Los retos de la inteligencia artificial en la sociedad actual

•Descargar como PPTX, PDF•

0 recomendaciones•156 vistas

Charla sobre los retos presentes y futuros de la inteligencia artificial en Universidad Libre de Infantes el 25 de Enero de 2021.

Tecnología

Los Retos de la
Inteligencia Artificial
en la Sociedad Actual
Miguel González-Fierro

Outline
Entendiendo la Inteligencia artificial
• Inteligencia humana
• Inteligencia artificial
• Historia de la IA
Aplicaciones y retos actuales y futuros
• Estado actual
• Retos éticos de la IA
• El futuro de la IA

Puede una máquina
crear algo
totalmente nuevo?
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Hackeando el
cerebro
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro
M. González-Fierro, “Is it Possible for a Robot to Have Emotions?”, link.

Resolución de problemas por diferencias,
generalización y cognición
Activate a
Way to Think
Recognize a
Problem-Type
Critics Selector
Critic-Selector based machine
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro
M. Minsky, “The Emotion Machine”, 2006.

Formas de
adquirir
conocimiento
Conocimiento innato
Conocimiento por imitación
Conocimiento por innovación
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Tipos de matemáticas
Mateméticas analíticas Matemáticas estimadas
F=ma
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Cómo aprende
una máquina:
optimización
basada en el error
M. González-Fierro, “A Gentle Introduction to the basics of Machine Learning”, 2016, link.
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

MACHINE LEARNING DEEP LEARNING ARTIFICIAL GENERAL
INTELLIGENCE (AGI)
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Los inicios de la Inteligencia Artificial
Hombre de palo por
Turriano ~1500
(Matemático Mayor
de Felipe II)
2 meses de Verano para resolver IA
IA: “la ciencia e ingeniería de hacer
máquinas inteligentes“ – MacCarthy, 1956
El test de Turing (juego
de imitación) - 1950
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Machine learning y el invierno de la IA
Desarrollo de machine learning utilizando características obtenidas manualmente
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Deep learning y el uso de GPUs
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Avances sobre la capacidad humana
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

AlphaGo y el movimiento 37 (2016)
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Inversión en IA en la última década
Fuente: Crunchbase, recogido 16 Agosto 2019
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

AlphaFold2 y problema del plegamiento de las proteínas
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro
J. Jumper et al, “High Accuracy Protein Structure Prediction Using Deep Learning”, 2020.

Sistemas de recomendación en comercio electrónico
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Seguridad por reconocimiento facial
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Sistemas de generación de texto automático
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Robótica – Boston Dynamics
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Peligros de la IA: Desinformación y noticias falsas
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Peligros de la IA: datos personales
Chris Wylie, empleado de Cambridge Analytica, denunción el uso
indebido de datos de Facebook para campañas políticas
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Peligros de la IA: bias algorítmico
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Otras implicaciones
Desplazamiento del trabajo Armas autónomas Errores de la IA
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro
M. González-Fierro, “10 Ethical Issues of Artificial Intelligence and Robotics”, 2018, link.

Futuro de la IA: de replicación de patrones a razonamiento
Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

Más contenido relacionado

Similar a Los retos de la inteligencia artificial en la sociedad actual

Visión general de la inteligencia artificial, con definiciones, situación actual, aplicaciones en diversos campos, tendencia. Analiza el impacto de la IA en el futuro laboral y aspectos éticos relacionados. Incluye IA débil, fuerte, general, superinteligencia artificial, inteligencia aumentada. Presenta avances en robots humanoides dedicados a trabajo colaborativo y saca a la luz el tema de emociones en la interrelación entre humanos y robots, junto con la capacidad de percepción de estos últimos y la posibilidad de autoconciencia. Se referencian numerosos ejemplos y videos aclaratorios. De manera complementaria, el texto es acompañado con varias imágenes de alta calidad realizadas por el autor con la inteligencia artificial de Adobe Fireflay.

TENDENCIAS DE IA Explorando el futuro de la tecnologia.pdf

JoseAlejandroPerezBa

Competencias digitales y marca personal.

