con los que se ha encontrado y los aplica a decisiones futuras. El aprendizaje automático es bien conocido es el campo de análisis predictivo. El aprendizaje automático permite a los investigadores, científicos de datos, ingenieros y analistas producir decisiones y resultados confiables y repetibles y descubrir conocimientos ocultos a través del aprendizaje de relaciones históricas y tendencias en los datos.

Por ejemplo,

Se dice que el programa de un ordenador aprende de la experiencia E con respecto a algunas de las tareas T y realiza la medida P si su desempeño en tareas en T, medido por P, mejora con la experiencia E.


Si un programa de ordenador puede mejorar el rendimiento de cierta clase según la experiencia pasada, entonces puede decir que ha aprendido.

  Las 8 aplicaciones de reciclaje más innovadoras

Por lo general, categorizamos el aprendizaje automático en tres nombres diferentes: aprendizaje supervisado, aprendizaje no supervisado y aprendizaje reforzado.

Aprendizaje supervisado: a partir del análisis de un conjunto de entrenamiento conocido, el algoritmo desarrolla una función para hacer predicciones sobre los valores de salida. – Expertsystem.com

Aprendizaje no supervisado: explora los datos y puede extraer inferencias de los conjuntos de datos para describir las estructuras ocultas de los datos no etiquetados. – Expertsystem.com

Aprendizaje reforzado: este método trata de interactuar con su entorno mediante la acción de partes y la búsqueda de errores o recompensas. Permite que el sistema encuentre el mejor comportamiento dentro de su entorno para maximizar su rendimiento. – Expertsystem.com

 

Inteligencia artificial: situación actual

 

Muchos filósofos consideraban que la vida era mecánica «La vida es similar a la estructura interna de un reloj» – Descartes.

Siempre ha existido la necesidad en la historia de la humanidad de comprender el método de pensamiento humano y cómo el pensamiento biológico ha sido desde el principio como la máquina más poderosa.

Las marcas y las compañías siempre han estado luchando por comprender, poseer y administrar de una mejor manera todas las cantidades de información que estamos usando todo el tiempo. En este momento, probablemente, todos los instrumentos, herramientas y demás cosas que utiliza diariamente se basan en funciones digitales. Eso se desarrolla en grandes cantidades de datos que le dicen a las empresas todo sobre nosotros, qué nos gusta, qué decimos, por cuánto tiempo, qué estamos dispuestos a cambiar y qué es intocable para nosotros. Y IA ayuda a esas compañías a administrar y controlar esa información, aumentando la eficiencia de los procesos.

Los cinco grandes (Apple, Google, Microsoft, Facebook y Amazon) están implementando su mercado empresarial y sus productos mediante el uso de redes neuronales de aprendizaje profundo.

En 2015, Google lo presentó para mejorar su reconocimiento de voz, Amazon lanzó su producto IA llamado Alexa y Apple, su Quicktype. Volviendo a Google, en 2016, el 30% de toda la potencia de ordenadores para inferencias en el científico de datos de Google se utilizó para LSTM.

LSTM (redes de memoria a corto plazo) son redes neuronales utilizadas por algoritmos de aprendizaje profundo. Y gracias a ellos, ahora en 2017, Facebook mejoró más de 4.500 millones de traducciones por día.

 

Inteligencia Artificial – Estudio práctico

 

El otro día asistí a una conferencia y el tipo que estaba dando la charla, mencionó que era un gran admirador de Amazon. ¡Le gustaba todo sobre ello! Desde su modelo de negocio, tecnología, cómo están creciendo y especialmente la estrategia que siguen para abordar y eliminar a todos los competidores del mercado, brindando a sus clientes un mejor servicio. Además, si miramos su logotipo, observamos que AMAZON presenta una flecha que comienza en la primera A y apunta a la Z. De la A a la Z. Tienen de todo, son dueños del mercado. Todo lo que puedes pensar lo puedes encontrar en Amazon.

  Aprendizaje de doble bucle: ¿Cómo pueden beneficiarse las empresas?

Detalló un producto especial que Amazon lanzó, pura Inteligencia Artificial – Alexa. Es otra referencia a toda la capacidad de conocimiento (biblioteca de Alejandría). Alexa es la versión moderna y actualizada de Siri de Apple. Alexa es tu vida. Puede controlar su refrigerador y decirle que se está quedando sin cervezas, y con un solo clic en la aplicación, Amazon Go empieza a ordenador cervezas directamente en tu casa, en menos de una hora.

Otro ejemplo, Alexa tiene reconocimiento de voz, y eso significa que puede educar a sus hijos. Cuando sus hijos piden a Alexa que compre Donuts, puede dar una sugerencia calculada por sus padres, por ejemplo: «¿por qué no sales a correr en su lugar?» / «¿Y si en vez de eso compramos manzanas?»

Todo eso se hace usando Inteligencia artificial. Creo que hay más por venir después de la reciente asociación de Amazon con Microsoft. Ponen todos esos tipos de sistema neuronal en algoritmos que agregan el «factor de experiencia» a la ecuación.

Algunas personas creen que además de los efectos positivos que Inteligencia artificial acarreará a la sociedad, la destruirá, eliminando parte del aspecto humano del proceso de producción. El punto de vista más catastrófico incluso afirma que probablemente nos verá como una pieza de vida menos inteligente y nos eliminará. Mi punto de vista está más cerca de aquellos que están entusiasmados y tal como sucedió con la revolución industrial, transformará la sociedad, la hará evolucionar y muy probablemente cambie algunos de los trabajos actuales.

Estoy de acuerdo con Neil deGrasse Tyson en su declaración: «Si los robots nos roban nuestros trabajos, seamos más inteligentes y creemos otros trabajos»

En conclusión, me gustaría compartir con vosotros otra muy buena declaración de Neil acerca de la Inteligencia Artificial y el temor de la misma: «Si solo tomas como referencia los trabajos a dia de hoy, y lo proyectas hacia adelante, podría haber un día en que los robots se hagan cargo cada trabajo que tenemos … hoy !!! Pero ese no es el futuro. Tenemos personas innovadoras en la sociedad y desarrollan cosas nuevas, evolucionamos. Como comenté antes, hacemos eso todo el tiempo, con trabajos que requieren administrar esas máquinas, inventarlas, concebirse o diseñarlas. – Neil deGrasse Tyson

 

Si te gustó este artículo sobre inteligencia artificial, te puede gustar:

 

Barcelona como ciudad intelignete

Mapa de los “main players”: ecosistema startup y tech en Barcelona

Proyectos IoT que cambiarán el mundo 

Ecosistema de salud digital en Barcelona

Cluster de salud digital  

Inovación disruptiva: ejemplos 

Author

Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

Suscríbete a nuestro boletín de noticias

Recibe actualizaciones de los últimos descubrimientos tecnológicos

¿Tienes un proyecto desafiante?

Podemos trabajar juntos

apiumhub software development projects barcelona
Secured By miniOrange