Inteligencia Artificial (IA): Introducción y Tipos
evelyn clarke
⚡ Resumen inteligente
La inteligencia artificial permite a las máquinas realizar funciones cognitivas como percibir, aprender, razonar y resolver problemas, al igual que los humanos. Este tutorial abarca la definición, la historia, los objetivos, los subcampos y los tipos de IA, y explica en qué se diferencia del aprendizaje automático y por qué está experimentando un auge en la actualidad.
¿Qué es la inteligencia artificial (IA)?
AI (Inteligencia Artificial) La inteligencia artificial es la capacidad de una máquina para realizar funciones cognitivas como los humanos, tales como percibir, aprender, razonar y resolver problemas. El referente para la IA es el nivel humano en términos de razonamiento, habla y visión.
En este tutorial de Inteligencia Artificial, aprenderás los conceptos básicos de IA que se tratan en las secciones siguientes.
Cómo la IA crea valor empresarial
Hoy en día, la IA se utiliza en casi todos los sectores, lo que otorga una ventaja tecnológica a las empresas que la integran a gran escala. Según McKinsey, la IA tiene el potencial de generar 600 mil millones de dólares en valor en el sector minorista y aportar un 50 % más de valor incremental en la banca en comparación con otras técnicas analíticas. En el transporte y la logística, el potencial aumento de ingresos alcanza el 89 %.
Por ejemplo, si una organización utiliza IA para su equipo de marketing, puede automatizar tareas rutinarias y repetitivas para que los representantes de ventas se centren en la creación de relaciones y el desarrollo de clientes potenciales. Una empresa llamada Gong ofrece un servicio de inteligencia conversacional: cada vez que un representante de ventas realiza una llamada, la máquina graba, transcribe y analiza la conversación, y los gerentes utilizan los análisis y las recomendaciones de la IA para diseñar una estrategia ganadora.
En resumen, la IA proporciona tecnología de vanguardia para gestionar datos complejos que un ser humano no puede procesar por sí solo. Automatiza tareas repetitivas para que los trabajadores se centren en tareas de alto valor y, cuando se implementa a gran escala, reduce costes y aumenta los ingresos.
Historia de la inteligencia artificial
La inteligencia artificial es una palabra de moda hoy en día, pero el término no es nuevo. En 1956, expertos de diferentes ámbitos organizaron un proyecto de investigación de verano sobre IA. Cuatro mentes brillantes lo dirigieron: John McCarthy (Dartmouth College), Marvin Minsky (Universidad de Harvard), Nathaniel Rochester (IBM), y Claude Shannon (Bell Telephone Laboratories). Aquí hay una breve historia de la IA.
| Año | Hito / Innovación |
|---|---|
| 1923 | La obra de teatro de Karel Čapek, “Robots Universales de Rossum”, introdujo la palabra “robot” en el inglés. |
| 1943 | FoundationSe establecieron pautas para las redes neuronales. |
| 1945 | Isaac Asimov, exalumno de la Universidad de Columbia, utilizó el término "robótica". |
| 1956 | John McCarthy fue el primero en utilizar el término "Inteligencia Artificial", y se presentó el primer programa de IA en funcionamiento. |
| 1964 | La tesis doctoral de Danny Bobrow en el MIT demostró cómo las computadoras podían comprender el lenguaje natural. |
| 1969 | El Instituto de Investigación de Stanford desarrolló Shakey, un robot con capacidad de locomoción y resolución de problemas. |
| 1979 | Se construyó el Stanford Cart, el primer vehículo autónomo controlado por ordenador del mundo. |
| 1990 | Demostraciones significativas en aprendizaje automático. |
| 1997 | El programa de ajedrez Deep Blue venció al campeón mundial Garry Kasparov. |
| 2000 | Las mascotas robot interactivas se comercializaron; el MIT exhibió Kismet, un robot que expresa emociones. |
| 2006 | La IA entró en el mundo empresarial; empresas como Facebook, Netflixy Twitter comenzó a usarlo. |
| 2012 | Google lanzado "Google Ahora”, un Android función que ofrece predicciones. |
| 2018 | IBMEl participante del programa "Project Debater" debatió temas complejos con expertos en debate y tuvo un desempeño excepcional. |
Objetivos de la inteligencia artificial
Los principales objetivos de la IA son:
- Reduzca el tiempo necesario para realizar tareas específicas.
- Facilitar la interacción de los humanos con las máquinas.
- Facilitar una interacción más natural y eficiente entre el ser humano y el ordenador.
- Mejorar la precisión y la rapidez de los diagnósticos médicos.
- Ayudar a las personas a aprender información nueva más rápidamente.
- Mejorar la comunicación entre humanos y máquinas.
Subcampos de la Inteligencia Artificial
Estos son los subcampos importantes de la Inteligencia Artificial.
Aprendizaje automático: El arte de estudiar algoritmos que aprenden de ejemplos y experiencia. Se basa en identificar patrones en los datos y utilizarlos para realizar predicciones futuras. A diferencia de las reglas predefinidas, la máquina aprende las reglas por sí misma.
Aprendizaje profundo: Un subcampo del aprendizaje automático que utiliza múltiples capas para aprender de los datos. La profundidad del modelo es el número de capas que contiene; por ejemplo, GoogleEl modelo LeNet para el reconocimiento de imágenes tiene 22 capas.
Procesamiento del lenguaje natural (PNL): La rama de la IA que permite a las máquinas leer, comprender y generar lenguaje humano. Impulsa aplicaciones como chatbots, traducción, análisis de sentimientos y reconocimiento de voz.
Sistemas expertos: Un sistema interactivo y fiable de toma de decisiones basado en computadora que utiliza datos y heurísticas para resolver problemas complejos dentro de un dominio específico. Su objetivo es resolver los problemas más difíciles dentro de ese dominio.