SocialyTech

La inteligencia artificial y los robots

Elizabeth Bolaños

Js10 10112014 como el sector del comercio puede ser participe de una smarcity

CaceresInnovacion

Inteligencia artificial: Transformando Mercados

Carlos Cardenas Fernandez

¿Cómo se puede mejorar la función del componente humano en el proceso de desarrollo de software? Se propone a la autocrítica como hábito en el arte de cultivar profesionales en desarrollo de software. En esta presentación se sugieren algunas preguntas que sirven para orientar la indagación hacia un mejor profesionalismo en desarrollo de software. Aludiremos a la pedagogía (filosofía de la educación), epistemología (filosofía de la ciencia), didáctica (filosofía de la enseñanza), escolástica (filosofía de la escuela), y al espíritu emprendedor con miras de un mejor arte del aprendizaje y del autocultivo crítico en nuestra cultura profesional.

La autocrítica como hábito en el arte del cultivo de profesionales en software

Software Guru

Análisis de los nuevos modelos de negocio innovadores en Internet

Néstor Romero

Colombia - Centre for the Fourth Industrial Revolution Parte 2

ProColombia

Colombia - Centre for the Fourth Industrial Revolution

ProColombia

7. c4 ir investment summit 20191028

ProColombia

Redes sociales. Una oportunidad para las franquicias.

Concepto05

#Technow - Tendencia 06 INTELIGENCIA ARTIFICIAL

SM Digital

5 el presente y el futuro de las transacciones

REDD Real Estate Digital Day

Cursos Inteligencia Artificial para Recursos Humanos y Reclutamiento IA RRHH ...

ReclutaconIA.com Cursos y Libros

Pensamiento expónencial para impactar en la vida de mil millones de personas

Jaime Sotomayor Barrios

Global media

Isidro Emmanuel Aguilar López

La pregunta que muchas de las personas nos hacemos al escuchar la palabra “Inteligencia Artificial” es “¿En realidad los científicos serán capaces de realizar alguna máquina que tenga la capacidad de sentir y pensar, como nosotros?” Aquí se pretende informar al lector de cómo y qué tanto la Inteligencia Artificial ha avanzado, así como qué tan cerca está de igualar nuestras capacidades tanto físicas como mentales. Este documento también remarca algunos de los aspectos en los que la Inteligencia Artificial nos beneficia tanto personalmente como empresarialmente, así como también nos menciona algunas de las ramas en las que la Inteligencia Artificial se divide. También se mencionan algunos de los conceptos básicos de la Inteligencia Artificial como su historia y su concepto.

Desarrollo de la Inteligencia Artificial

Nataly Gysban Santiago Gutiérrez

X Videoconferencia "Investigando en Red" 邏 Disertante: Ing. Oriol Borrás Gené (España) Fecha: MAÑANA, Sábado 15 de julio, 8:30 hs (hora de Paraguay) 6:30 hs Guatemala, Honduras, Costa Rica, El Salvador 7:30 hs Colombia, Perú, Ecuador, Panamá, México (Ciudad de México) 8:30 hs Paraguay, Bolivia, Chile, Venezuela 9:30 hs Argentina, Brasil, Uruguay  Plataforma: Youtube enlazado a hangouts a través del canal CPEDEC. ➡ Link de la videoconferencia: https://www.youtube.com/watch?v=cKAcv4q0qhA

Investigando en red

Oriol Borras Gene

La digitalización de la empresa familiar

Esteban Romero Frías

Industria del videojuego

Josue Rodrigo Contreras Granados

Similar a Los retos de la inteligencia artificial en la sociedad actual (20)

TENDENCIAS DE IA Explorando el futuro de la tecnologia.pdf

Competencias digitales y marca personal.

La inteligencia artificial y los robots

Js10 10112014 como el sector del comercio puede ser participe de una smarcity

Inteligencia artificial: Transformando Mercados

La autocrítica como hábito en el arte del cultivo de profesionales en software

Análisis de los nuevos modelos de negocio innovadores en Internet

Colombia - Centre for the Fourth Industrial Revolution Parte 2

Colombia - Centre for the Fourth Industrial Revolution

7. c4 ir investment summit 20191028

Redes sociales. Una oportunidad para las franquicias.

