DESCARGA EL PROGRAMA DE LA MATERIA "INTELIGENCIA ARTIFICIAL" AQUI
Cuando se habla de inteligencia artificial, su significado y aplicaciones, nos damos cuenta que estamos sumergidos en un mundodemáquinas.Máquinasnosólode “carne y huesos”, sino que también acompañadas de sus respectivas “mentes”.
Despertadores,refrigeradores,tostadores, calefactores, ventiladores con termostato, etc. Sin contar todos los materiales de las áreas científicas tales como la medicina o ingenierías diversas, y por supuesto, el factor común: “el computador”, sea lo que puedaser,elcómofuncioneysobretodo, sealoquepodríallegaraser. Pero: ¿Qué son todas estas máquinas? o debería preguntarse ¿quiénes son todas estasmáquinas?
La inteligencia artificial (IA) se refiere en términos generales a cualquier conducta humana que desarrolle una máquina o sistema En la forma más básica de inteligencia artificial, los PC están programados para «imitar» la conducta humana utilizando amplios datos de ejemplos previos de conductas similares Este enfoque puede englobar desde reconocer diferencias entre un automóvil y un ave hasta realizar actividades complejas en una fábrica
Ya sea el aprendizaje profundo, el pensamiento estratégico u otra especie de inteligencia artificial, la base de su uso está en situaciones que requieran respuestas ultra rápidas La inteligencia artificial puede optimizar los procesos empresariales, completar tareas más rápido, eliminar el error humano y mucho más
La inteligencia artificial se clasifica en dos categorías principales: la inteligencia artificial basada en funcionalidad y la inteligencia artificial basada en capacidades.
1 Máquina reactiva: esta inteligencia artificial no tiene poder de memoria y no tiene la capacidad de aprender de las acciones pasadas
2 Teoría limitada: al agregar memoria, esta inteligencia artificial usa información pasada para tomar mejores decisiones
3 Teoría de la mente: esta inteligencia artificial sigue en desarrollo, con el objeto de tener una comprensión muy profunda de la mente humana
4 Inteligencia artificial autoconsciente: esta inteligencia artificial, que puede entender y evocar emociones humanas y también tener propias, sigue siendo hipotética
Aunque los primeros referentes históricos se remontan a los años 30 con Alan Turing, considerado padre de la inteligencia artificial, se considera que el punto de partida es el año 1950, precisamente, cuando Turing publica un artículo con el título «Computing machinery and intelligence» en la revista Mind, donde se hacía la pregunta: ¿pueden las máquinas pensar? y proponía un método para determinar si una máquina puede pensar Los fundamentos teóricos de la IA se encuentran en el experimento que propone en dicho artículo y que pasó a denominarse Test de Turing, y mediante cuya superación por una máquina se podía considerar que sería capaz de pasar por un humano en una charla ciega Este test sigue estando vigente en la actualidad y es motivo de estudios e investigaciones continuas
El cerebro de la Inteligencia Artificial (IA) es una tecnología llamada aprendizaje automático, diseñada para hacer el trabajo fácil y productivo En consecuencia, la IA permite resolver problemas como el calentamiento global, el hambre generada por la sobrepoblación, mal uso de la energía y enfermedades, indicó la consultora Attach Asimismo, destacó distintos problemas que actualmente la IA ya se encuentra resolviendo: • Educación • Alimentación • Calentamiento global
1 Educación: uno de los principales problemas en es que 6 de cada 10 estudiantes no alcanzan los niveles mínimos de competencia en lectura y matemáticas La solución que se viene implementando en España es la enseñanza personalizada inmediata, el startup Smartick creó un método de aprendizaje online, utilizando IA y el big data
2 Alimentación: a nivel global 1 de cada 3 personas padece de malnutrición y cerca de 821 millones de personas padecen hambre crónica La solución que ofrece la IA es generar fórmulas basándose no solo en vegetales y producir el mismo producto, con el mismo sabor
3 Calentamiento global: la solución inteligente y ecológica la enseña Google y Microsoft En el caso de Google utiliza la IA para activar los sistemas de refrigeración cuando sus centros de datos se sobrecalientan, generando un ahorro de hasta el 40% en costos de energía
