3. ÍNDICE
QUÉ ES LA IA
Tipos de Inteligencia Artificial
CHATBOTS
Que son, como funcionan, aplicaciones y ejemplos
MACHINE LEARNING
Que es,como funciona y aplicaciones
REDES NEURONALES
Que son, como funcionan y sus diferentes tipos
4. La inteligencia artificial es un
campo de la informática que se
enfoca en crear sistemas que
pueden realizar tareas que
normalmente requieren
inteligencia humana, como el
aprendizaje, el razonamiento y la
comprensión del lenguaje natural.
Esto se logra utilizando
algoritmos y modelos matemáticos
que permiten a las máquinas
"aprender" de datos y
experiencias pasadas para tomar
decisiones y realizar
predicciones.
¿Qué es la IA?
LA
DEFINICIÓN
DE
INTELIGENCIA
ARTIFICIAL
5. Los expertos en ciencias de la
computación Stuart Russell y Peter
Norvig diferencian varios tipos de
inteligencia artificial:
Sistemas que piensan
como humanos:
Automatizan
actividades como la
toma de decisiones,
la resolución de
problemas y el
aprendizaje. Un
ejemplo son las
redes neuronales
artificiales.
Sistemas que
actúan como
humanos:
Se trata de
computadoras que
realizan tareas
de forma similar
a como lo hacen
las personas. Es
el caso de los
robots.
Sistemas que
piensan
racionalmente:
Intentan emular el
pensamiento lógico
racional de los
humanos, es decir,
se investiga cómo
lograr que las
máquinas puedan
percibir, razonar y
actuar en
consecuencia.
Sistemas que
actúan
racionalmente:
Idealmente, son
aquellos que
tratan de imitar
de manera
racional el
comportamiento
humano, como los
agentes
inteligentes.
TIPOS DE INTELIGENCIA ARTIFICIAL
6. CHATBOTS
PODEMOS DEFINIR UN CHATBOT COMO UN ASISTENTE QUE SE
COMUNICA CON LOS USUARIOS A TRAVÉS DE MENSAJES DE TEXTO.
EN MUCHAS OTRAS OCASIONES, TOMA FORMA CONVIRTIÉNDOSE EN UN
COMPAÑERO VIRTUAL QUE SE INTEGRA EN SITIOS WEB,
APLICACIONES… CONVERSANDO Y AYUDANDO A LOS USUARIOS.
EL SISTEMA ESTÁ PROGRAMADO PARA QUE INTERACTÚE CON EL
CLIENTE Y LE RESUELVA DUDAS, PERO SIN QUE HAYA UNA PERSONA
FÍSICA CONTESTANDO.
LOS CHATBOTS UTILIZAN VARIOS PRINCIPIOS DEL LENGUAJE NATURAL:
PROCESAMIENTO DEL LENGUAJE NATURAL (PLN): SE UTILIZA PARA DIVIDIR LA ENTRADA DEL
USUARIO EN ORACIONES Y PALABRAS.
COMPRENSIÓN DEL LENGUAJE NATURAL (CLN): AYUDA AL CHATBOT A ENTENDER LO QUE EL
USUARIO HA DICHO, LAS HERRAMIENTAS QUE UTILIZA SON TALES COMO LÉXICOS, SINÓNIMOS Y
TEMAS.
GENERACIÓN DE LENGUAJE NATURAL (GNL): EL CHATBOT PUEDE CONSULTAR REPOSITORIOS DE
DATOS Y ASÍ, UTILIZAR ESA INFORMACIÓN PARA CREAR UNA RESPUESTA.
7. Tipos de Chatbots
DEPENDIENDO DE SU DISEÑO Y PROGRAMACIÓN PODEMOS ENCONTRAR DOS
TIPOS DE CHATBOTS BIEN DIFERENCIADOS:
CHATBOTS SIMPLES: ESTE SOFTWARE DE INTELIGENCIA ARTIFICIAL TRABAJA EN FUNCIÓN DE UNA SERIE
DE COMANDOS Y PALABRAS CLAVE (PREVIAMENTE “PREPARADAS”). SI EL USUARIO HACE UNA PREGUNTA
SIN USAR ESA PALABRA CLAVE, EL “ROBOT” NO PODRÁ ENTENDERLA Y RESPONDERÁ INVITANDO A
FORMULAR OTRA CUESTIÓN.
CHATBOTS INTELIGENTES: SON UNA CATEGORÍA DE MÁS NIVEL Y COMPLEJIDAD. DISEÑADOS EN TONO A LOS
CONCEPTOS Y FILOSOFÍA DE LA INTELIGENCIA ARTIFICIAL, NO TRABAJA EN BASE A PREGUNTAS O
PALABRAS CLAVES. EL CHAT EN VIVO RESPONDE CON SUGERENCIAS O IDEAS SOBRE EL TEXTO ESCRITO.
Aplicaciones de Chatbots y ejemplos
ASISTENTES VIRTUALES: SIRI DE APPLE, GOOGLE ASSISTANT Y AMAZON ALEXA, CORTANA,ETC.
CHATBOTS DE ENTRETENIMIENTO: SWELLY, CHATGPT, ZO.AI,PANDORABOTS.
CHATBOTS DE APRENDIZAJE DE IDIOMAS: DUOLINGO, MONDLY,SPEAKY,HELLOTALK.
8. Es un subconjunto de la
inteligencia artificial (IA). Se
enfoca en enseñar a las
computadoras para que aprendan de
los datos y mejoren con la
experiencia.
Las aplicaciones de machine
learning mejoran con el uso y se
vuelven más precisas a medida que
tienen acceso a más datos.