#Technow - Tendencia 06 INTELIGENCIA ARTIFICIAL

5 el presente y el futuro de las transacciones

Cursos Inteligencia Artificial para Recursos Humanos y Reclutamiento IA RRHH ...

Pensamiento expónencial para impactar en la vida de mil millones de personas

Global media

Desarrollo de la Inteligencia Artificial

Investigando en red

La digitalización de la empresa familiar

Industria del videojuego

Más de Miguel González-Fierro

The objective of this tutorial is to give the audience hands-on experience to work through the basics about knowledge graph and recommender technology, and how to use them for building an article recommender for COVID-19 research. Particularly, we used a dataset of COVID research-related papers. We consider two tasks, author to paper recommendation and paper to paper recommendation. This work is interesting in the sense that it touches several areas of ML such as recommendation systems, knowledge graphs and NLP. This work has been done with my amazing collaborators Zhihong (Iris) Shen, Jianxun Lian and Le Zhang. The talk was presented at the Toronto Machine Learning Summit on November 16th 2020

Knowledge Graph Recommendation Systems For COVID-19

Miguel González-Fierro

This thesis addresses the problem of planning and controlling complex tasks in a humanoid robot from a postural point of view. It is motivated by the growth of robotics in our current society, where simple robots are being integrated. Its objective is to make an advancement in the development of complex behaviors in humanoid robots, in order to allow them to share our environment in the future. The work presents different contributions in the areas of humanoid robot postural control, behavior planning, non-linear control, learning from demonstration and reinforcement learning. First, as an introduction of the thesis, a group of methods and mathematical formulations are presented, describing concepts such as humanoid robot modelling, generation of locomotion trajectories and generation of whole-body trajectories. Next, the process of human learning is studied in order to develop a novel method of postural task transference between a human and a robot. It uses the demonstrated action goal as a metrics of comparison, which is codified using the reward associated with the task execution. As an evolution of the previous study, this process is generalized to a set of sequential behaviors, which are executed by the robot based on human demonstrations. Afterwards, the execution of postural movements using a robust control approach is proposed. This method allows controlling the desired trajectory even with mismatches in the robot model. Finally, an architecture that encompasses all methods of postural planning and control is presented. It is complemented by an environment recognition module that identifies the free space in order to perform path planning and generate safe movements for the robot. The experimental justification of this thesis was developed using the humanoid robot HOAP-3. Tasks such as walking, standing up from a chair, dancing or opening a door have been implemented using the techniques proposed in this work. Defense date: October 2014 Link to thesis: https://miguelgfierro.com/docs/gonzalez-fierro2014thesis.pdf

Thesis dissertation: Humanoid Robot Control of Complex Postural Tasks based o...

Miguel González-Fierro

Best practices in coding for beginners

Miguel González-Fierro

In the last year there have been a number of attempts to train deep CNNs on the ImageNet dataset in the shortest time possible, with the most recent attempt managing to do it in 15 minutes. All of these attempts happen on custom clusters which are out of the reach of most data scientists. One of the key advantages of the cloud is being able to scale out compute resources as required. In this talk we will present two platforms for running distributed deep learning in the cloud which are within the reach of every data scientist. The first is a service called Batch AI which uses the Azure Batch infrastructure to easily run Deep Learning jobs at scale across GPUs. The second is an open source toolkit that allows data scientists to spin up clusters in turn-key fashion. It utilises Kubernetes and Grafana for easy job scheduling and monitoring. It has been used in daily production for Microsoft internal groups. Both utilise Docker containers making it possible to run any deep learning framework on them. We will use the aforementioned training platforms to train a ResNet network on ImageNet dataset using each of the following frameworks: CNTK, Tensorflow (Horovod), PyTorch, MxNet and Chainer. We will then compare and contrast the performance improvement as we scale the number of nodes as well as provides tips and details of the pitfalls of each framework and platform. The examples presented can also be used as templates so that others can utilise these for their own deep learning problems. Presented at Strata London 2018: https://conferences.oreilly.com/strata/strata-eu/public/schedule/detail/65426