La IA es el tipo de inteligencia que muestra los distintos artefactos creados por los humanos, normalmente referido a los sistemas informáticos Pero también hace referencia al ámbito de la investigación científica en la intención de crear entornos que hagan uso de dicha inteligencia Se pretende que la IA se acerque al funcionamiento de la mente humana Y se recurre a ella cuando se considera útil incorporar a un sistema de ordenadores un conocimiento o comportamiento ante los eventos que serían más propios de un ser humano
Lógica difusa (Fuzzy logic): Este método matemático recoge dos valores opuestos relacionados entre sí dentro de un mismo contexto En una empresa, por ejemplo, sirve para elegir a posibles candidatos según una serie de factores como sus redes sociales favoritas, la actividad que llevan a cabo en foros de internet o sus gustos y preferencias offline
Aprendizaje automático (Machine Learning): El machine learning busca que los ordenadores sean capaces de aprender por sí mismos, exponiéndolos a situaciones distintas que producen resultados diferentes De esta forma, adaptándose a los cambios pueden organizar mejor la vida empresarial para anticiparse a futuras fluctuaciones del mercado
Procesamiento de lenguaje natural: Esta técnica se utiliza para mejorar la comunicación entre el hombre y la máquina a través del uso del lenguaje natural, apoyándose en la lingüística que utilizan los ordenadores Esto permite saber cómo buscan la información los usuarios en los navegadores, o cómo encuentran a una compañía en internet
Están inspiradas en la lógica, y nacen como la confluencia de varias ciencias, entre ellas la estadística. Se caracterizan por la representación explícita del conocimiento y la imitación del proceso humano del razonamiento
Simulación Sensorial La simulación de la capacidad sensorial humana es área de estudio de la inteligencia artificial, que a través de las computadoras persigue la imitación de las capacidades o habilidades sensoriales humanas tales como vista, oído, habla y tacto, e intenta imitarlas a través de sensores controlados por ordenador Algunas áreas que abarca son la visión computacional, el procesamiento de imágenes y el reconocimiento de escenas.
Lenguaje Natural (PLN) Se encarga de cumplir con la meta fundamental de la Inteligencia Artificial que es la manipulación del lenguaje natural utilizando herramientas de computación (programas) Los lenguajes formales (programación) juegan un papel importante ya que facilitarían el enlace necesario entre los lenguajes naturales y su manipulación por máquina
Interfaces en lenguaje natural Actualmente, parece que una solución más deseable para cubrir las necesidades de los colectivos de usuarios sería una tecnología mixta consistente en interfaces híbridas de tipo gráfico/LN y voz/LN o voz/LN/gráfico
Los sistemas conexionistas no son incompatibles con la hipótesis simbolista (SSF) pero al contrario del simbólico, se trata de un modelo ascendente, ya que se basa en la hipótesis de que la nteligencia emerge a partir de la actividad distribuida de un gran número de unidades nterconectadas que procesan información paralelamente En la IA conexionista estas unidades son modelos muy aproximados de la actividad eléctrica de las neuronas biológicas 1 Modelado Neuronal Una red neuronal artificial (RNA) es un sistema de procesamiento de nformación que tiene ciertas aptitudes en común con las redes 2. neuronales biológicas: • El procesamiento de información ocurre en muchos elementos simples llamados neuronas. • Las señales son transferidas entre neuronas a través de enlaces de conexión. • Cada conexión tiene un peso asociado, el cual, típicamente, multiplica a la señal transmitida
Lo que aprendí en esta unidad fue una introducción al extenso tema de Inteligencia Artificial, como su contenido no solo abarca un significado sino varios, un poco de historia y los conceptos básicos con los que se trabajaron.
Cuando hablamos de la IA nos referimos en términos más generales a cualquier conducta humana que desarrolle una maquina o sistema, la inteligencia artificial puede optimizar los procesos en las empresas, para completar tareas de forma mas rápida e inteligente
Aprendí que hay diferentes tipos de inteligencia artificial, estas clasificaciones se basan en su funcionalidad y capacidades para ejecutar cierto tipo de actividades o tareas
En esta unidad vimos los conceptos básicos de la materia, un poco de la introducción y todo lo que se vera en la asignatura aprendimos que la inteligencia artificial (IA), está cada vez más presente en nuestras vidas. Una buena definición de la misma sería la combinación de algoritmos, que intentan simular algunas acciones de los humanos o mejor aún, ir más allá de la inteligencia humana.