Las aplicaciones de machine
learning están a nuestro alrededor
–en nuestras casas, carritos de
compra, medios de entretenimiento y
cuidado de la salud.
¿Qué es?
DEFINICIÓN
DE
MACHINE
LEARNING
9. Como funciona el machinelearning?
CONSISTE EN DEJAR QUE LOS ALGORITMOS DESCUBRAN «PATTERNS», ES DECIR, PATRONES RECURRENTES,
EN CONJUNTOS DE DATOS. ESOS DATOS PUEDEN SER NÚMEROS, PALABRAS, IMÁGENES, ESTADÍSTICAS, ETC.
EL MACHINE LEARNING FUNCIONA AL RECOPILAR DATOS, PREPARARLOS Y DIVIDIRLOS EN CONJUNTOS DE
ENTRENAMIENTO Y PRUEBA. LUEGO, SE ELIGE UN ALGORITMO ADECUADO QUE SE ENTRENA CON EL CONJUNTO DE
ENTRENAMIENTO PARA APRENDER PATRONES. SE EVALÚA SU RENDIMIENTO CON EL CONJUNTO DE PRUEBA Y, SI ES
SATISFACTORIO, SE UTILIZA PARA HACER PREDICCIONES EN NUEVOS DATOS.
APLICACIONES DEL MACHINE LEARNING
DETECCIÓN DE ROSTRO. LO VEMOS EN NUESTROS MÓVILES.
ANTI-VIRUS. DETECTANDO SOFTWARE MALICIOSO.
VEHÍCULOS AUTÓNOMOS Y ROBOTS.
ANTI-SPAM. MEDIANTE EL USO DE TAGS.
ANÁLISIS DE IMÁGENES DE ALTA CALIDAD.
10. REDES NEURONALES
LAS REDES NEURONALES SON UN TIPO DE MODELO DE APRENDIZAJE
AUTOMÁTICO INSPIRADO EN EL FUNCIONAMIENTO DEL CEREBRO
HUMANO. ESTÁN COMPUESTAS POR NODOS INTERCONECTADOS
LLAMADOS NEURONAS ARTIFICIALES QUE TRABAJAN JUNTAS PARA
PROCESAR Y ANALIZAR ENTRADAS COMO DATOS O INFORMACIÓN.
CADA NEURONA ARTIFICIAL RECIBE UNA O VARIAS ENTRADAS LAS PROCESA MEDIANTE UNA
FUNCIÓN DE ACTIVACIÓN Y PRODUCE UNA SALIDA. ESTAS SALIDAS SE CONECTAN A OTRAS
NEURONAS FORMANDO UNA ESTRUCTURA DE CONEXIONES EN CAPAS QUE SE ASEMEJA A LA
ORGANIZACIÓN DE LAS NEURONAS EN EL CEREBRO.
LAS REDES NEURONALES APRENDEN AL AJUSTAR LOS PESOS Y LAS CONEXIONES ENTRE LAS
NEURONAS DURANTE UN PROCESO LLAMADO ENTRENAMIENTO. ESTE PROCESO GENERALMENTE
INVOLUCRA LA PRESENTACIÓN DE UN CONJUNTO DE DATOS DE ENTRENAMIENTO PARA QUE LA
RED PUEDA APRENDER LOS PATRONES Y LAS RELACIONES ENTRE LAS ENTRADAS Y LAS
SALIDAS DESEADAS.
11. LOS DIFERENTES TIPOS DE REDES NEURONALES INCLUYEN:
REDES NEURONALES FEEDFORWARD (FNN): FLUYEN EN UNA SOLA DIRECCIÓN, SIN MEMORIA
DE ESTADOS ANTERIORES. ÚTILES PARA TAREAS DE CLASIFICACIÓN Y REGRESIÓN.UN
EJEMPLO COMÚN ES LA DETECCIÓN DE SPAM EN CORREOS ELECTRÓNICOS.
REDES NEURONALES CONVOLUCIONALES (CNN): DESTACAN EN PROCESAMIENTO DE IMÁGENES
AL PRESERVAR LA ESTRUCTURA ESPACIAL DE DATOS,UN EJEMPLO ES LA APLICACIÓN DE
RECONOCIMIENTO FACIAL EN REDES SOCIALES COMO FACEBOOK, DONDE SE UTILIZAN PARA
ETIQUETAR AUTOMÁTICAMENTE A LAS PERSONAS EN LAS FOTOS.
REDES NEURONALES RECURRENTES (RNN): TIENEN CICLOS QUE LES PERMITEN PROCESAR
SECUENCIAS Y MANTENER MEMORIA DE ESTADOS ANTERIORES. VARIACIONES COMO LSTM Y
GRU MEJORAN LA RETENCIÓN DE INFORMACIÓN.SE UTILIZAN PARA LA TRADUCCIÓN
AUTOMÁTICA. GOOGLE TRANSLATE, POR EJEMPLO, UTILIZA RNN PARA ANALIZAR Y GENERAR
TRADUCCIONES PRECISAS ENTRE DIFERENTES IDIOMAS.
REDES NEURONALES GENERATIVAS ADVERSARIALES (GAN): COMPRENDEN UN GENERADOR Y UN
DISCRIMINADOR QUE COMPITEN PARA CREAR DATOS REALISTAS. IDEADAS POR IAN
GOODFELLOW EN 2014, SE USAN PARA GENERAR CONTENIDO REALISTA EN DIVERSAS
APLICACIONES. UN EJEMPLO ES LA GENERACIÓN DE IMÁGENES REALISTAS.