Distributed training of Deep Learning Models

Miguel González-Fierro

In this talk we present a new paradigm of computation where the intelligence is computed inside the database. Standard software systems must get the data from the database to execute a routine. If the size of the data is big, there are inefficiencies due to the data movement. Store procedures tried to solve this issue in the past, allowing for computing simple functions inside the database. However, only simple routines can be executed. To showcase the capabilities of our new system, we created a lung cancer detection algorithm using Microsoft’s Cognitive Toolkit, also known as CNTK. We used transfer learning between ImageNet dataset, which contains natural images, and a lung cancer dataset, which contains scans of horizontal sections of the lung for healthy and sick patients. Specifically, a pretrained Convolutional Neural Network on ImageNet is used on the lung cancer dataset to generate features. Once the features are computed, a boosted tree is applied to predict whether the patient has cancer or not. All this process is computed inside the database, so the data movement is minimized. We are even able to execute the algorithm using the GPU of the virtual machine that hosts the database. Using a GPU, we can compute the featurization in less than 1h, in contrast to using a CPU, that would take up to 32h. Finally, we set up an API to connect the solution to a web app, where a doctor can analyze the images and get a prediction of a patient.

Running Intelligent Applications inside a Database: Deep Learning with Python...

Miguel González-Fierro

AI is considered the biggest commercial opportunity in the changing economy. It is expected to generate $15.7T by 2030 (according to PwC). In this talk I explained what are some of the top business opportunities for cloud sales professionals in the field of deep learning and artificial intelligence. I addressed the most important principles of deep learning techniques and finally, I studied two deep learning problems (image recognition with CNNs and sentiment analysis with RNNs) with 5 different deep learning frameworks.

Deep Learning for Sales Professionals

Miguel González-Fierro

Since its launch in mid-January, the Data Science Bowl Lung Cancer Detection Competition has attracted more than 1,000 submissions. To be successful in this competition, data scientists need to be able to get started quickly and make rapid iterative changes. In this talk, we show how to compute features of the scanned images in the competition with a pre-trained Convolutional Neural Network (CNN) with Cognitive Toolkit (previously named CNTK), and use these features to classify the scans into cancerous or not cancerous, using a boosted tree with Light-GBM library, all in one hour. Blog post: https://blogs.technet.microsoft.com/machinelearning/2017/02/17/quick-start-guide-to-the-data-science-bowl-lung-cancer-detection-challenge-using-deep-learning-microsoft-cognitive-toolkit-and-azure-gpu-vms/

Deep Learning for Lung Cancer Detection

Miguel González-Fierro

Deep learning has been especially successful in computer vision tasks such as image classification because convolutional neural nets (CNNs) can create hierarchical representations in an image. One of the most remarkable advances is ResNet, the CNN that surpassed human-level accuracy for the first time in history. ImageNet competition has become the de facto benchmark for image classification in the research community. The “small” ImageNet data contains more than 1.2 million images distributed in 1,000 classes. Miguel González-Fierro explains how to train a state of the art deep neural network, ResNet, using Microsoft RSever and MXNet with the ImageNet dataset. (While most of the deep learning libraries are programmed in C++ and Python, only MXNet offers an API for R programmers.) Miguel then demonstrates how to operationalize this training for real-world business problems related to image classification. This talk was presented at Strata London 2017: https://conferences.oreilly.com/strata/strata-eu/public/schedule/detail/57428

Mastering Computer Vision Problems with State-of-the-art Deep Learning

Miguel González-Fierro

The speed of a machine learning algorithm can be crucial in problems that require retraining over time. Some useful domains can be IoT, sports result prediction, predictive maintenance and healthcare. Microsoft recently open-sourced LightGBM library for decision trees that outperformed other libraries in both speed and performance. In this talk, we demoed several applications using LightGBM. This talk was presented at Strata London 2017: https://conferences.oreilly.com/strata/strata-eu/public/schedule/detail/57536

Speeding up machine-learning applications with the LightGBM library

Miguel González-Fierro

In this talk I gave an overview of some of the tools that Microsoft Azure offers to researchers. I spoke about Microsoft's Big Data platform, called HDInsight, that allows for creating Spark and Hadoop applications; about Azure ML Studio, a GUI for developing machine learning models very quickly; and about the Data Science Virtual Machine (DSVM), a VM targeted to data scientists and machine learning professionals, which contains all the needed software to create any machine learning system.