En términos simples, inteligencia artificial (IA) se refiere a sistemas o máquinas que imitan la inteligencia humana para realizar tareas y pueden mejorar iterativamente a partir de la información que recopilan.
Aprendimos que la Inteligencia Artificial se refiere en términos generales a cualquier conducta humana que desarrolle una máquina o sistema. En la forma más básica de inteligencia artificial, los PC están programados para «imitar» la conducta humana utilizando amplios datos de ejemplos previos de conductas similares
La inteligencia artificial se clasifica en dos categorías principales: la inteligencia artificial basada en funcionalidad y la inteligencia artificial basada en capacidades.
El cerebro de la Inteligencia Artificial (IA) es una tecnología llamada aprendizaje automático, diseñada para hacer el trabajo fácil y productivo. En consecuencia, la IA permite resolver problemas como el calentamiento global, el hambre generada por la sobrepoblación, mal uso de la energía y enfermedades
La IA es el tipo de inteligencia que muestra los distintos artefactos creados por los humanos, normalmente referido a los sistemas informáticos. Pero también hace referencia al ámbito de la investigación científica en la intención de crear entornos que hagan uso de dicha inteligencia.
Las técnicas de búsqueda constituyen una serie de esquemas de representación del conocimiento, que a través de diversos algoritmos nos permite resolver ciertos problemas desde el punto de vista de la IA
Formulación de un Problema Proceso que consiste en decidir que acciones y estados habrán de considerarse acciones y estados habrán de considerarse
¿Qué condiciones son necesarias?
¿Qué sucede si no hay forma de discernir que camino nos lleva a la meta?
¿Qué decisión tomar en tal situación?
Agentes basados en metas que determinan que deberán hacer por medio de secuencias de acciones que les permitan obtener estados deseables
Formulación de metas: se establece el objetivo Formulación del problema: se decide que acciones y estados habrán de considerarse Búsqueda: evaluación de las posibles secuencias de acciones que le llevan a la meta y elección de la más apta Ejecución: se llevan adelante la solución que presenta la búsqueda
Problemas de un solo estado: el agente conoce con exactitud en que estado se encuentra y el resultado de cada una de sus acciones
Problemas de estados múltiples: el agente no conoce con exactitud en que estado se encuentra, pero si el resultado de cada una de sus acciones Problemas de contingencias: el agente no conoce con exactitud en que estado se encuentra, pero si el resultado de cada una de sus acciones, aunque se le pueden presentar ciertas contingencias en las mismas Problemas de exploración: el agente no conoce con exactitud en que estado se encuentra, ni el resultado exacto de cada una de sus acciones
Los algoritmos de búsqueda ciega o no informada no dependen de información propia del problema a la hora de resolverlo, sino que proporcionan métodos generales para recorrer los árboles de búsqueda asociados a la representación del problema, por lo que se pueden aplicar en cualquier circunstancia
La idea principal de la Búsqueda en Anchura (BFS) consiste en visitar todos los nodos que hay a profundidad i antes de pasar a visitar aquellos que hay a profundidad i+1
Es decir, tras visitar un nodo, pasamos a visitar a sus hermanos antes que a sus hijos. Si usamos estructuras de programación habituales, una posible implementación para BFS se haría almacenando el conjunto de nodos abiertos como una cola, a la que se accede por un procedimiento FIFO (el primero que entra es el primero que sale)
Esta búsqueda es similar a la búsqueda limitada por profundidad con la diferencia que se repiten las búsquedas dando en cada iteración un valor distinto de profundidad para la misma En esta búsqueda el tiempo necesario crece exponencialmente con respecto a la profundidad, mientras que el espacio requerido en memoria lo hace en forma lineal Es óptima y completa
En esta búsqueda siempre se expande uno de los nodos que se encuentren en los mas profundo del árbol Solo si la búsqueda conduce a un callejón sin salida, ser revierte la búsqueda y se expanden los nodos de niveles menos profundos