Lógica difusa: Una lógica multivaluada en la que los valores de verdad pueden ser cualquier número real entre 0 y 1. Maneja el concepto de verdad parcial para situaciones en las que una afirmación no es ni completamente verdadera ni completamente falsa.
Tipos de inteligencia artificial
La IA se puede clasificar de dos maneras: por su capacidad y por su técnica.
Por capacidad:
- IA estrecha: Realiza de forma inteligente una única tarea específica, como el etiquetado de imágenes o el uso de asistentes de voz.
- IA general: Puede realizar cualquier tarea intelectual con la misma eficiencia que un ser humano (aún en teoría).
- Súper IA: Un nivel hipotético en el que las máquinas superan la inteligencia humana.
Por técnica:
- Inteligencia artificial basada en reglas: Aplica un conjunto de reglas predeterminadas a un conjunto de datos de entrada para producir una salida correspondiente.
- IA de árbol de decisión: Similar a la IA basada en reglas, pero permite ramificaciones y búsquedas.ping sopesar diferentes opciones.
- Redes neuronales: Modelos por capas inspirados en el cerebro humano que aprenden patrones complejos a partir de datos y que proporcionan a la robótica capacidades de razonamiento, planificación y aprendizaje.
IA vs aprendizaje automático
La inteligencia artificial (IA) y el aprendizaje automático se suelen usar indistintamente, pero no son lo mismo. La IA es la ciencia que entrena a las máquinas para realizar tareas humanas; el término se acuñó en la década de 1950. El aprendizaje automático es un subconjunto de la IA en el que una máquina aprende patrones a partir de datos en lugar de ser programada explícitamente.
| Aspecto | Inteligencia Artificial | Aprendizaje automático |
|---|---|---|
| <b></b><b></b> | Amplia ciencia de la imitación de la inteligencia humana | Un subconjunto de la IA centrado en el aprendizaje a partir de datos. |
| Objetivo | Simular el razonamiento y la toma de decisiones humanas | Encuentra patrones y haz predicciones. |
| Nuevo enfoque | Reglas, lógica y aprendizaje combinados | Formación basada en datos con ejemplos |
| Ejemplo | Un sistema de coche autónomo | El modelo de reconocimiento de imágenes que contiene |
También puedes leer la diferencia entre Aprendizaje profundo, aprendizaje automático e inteligencia artificial.
¿Dónde se utiliza la IA? Ejemplos
La IA tiene amplias aplicaciones en diversos sectores.
- Eliminar tareas repetitivas: La IA puede repetir una tarea de forma continua sin fatigarse y es indiferente al trabajo que realiza.
- Mejorar los productos existentes: Las empresas incorporan la IA para mejorar la funcionalidad de sus productos, en lugar de desarrollarlos desde cero. Por ejemplo, Facebook antes requería etiquetar las fotos manualmente; hoy en día, la IA sugiere automáticamente a los amigos que deben ser etiquetados.
La IA se utiliza en todos los sectores, desde el marketing y la cadena de suministro hasta las finanzas y el procesamiento de alimentos. Según una encuesta de McKinsey, los servicios financieros y las comunicaciones de alta tecnología lideran la adopción de la IA.
¿Por qué está experimentando un auge la IA ahora?
Las redes neuronales existen desde la década de 1990, tras el artículo fundamental de Yann LeCun, pero se hicieron famosas alrededor de 2012. Tres factores críticos impulsan el auge actual de la IA.
Componentes metálicos
En las últimas dos décadas, la potencia de las CPU ha aumentado exponencialmente, permitiendo a los usuarios entrenar pequeños modelos de aprendizaje profundo en un portátil. Sin embargo, la visión artificial y los modelos de aprendizaje profundo de gran tamaño requieren más potencia. Gracias a la inversión de NVIDIA y AMD, una nueva generación de GPU (unidades de procesamiento gráfico) permite la computación paralela, distribuyendo el trabajo entre varias GPU para acelerar los cálculos. Por ejemplo, una NVIDIA TITAN X puede entrenar un modelo de ImageNet en dos días, frente a las semanas que requeriría una CPU tradicional, y las grandes empresas utilizan clústeres de GPU como la NVIDIA Tesla K80 para reducir los costes de los centros de datos y mejorar el rendimiento.
Datos
El aprendizaje profundo constituye la estructura del modelo, y los datos son el fluido que le da vida. Sin datos, nada es posible. La tecnología de almacenamiento moderna facilita el almacenamiento de enormes cantidades de datos en un centro de datos, e internet permite la recopilación y distribución de datos para alimentar los algoritmos de aprendizaje automático.
Aplicaciones como Flickr y Instagram Almacenar millones de imágenes etiquetadas permite entrenar una red neuronal para reconocer objetos sin necesidad de etiquetado manual. La IA combinada con los datos es la nueva baza: la empresa con más datos tiene una ventaja competitiva. El mundo genera aproximadamente 2.2 exabytes (2.2 millones de gigabytes) de datos al día, y las diversas fuentes de datos ayudan a los modelos a encontrar patrones y aprender a gran escala.
Algoritmo
El hardware es más potente que nunca y los datos son fácilmente accesibles, pero los algoritmos más precisos hacen que las redes neuronales sean fiables. Las primeras redes neuronales eran simples multiplicaciones de matrices sin propiedades estadísticas profundas; desde 2010, descubrimientos notables las han mejorado. La IA utiliza algoritmos de aprendizaje progresivo que permiten que los datos programen, de modo que un ordenador puede aprender por sí mismo a realizar tareas como detectar anomalías o funcionar como un chatbot.
