inteligencia artificial concepto

La Inteligencia Artificial en la Actualidad

inteligencia artificial concepto

La Inteligencia Artificial (IA) es un campo de la Informática donde mediante una serie de algoritmos y programas se intenta que las máquinas piensen como seres humanos. Estas maquinas tratan de «imitar» el pensamiento de los seres humanos, recibiendo datos externos a ellos, interpretándolos y realizando una acción. Hoy día estamos rodeados de esta tecnología, desde funciones de las cámaras de nuestros teléfonos hasta los anuncios que vemos en Internet. Esto que nos parece tan actual lleva años entre nosotros, apareció a mediados del siglo pasado. Actualmente se encuentran gran cantidad de vídeo-juegos como en GTA.

Alan Turing

Alan Turing, un matemático, criptoanalista e informático teórico, fue uno de los padres de la Informática y de la IA. Turing es conocido por los siguientes motivos entre otros:

  • Los conceptos de algoritmo y computación formalizados con su máquina de Turing.
  • Su participación en el criptoanálisis de la máquina criptográfica alemana Enigma. (Recomiendo ver la película «Enigma», está en Netflix por ejemplo). Más adelante hablare de esta máquina y de Turing en general.

Respecto a Turing en la Inteligencia Artificial nos interesa el Test de Turing, una prueba donde se trata de ver si la máquina puede hacerse pasar por una persona. Como curiosidad, a día de hoy ninguna máquina ha conseguido pasar este test completamente.

Agentes Inteligentes

Actualmente, la IA se enfoca principalmente en los agentes inteligentes. Un agente es una entidad que actúa en base a lo percibido en su entorno. Los estímulos los recibe mediante sensores y reacciona mediante unos actuadores.

Los agentes inteligentes se basan en esa idea y para tomar las decisión tratan de optimizar su rendimiento, alcanzando su objetivo.

Existen varios tipos de agentes inteligentes:

  • Basados en reglas: las acciones dependen de las percepciones actuales. Ignoran todo lo ocurrido antes. Utilizan las estructuras if-then. «Si percibes X, entonces realiza la acción Y».
  • Basados en modelos: el estado actual depende de las percepciones actuales y de lo ocurrido anteriormente.
  • Basados en objetivos: estos agente parten de un estado inicial y tratan de alcanzar un estado objetivo. Se utilizan en robots, optimización de rutas y ahorro de recursos.
  • Basados en utilidades: se utilizan para maximizar la utilidad de los resultados de la acción realizada.

Técnicas utilizadas en la Inteligencia Artificial

Existen muchas técnicas y mecanismos usados en la IA, daría para escribir un post dedicado únicamente a eso. En este me voy a centrar en 3 bastante interesantes: el Data Mining y Machine Learning

Data Mining y el Big Data

La minería de datos (Data Mining) es una técnica utilizada para detectar grupos, cualidades u otros conjuntos de información de bases de datos con millones de datos. Trata de encontrar patrones, tendencias o normas que expliquen el comportamiento de los datos.

minería de datos y el big data

Su procedimiento normalmente se separa en 4 partes:

  1. Determinación de objetivos. Cuando disponemos de cantidades inmensas de datos lo primero que debemos hacer es tener claro que queremos conseguir. Por ejemplo, las empresas de publicidad posee grandes bases de datos con búsquedas frecuentes de personas, páginas visitadas, audios que les venden empresas de aplicaciones móviles (más adelante hablare de esto y del porque si hablamos de algún producto al tiempo nos aparecen anuncios de él 😉 ). Con todos esos datos marcan un objetivo, por ejemplo, jóvenes entre 16 y 25 años que le gustan los auriculares.
  2. Preprocesamiento de datos. Selección y transformación de base de datos. Si disponemos de muchas bases de datos y buscamos el grupo que dije arriba. No necesitamos las bases de datos que apriori sabemos que sus datos son de personas fuera del rango de edad.
  3. Determinación del modelo. Se realiza un análisis estadístico de los datos y se realiza un boceto inicial del diseño. Normalmente se utilizan algoritmos desarrollados por distintas áreas de la IA.
  4. Análisis. Con todo los valores obtenidos en el paso anterior, se procede a decidir si esta información arroja algo nuevo o que realmente nos sirva para el cometido deseado. Se suele comparar con el boceto inicial. Si es necesario se repite el proceso para obtener mejores resultados.

Esta técnica se emplean normalmente para campañas de Marketing y para el Big Data.

Machine Learning (Aprendizaje automático)

El Machine Learning o Aprendizaje automático hace referencia a la capacidad de una máquina para aprender mediante ciertos algoritmos con una entrada de datos en su sistema. La máquina identifica miles de patrones complejos interpretando mediante algoritmos que reciben grandes cantidades de datos. Se dice que es un aprendizaje automática porque la mayoría de algoritmos toman esas decisiones casi sin la intervención del ser humano.

machine learning o aprendizaje automatico

Existen tres tipos de aprendizaje automático:

  1. Aprendizaje supervisado: Se trata de entrenar al sistema aportando definiciones muy detalladas con etiquetas. Cuando se tienen suficientes datos no es necesario etiquetar los siguientes datos introducidos. Mediante análisis de patrones la máquina se encarga de etiquetarlos y catalogarlos.
  2. Aprendizaje no supervisado: este tipo es más complejo y el más parecido al del ser humano. Trata de comprender y abstraer patrones de información.
  3. Aprendizaje por esfuerzo: es un sistema de castigos y recompensas. Si la máquina toma una decisión errónea, por ejemplo, tomar una dirección que empeore el recorrido a un destino, el sistema es penalizado. Es un sistema de prueba y error, a base de equivocarse el programa obtiene patrones y herramientas para mejorar sus elecciones.

Más adelante haré post específicos para distintas áreas de la Inteligencia Artificial y curiosidades.

Leave a reply

Your email address will not be published. Required fields are marked *