Esta búsqueda o se queda atorada en un bucle infinito y nunca es posible regresar al encuentro de una solución, o a la larga encontrará una ruta de solución mas larga que la solución óptima
En esta búsqueda el tiempo necesario crece exponencialmente con respecto a la profundidad, mientras que el espacio requerido en memoria lo hace en forma lineal
No es óptima ni completa
La búsqueda primero el mejor es un caso en el cual se selecciona un nodo para la expansión basada en una función de evaluación f(n) Esta función evaluación devuelve un número que sirve para representar lo deseable o indeseable que seria la expansión de un nodo
El algoritmo de búsqueda A* (pronunciado "A asterisco", "A estrella" o "A star" en inglés) se clasifica dentro de los algoritmos de búsqueda en grafos de tipo heurístico o informado
Feigenbaum y Feldman definen la heurística como sigue:
"Una heurística es una regla para engañar, simplificar o para cualquier otra clase de ardid el cual limita drásticamente la búsqueda de soluciones en grandes espacios de estados" En esencia una heurística es simplemente un conjunto de reglas que evalúan la posibilidad de que una búsqueda va en la dirección correcta
El algoritmo Minimax garantiza encontrar siempre el movimiento óptimo de acuerdo a una función de evaluación establecida, una profundidad d fija y asumiendo que, a su vez, el jugador Min siempre juega de manera óptima en el mismo sentido que el jugador Max 24
Están orientados a reducir la cantidad de búsqueda requerida para encontrar una solución Cuando un problema es presentado como un árbol de búsqueda el enfoque heurístico intenta reducir el tamaño de árbol cortando nodos pocos prometedores
No garantizan que se encuentre una solución, aunque existan soluciones Si encuentran una solución, no se asegura que ésta tenga las mejoresas propiedades (que sea de longitud mínima o de coste óptimo)
En algunas ocasiones (que, en general, no se podrán determinar a priori), encontrarán una solución (aceptablemente buena) en un tiempo razonable
Aprendí que en inteligencia artificial el tema de búsquedas es central, dado que, por ejemplo, realizar acciones mecanizadas o resolver problemas, se reduce a buscar en un espacio de estados como se explicaba en la unidad anterior.
La resolución de problemas en IA requiere, normalmente, determinar una secuencia de acciones o decisiones. Esta secuencia puede ser ejecutada posteriormente por un agente con el fin de alcanzar un objetivo a partir de una situación inicial dada Dependiendo del problema concreto, se ejecutará la secuencia de acciones o decisiones tiene asociado un costo que se tratará de minimizar, o bien tiene asociado un beneficio que se tratará de maximizar. Los métodos de busqueda se trabajaran de acuerdo a lo que se desea obtener.
Aprendimos que las funciones que con mayor frecuencia se utiliza en los sistemas de información, es la búsqueda de los datos, para esto se hace necesario utilizar algoritmos, que permitan realizar búsquedas de forma rápida y eficiente.
A la hora de acudir a buscar información por internet o ya sea en un computador debes tomar en cuenta una serie de métodos que puedan facilitarnos contenido de calidad y fiable que pueda ser ocupado en el desarrollo de nuestra tarea.
La aplicación de estos métodos de búsqueda debe cumplir una serie de requisitos antes de considerarse aceptable para el desarrollo de una tarea, lo primordial es definir qué cualidades se deben poseer y obtener para cumplir los requerimientos presentados.
Aprendimos que los métodos de búsqueda constituyen una serie de esquemas de representación del conocimiento, que a través de diversos algoritmos nos permite resolver ciertos problemas desde el punto de vista de la IA.
los métodos de búsqueda no informados o ciegos son estrategias de búsqueda en las cuales se evalúa el siguiente estado sin conocer a priori si este es mejor o peor que el anterior, mientras que la búsqueda informada utiliza el conocimiento específico del problema.
Puede encontrar soluciones de una manera más eficiente. Una función heurística, h(n), mide el coste estimado más barato desde el nodo n a un nodo objetivo.
