Hace 20 años:

Persona: En la faz de la Tierra, solamente los seres humanos tienen inteligencia como para procesar textos, escribir o escuchar.

En el 2010:

Máquina: ¿Esto crees tú?

Robot con capacidad para interaccionar con humanos by: possessed photography

En este post, vamos hacer una breve introducción a la Inteligencia Artificial.

La Inteligencia Artificial es la habilidad de una máquina de presentar capacidades similares a las de los seres humanos, como: razonamiento, autoaprendizaje, capacidad de planear, entre otras.

Mediante muchos datos y máquinas potentes, los algoritmos que forman la familia de la Inteligencia Artificial pueden sorprender a cualquiera. Por ejemplo, la NLP permite a los ordenadores escribir artículos o resumirlos.

Aunque el termino más popular es Inteligencia Artificial (AI), también encontramos otros nombres que permiten definir subconjuntos de esta gran familia:

  • Machine Learning (ML):  algoritmos capaces de analizar datos y detectar patrones de forma automática para hacer predicciones, tomar decisiones, clasificar elementos…
  • Natural Language Processing (NLP): algoritmos capaces de entender, transformar y generar lenguaje humano.
  • Computer Vision (CV): algoritmos con capacidad para detectar, entender y procesar elementos gráficos (imágenes, videos…).
  • Deep Learning: subconjunto de algoritmos del Machine Learning, representados por el concepto de red neuronal. Las redes neuronales son modelos de aprendizaje automático inspirados por el funcionamiento de la mente humana, con un enfoque neurobiológico.

¿Pero como funciona todo esto?

Para poder conseguir crear aplicaciones en qué un ordenador o máquina pueda aprender necesitamos 3 elementos básicos:

  1. Big Data: grandes volúmenes de datos. Nos permite ayudar a los algoritmos inteligentes aprender a realizar la tarea que en un futuro se le asignará a la máquina.
  2. Máquinas potentes: para poder realizar todos los cálculos (ya sean o no estadísticos) que permitirán aprender al algoritmo, necesitamos máquinas u ordenadores con gran capacidad de procesamiento.
  3. Data Mining: herramientas estadísticas para transformar los datos en un formato que el algoritmo pueda utilizar para aprender.
  4. Algoritmos: modelos matemáticos capaces de aprender y automatizar tareas mediante la estadística u otras técnicas matemáticas.

El algoritmo puede ofrecer dos formas de aprendizaje:

  • Supervised Learning: el algoritmo aprende a detectar los patrones mediante datos pasados y luego es capaz de detectarlos automáticamente con los nuevos datos. La supervisión aparece en el aprendizaje: para que el algoritmo aprenda con los datos pasados que le introducimos, facilitamos las solución que tiene que dar.
  • Unsupervised Learning: el algoritmo está programado para detectar nuevos e interesantes patrones con datos totalmente nuevos para él. Sin supervisión ninguna, se espera que el algoritmo sea capaz de encontrar patrones lógicos.
  • Reinforcement Learning: el algoritmo decide como actuar en ciertas situaciones y su comportamiento es premiado o penalizado en función de las consecuencias.

Dentro del grupo SL, hay un conjunto de modelos muy peculiares que permite simular los procesos de aprendizaje biológicos del ser humano y se llaman Redes Neuronales. Las redes neuronales, tienen unas unidades llamadas neurona.

Foto by: Quanta Magazine

Esta es una introducción a la Inteligencia Artificial. La capacidad que podemos dar a los ordenadores o máquinas nos pueden ayudar aliviar y mejorar proceso en nuestro día a día. ¿Cómo puede ayudarnos en las Compras?

Si estás interesado en conocer como las nuevas tecnologías están ayudando a los Compradores, no te dejes perder los próximos posts.

Si estás interesado o tienes curiosidad en conocer como Valerdat está ayudado a Compradores optimizar las compras mediante la Inteligencia Artificial, accede a una sesión gratuita con un consultor experto de Valerdat.

Deja una respuesta

Tu dirección de correo electrónico no será publicada.