Leveraging Data Driven Research Through Microsoft Azure

Miguel González-Fierro

Empowering every person on the planet to achieve more

Miguel González-Fierro

Deep Learning for NLP

Miguel González-Fierro

Más de Miguel González-Fierro (12)

Knowledge Graph Recommendation Systems For COVID-19

Thesis dissertation: Humanoid Robot Control of Complex Postural Tasks based o...

Best practices in coding for beginners

Distributed training of Deep Learning Models

Running Intelligent Applications inside a Database: Deep Learning with Python...

Deep Learning for Sales Professionals

Deep Learning for Lung Cancer Detection

Mastering Computer Vision Problems with State-of-the-art Deep Learning

Speeding up machine-learning applications with the LightGBM library

Leveraging Data Driven Research Through Microsoft Azure

Empowering every person on the planet to achieve more

Deep Learning for NLP

Último

herramientas informaticas mas utilizadas

pqeilyn0827

Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0...

Telefónica

Desarrollo de Habilidades de Pensamiento.

AlejandraCasallas7

Sistemas distribuidos de redes de computadores en un entorno virtual de apren...

Luis Fernando Uribe Villamil

Herramientas informáticas. Sara Torres R.

saravalentinat22

3Redu: Responsabilidad, Resiliencia y Respeto

cdraco

¡Mira mi nuevo diseño hecho en Canva!.pdf

7adelosriosarangojua

Desarrollo de Habilidades de Pensamiento.docx (3).pdf

AlejandraCasallas7

Robótica educativa para la eduacion primaria .pptx

44652726

ACTIVIDAD DE TECNOLOGÍA AÑO LECTIVO 2024

DanielErazoMedina

proyecto invernadero desde el departamento de tecnología para Erasmus

raquelariza02

En esta oportunidad nos vamos a enfocar en el lado de la fuente de datos, cuando usamos plataforma de datos Microsoft. Conocer sobre la operación de las fuentes y como optimizarlas también es importante para mantener adecuadamente una solución de inteligencia de negocios con Power BI. En esta oportunidad tendremos dos presentaciones a cargo de experimentados DBA. La novedad es que nos acompaña desde España el DBA Roberto Carrancio, experto en soporte, mantenimiento y optimización de SQL Server y Azure SQL Database

Gestión de concurrencia y bloqueos en SQL Server

RobertoCarrancioFern

leidy fuentes - power point -expocccion -unidad 4 (1).pptx

Leidyfuentes19

HerramientasInformaticas ¿Que es? - ¿Para que sirve? - Recomendaciones - Comp...

Kevin Serna

En este proyecto de investigación nos adentraremos en el fascinante mundo de la intersección entre el arte y los medios de comunicación en el campo de la informática. La rápida evolución de la tecnología ha llevado a una fusión cada vez más estrecha entre el arte y los medios digitales, generando nuevas formas de expresión y comunicación. Continuando con el desarrollo de nuestro proyecto haremos uso del método inductivo porque organizamos nuestra investigación a la particular a lo general. El diseño metodológico del trabajo es no experimental y transversal ya que no existe manipulación deliberada de las variables ni de la situación, si no que se observa los fundamental y como se dan en su contestó natural para después analizarlos. El diseño es transversal porque los datos se recolectan en un solo momento y su propósito es describir variables y analizar su interrelación, solo se desea saber la incidencia y el valor de uno o más variables, el diseño será descriptivo porque se requiere establecer relación entre dos o más de estás. Mediante una encuesta recopilamos la información de este proyecto los alumnos tengan conocimiento de la evolución del arte y los medios de comunicación en la información y su importancia para la institución. Actualmente, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital, siendo este un componente electrónico, por tanto se ha desarrollado y se ofrece un amplio rango de soluciones al problema del almacenamiento de datos.