• El conocimiento declarativo es conocimiento pasivo, sentencias que expresan hechos del mundo que nos rodea (el saber que hacer) Por ejemplo, la información en una base de datos
• Toda lógica que sea usada como mecanismo de representación deber constar de 3 elementos:
1 Una sintaxis, que explica cómo construir los elementos del lenguaje de representación (oraciones lógicas)
2 Una semántica, que asocia los elementos del lenguaje con los elementos reales del dominio → asocia una interpretación (significado) a los símbolos
3 Un conjunto de reglas de inferencia, que permiten inferir conocimiento nuevo a partir del ya existente
• La lógica proposicional es la más simple pero ilustra las ideas básicas Supone que existen hechos (proposiciones) que pueden darse o no en el mundo, es decir, ser ciertos o falsos
Representación y razonamiento proposicional: Sintaxis
• Las sentencias se construyen siguiendo las reglas: Las constantes y los símbolos proposicionales son sentencias Una sentencia entre paréntesis es una sentencia Si S es una sentencia, ¬S es una sentencia (negación)
• Si S1 y S2 son sentencias, S1 ∧ S2 es una sentencia (conjunción)
• Si S 1 y S 2 son sentencias, S 1 ∨ S 2 es una sentencia (disyunción)
• Dr Edgard I Benítez G Inteligencia Artificial 5 Si S1 y S2 son sentencias, S1 ⇒ S2 es una sentencia (implicación)
• Si S1 y S2 son sentencias, S1 ⇔ S2 es una sentencia (bicondicional)
• Existe un orden de precedencia entre los operadores: ￢ , ∧, ∨, ⇒ y ⇔
Representación y razonamiento de primer orden
• Cuando describimos situaciones de nuestro interés, solemos hacer uso de enunciados declarativos
• Se trata de expresiones del lenguaje natural que son o bien verdaderas, o bien falsas (a diferencia de interrogativas, imperativas, etc )
• Las proposiciones representan hechos que se dan o no en la realidad
• La lógica de primer orden tienen un compromiso ontológico más fuerte, donde la realidad implica además, objetos y relaciones entre ellos
¿Qué es una ontología?
• Una ontología define formalmente un conjunto común de términos que se usan para describir y representar un dominio Las ontologías pueden utilizarse por herramientas automatizadas para reforzar servicios avanzados tales como una búsqueda más afinada, agentes inteligentes y gestión del conocimiento.
Uso de la ontología y beneficios Compartir el entendimiento común de la estructura de información entre personas o agentes de software • Permitir la reutilización de conocimiento de un dominio • Explicitar suposiciones de un dominio • Separar el conocimiento del dominio del conocimiento operacional • Analizar el conocimiento de un dominio
¿Qué son las redes bayesianas?
Las redes bayesianas permiten tratar eventos probabilísticos Además, esta tecnología informática también ayuda a resolver problemas complejos e inciertos Es posible que conozcas las redes bayesianas por red de Bayes, red de decisión, red de creencia o modelo bayesiano
Las redes bayesianas representan conjuntos aleatorios de variables y dependencias condicionales de estas variables en un gráfico Las redes bayesianas son un modelo gráfico probabilístico que permite resolver un problema complejo
Esta red le ayuda a declarar la independencia condicional de las variables que ya conoce y a compartir información y enlaces sobre variables desconocidas
• Tomar decisiones para factores inciertos
• Predicción de series temporales
• Razonamiento
• Diagnóstico
• Predicción
• Conocimiento automatizado Detección de anomalías
• Al diseñar un gráfico con la ayuda de las redes bayesianas, es necesario medir los nodos y los enlaces entre esos nodos
Esta fue una de las unidades en las que más aprendí, no solo por lo teórico si no también por las actividades que se realizaron en clase con respecto a esta unidad
Aprendimos sobre la lógica proposicional, a resolver enunciados lógicos y a crear nuevos, respetando las variables, y que se ejecuten de manera correcta.
La lógica proposicional se puede utilizar para razonar diferentes argumentos del lenguaje natural, podemos hacer una serie de pasos para determinar primero que nada las premisas y la conclusión de un argumento identificando las proposiciones formales, luego la lógica proposicional se emplea para determinar si la conclusión es valida según esas premisas
Aprendí que la representación del conocimiento y el razonamiento es un área de la inteligencia artificial que tiene como objetivo fundamental representar el conocimiento de una manera que facilite la inferencia. Esto es, sacar conclusiones a partir de dicho conocimiento. En las sesiones de esta unidad trabajamos con lógica proposicional, la realización de enunciados y su solucion.
Aprendimos que una de las formas de definir la lógica proposicional, como lo vimos en la materia, es el estudio de las formas de razonamiento donde su validación depende solamente de las propiedades verdadero o falso, es el primer paso para la definición de lo que es la lógica y el razonamiento en sí, como por ejemplo, la siguiente proposición "si llueve, llevo mi paraguas": Llueve -> Paraguas.
La lógica proposicional es de suma importancia en la industria, sobre todo en sistemas computacionales formales e inteligentes, ya que esta sienta las bases para poder tener fundamentos teóricos y formales para el modelado de sistemas al igual que el tratamiento inteligente de datos para una solución tecnológica.
[El aprendizaje automático (ML) es el subapartado de la inteligencia artificial (IA) que se centra en desarrollar sistemas que aprenden, o mejoran el rendimiento, en función de los datos que consumen Hoy en día, el aprendizaje automático está en todas partes Cuando interactuamos con bancos, realizamos compras online o usamos redes sociales, los algoritmos de aprendizaje automático entran en juego para que nuestra experiencia sea eficiente, fluida y segura
Los algoritmos son los motores que impulsan el aprendizaje automático Generalmente, en la actualidad se utilizan dos tipos principales de algoritmos de aprendizaje automático: el aprendizaje supervisado y el aprendizaje no supervisado La diferencia entre ellos se define por cómo cada uno aprende acerca de los datos para hacer predicciones
Los algoritmos supervisados de aprendizaje automático son los más utilizados Con este modelo, un científico de datos actúa como guía y enseña al algoritmo las conclusiones que debe sacar Al igual que un niño que aprende a identificar las frutas al memorizarlas con un libro de imágenes, en el aprendizaje supervisado, el algoritmo se entrena mediante un conjunto de datos que ya está etiquetado y tiene un resultado predefinido Los ejemplos de aprendizaje automático supervisado incluyen algoritmos tales como regresión lineal y logística, clasificación multiclase y 4 1 2 Aprendizaje no supervisado
EL APRENDIZAJE AUTOMÁTICO NO SUPERVISADO UTILIZA UN ENFOQUE MÁS INDEPENDIENTE, EN EL QUE UN ORDENADOR APRENDE A IDENTIFICAR PROCESOS Y PATRONES COMPLEJOS SIN LA GUÍA CERCANA Y CONSTANTE DE UN SER HUMANO EL APRENDIZAJE AUTOMÁTICO NO SUPERVISADO IMPLICA UN ENTRENAMIENTO BASADO EN DATOS QUE NO TIENEN NI ETIQUETAS NI UN RESULTADO ESPECÍFICO DEFINIDO
Es un modelo de predicción utilizado en diversos ámbitos que van desde la inteligencia artificial hasta la Economía Dado un conjunto de datos se fabrican diagramas de construcciones lógicas, muy similares a los sistemas de predicción basados en reglas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolución de un problema
Se trata de modelo computacional evolucionado a partir de diversas aportaciones científicas que están registradas en la historia Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales La información de entrada atraviesa la red neuronal (donde se somete a diversas operaciones) produciendo unos valores de salida
Las redes neuronales artificiales pueden evaluar las probabilidades de formaciones geológicas y petrolíficas y los riesgos de créditos También se pueden utilizar en la evaluación del desempeño de los empleados de una empresa; en este caso las entradas de la red podrían ser: puntualidad, eficiencia, eficacia y disponibilidad, y la red podría ser implementada mediante la lógica fuzzy (difusa)
Los algoritmos genéticos toman como modelo el proceso de la selección natural, en el cual se elige al más apto Una de sus aplicaciones como herramienta de evaluación permite medir las condiciones en las cuales se obtiene el máximo rendimiento de un grupo de alumnos en una clase, tomando una función de evaluación estática y optimizándola mediante evaluaciones sucesivas
en esta unidad aprendimos sobre los tipos de aprendizaje, como se desarrollan y para que sirven, entendí que el aprendizaje automático (ML) es el subapartado de la inteligencia artificial (IA) que se centra en desarrollar sistemas que aprenden, o mejoran el rendimiento, en función de los datos que consumen.