(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática

vazquezgarciajesusma

3Â°ð_¦_â_¾ï¸_S34 PLAN DARUKEL DIDÃ_CTICA 23-24.docx

werito139410

EduFlex, una educación accesible para quienes no entienden en clases

PABLOCESARGARZONBENI

Diagrama de flujo soporte técnico 5to semestre

rafaelsalazar0615

(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática

vazquezgarciajesusma

Diagrama de flujo - ingenieria de sistemas 5to semestre

DiegoCampos433849

Los retos de la inteligencia artificial en la sociedad actual

1. Los Retos de la Inteligencia Artificial en la Sociedad Actual Miguel González-Fierro

2. Outline Entendiendo la Inteligencia artificial • Inteligencia humana • Inteligencia artificial • Historia de la IA Aplicaciones y retos actuales y futuros • Estado actual • Retos éticos de la IA • El futuro de la IA

3. Outline Entendiendo la Inteligencia artificial • Inteligencia humana • Inteligencia artificial • Historia de la IA Aplicaciones y retos actuales y futuros • Estado actual • Retos éticos de la IA • El futuro de la IA

4. Puede una máquina crear algo totalmente nuevo? Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

5. Hackeando el cerebro Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro M. González-Fierro, “Is it Possible for a Robot to Have Emotions?”, link.

6. Resolución de problemas por diferencias, generalización y cognición Activate a Way to Think Recognize a Problem-Type Critics Selector Critic-Selector based machine Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro M. Minsky, “The Emotion Machine”, 2006.

7. Formas de adquirir conocimiento Conocimiento innato Conocimiento por imitación Conocimiento por innovación Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

8. Tipos de matemáticas Mateméticas analíticas Matemáticas estimadas F=ma Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

9. Cómo aprende una máquina: optimización basada en el error M. González-Fierro, “A Gentle Introduction to the basics of Machine Learning”, 2016, link. Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

10. MACHINE LEARNING DEEP LEARNING ARTIFICIAL GENERAL INTELLIGENCE (AGI) Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

11. Los inicios de la Inteligencia Artificial Hombre de palo por Turriano ~1500 (Matemático Mayor de Felipe II) 2 meses de Verano para resolver IA IA: “la ciencia e ingeniería de hacer máquinas inteligentes“ – MacCarthy, 1956 El test de Turing (juego de imitación) - 1950 Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

12. Machine learning y el invierno de la IA Desarrollo de machine learning utilizando características obtenidas manualmente Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

13. Deep learning y el uso de GPUs Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

14. Avances sobre la capacidad humana Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

15. AlphaGo y el movimiento 37 (2016) Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

16. Outline Entendiendo la Inteligencia artificial • Inteligencia humana • Inteligencia artificial • Historia de la IA Aplicaciones y retos actuales y futuros • Estado actual • Retos éticos de la IA • El futuro de la IA

17. Inversión en IA en la última década Fuente: Crunchbase, recogido 16 Agosto 2019 Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

18. AlphaFold2 y problema del plegamiento de las proteínas Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro J. Jumper et al, “High Accuracy Protein Structure Prediction Using Deep Learning”, 2020.

19. Sistemas de recomendación en comercio electrónico Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

20. Seguridad por reconocimiento facial Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

21. Sistemas de generación de texto automático Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

22. Robótica – Boston Dynamics Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

23. Peligros de la IA: Desinformación y noticias falsas Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

24. Peligros de la IA: datos personales Chris Wylie, empleado de Cambridge Analytica, denunción el uso indebido de datos de Facebook para campañas políticas Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

25. Peligros de la IA: bias algorítmico Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

26. Otras implicaciones Desplazamiento del trabajo Armas autónomas Errores de la IA Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro M. González-Fierro, “10 Ethical Issues of Artificial Intelligence and Robotics”, 2018, link.

27. Futuro de la IA: de replicación de patrones a razonamiento Miguel González-Fierro – https://miguelgfierro.com – https://www.linkedin.com/in/miguelgfierro

28. PREGUNTAS? Miguel González-Fierro

Notas del editor

https://www.linkedin.com/posts/miguelgfierro_alphafold-the-making-of-a-scientific-breakthrough-activity-6739440159554592768-0a3Q/

Los retos de la inteligencia artificial en la sociedad actual

Recomendados

Recomendados

Más contenido relacionado

Similar a Los retos de la inteligencia artificial en la sociedad actual

Similar a Los retos de la inteligencia artificial en la sociedad actual (20)

Más de Miguel González-Fierro

Más de Miguel González-Fierro (12)

Último

Último (20)

Los retos de la inteligencia artificial en la sociedad actual

Notas del editor