Hoy en día, el aprendizaje automático está en todas partes. Cuando interactuamos con bancos, realizamos compras online o usamos redes sociales, los algoritmos de aprendizaje automático entran en juego para que nuestra experiencia sea eficiente, fluida y segura
El aprendizaje automático (ML) es el subapartado de la inteligencia artificial (IA) que se centra en desarrollar sistemas que aprenden, o mejoran el rendimiento, en función de los datos que consumen entendemos entonces que el aprendizaje automatico de un equipo "inteligente" piensa como una persona y realiza tareas por sí mismo. Una manera de entrenar un equipo para imitar el razonamiento humano es usar una red neuronal, que es una serie de algoritmos que se modelan a partir del cerebro humano
Aprendimos que los algoritmos son los motores que impulsan el aprendizaje automático. Generalmente, en la actualidad se utilizan dos tipos principales de algoritmos de aprendizaje automático: el aprendizaje supervisado y el aprendizaje no supervisado. La diferencia entre ellos se define por cómo cada uno aprende acerca de los datos para hacer predicciones.
Gracias al aprendizaje automático, la máquina sabrá qué procesos deben y pueden realizarse sin la intervención del ser humano, a partir del cual los perfeccionará e incluso ampliará la cantidad de tareas a realizar.
Podemos decir que la Inteligencia Artificial es una base fundamental para lo que son los nuevos computadores ya que en un futuro no muy lejano se tiene la intención de que las computadoras tengan la capacidad de tener un funcionamiento libre de cualquier intervención humana, esto nos demuestra que nuestro futuro sera muy desarrollado en cuanto a avances tecnológicos nos referimos.
La realización de este formato de portafolio de evidencias, nos ha servido para darme cuenta de que la IA no es algo nuevo, lleva décadas de estudio y está en constante evolución. La realidad es que la mayoría de la gente, al hablar de inteligencia artificial tiende a relacionarlo con el mundo de la robótica y, más concretamente a los robots con formas humanas, capaces de relacionarse..
Resulta también interesante que, al encontrarse en constante evolución, encontramos antiguas referencias de robots en la ciencia ficción que ahora sabemos que son posibles a medio o largo plazo, por otro lado me ha parecido apasionante tdoo lo relacionado con las redes neuronales y los sistemas expertos. Parece increíble que una máquina pueda reproducir funciones típicamente humanas
Rouse, M (2021) Inteligencia artificial o IA ¿Somos conscientes de los retos y principales aplicaciones de la Inteligencia Artificial? (s. f.). Iberdrola. Recuperado de https://www iberdrola com/innovacion/que-es-inteligencia-artificial
Apdal , R. (2021). Los 4 tipos de inteligencia artificial que debes conocer. APD España. Origen del concepto de inteligencia artificial (2020) Recuperado de https://agenciab12.mx/noticia/origen-concepto-inteligencia artificial#: :text=En%201956%20nace%20el%20t%C3%A9rmino,de%20%E2%80%9Chac er%20m%C3%A1quinas%20inteligent es.%E2%80%9D.
Inteligencia Artificial: solución de los problemas globales. (2019). eSemanal - Noticias del Canal. Recuperado de https://esemanal.mx/2019/12/inteligencia-artificial-solucion-de-losproblemas-globales/
Métodos de Búsqueda IA (2017, 15 junio) método de búsqueda https://inteligenciaartificialgrupo33.blogspot.com/p/metodos-de-busqueda-yejemplos.html#:%7E:text=En%20Inteligencia%20Artificial%20(IA)%20los,prueba%20aut om%C3%A1tica%20de%20teoremas%2C%20etc
UVM (2022) LA LÓGICA DE PRIMER ORDEN Recuperado de https://www.uv.mx/personal/aguerra/files/2019/03/rc-notas-05.pdf
UVM. (2022). Representación del Conocimiento Lógica de Primer Orden. Recuperado de https://www.uv.mx/personal/aguerra/files/2019/03/rc-slides-05.pdf
UVM. (2022). Inteligencia Artificial, Inteligencia Artificial. Recuperado de https://www uv mx/personal/edbenitez/files/2010/10/CursoIA10-III-2 pdf
Garcia, L (2012) ¿Qué es una Ontología? Un poco de Java Recuperado de https://unpocodejava.com/2012/08/24/que-es-una-ontologia/
Data science (2021) Redes Bayesianas Matemática y Estadística DATA SCIENCE DATA Recuperado de https://datascience.eu/es/matematica-y-estadistica/redesbayesianas/
