Buscar
Cerrar este cuadro de búsqueda.

Los 10 términos y usos más comunes en Inteligencia Artificial.

Raona

Raona

| 23 junio, 2017

Cómo sabéis, la Inteligencia Artificial (IA), está integrándose a gran velocidad en nuestras vidas debido a la potencia de los procesadores y la reducción de los costes en los desarrollos tecnológicos, así como la integración de la información en la nube.

 

Hoy en día el mercado que genera la IA crece a pasos agigantados y las empresas están incorporando ésta tecnología en sus procesos habituales y por eso

esta semana queremos acercar el mundo de la Inteligencia Artificial a todos y para ello os traemos una lista de los términos y usos más comunes.

 

  1. Aprendizaje automático

Es la rama de la Inteligencia Artificial que entrena los algoritmos para realizar acciones mediante el aprendizaje de datos previos y ejemplos. Los tres algoritmos más comunes son redes neuronales, algoritmos de inducción y algoritmos genéricos. Es muy común encontrar esta aplicación en los productos y servicios de las empresas.

 

  1. Redes neuronales

Son los algoritmos de aprendizaje y de los modelos computaciones con la finalidad de funcionar como neuronas en el cerebro. Los conjuntos específicos de datos entrenan las redes neuronales. En este proceso, las “neuronas” ajustan sus parámetros en caso de encontrar errores, hasta que dichos niveles de error se reducen. Este algoritmo también es llamado retropropagación y es similar a la regresión estadística.

 

  1. Algoritmos genéticos

Estos algoritmos son muy efectivos en la resolución de problemas con un gran número de soluciones posibles. Sus procesos imitan la optimización del aprendizaje y trabajan con un proceso evolutivo que utiliza la selección natural.

 

  1. Algoritmos de inducción

Mediante un ejemplo, este tipo de algoritmos encuentran patrones de datos que crean reglas que lo explican.

 

  1. Aprendizaje profundo

El aprendizaje profundo está relacionado con la construcción y la formación de redes neuronales con múltiples capas. Las capas de una red, pueden encontrar patrones de salida.

 

  1. Inteligencia aumentada

La inteligencia aumentada se define como la tecnología que utiliza la combinación de la inteligencia humana y de la máquina.

 

  1. Lingüística computacional

El modelado estadístico y basado en reglas de datos de lenguaje natural es la tarea principal de la lingüística computacional. Esta funcionalidad de la Inteligencia Artificial, permite el reconocimiento del idioma hablado y como las máquinas identifican palabras y frases para poder traducirlas o interpretarlas.

 

  1. Asistente digital virtual

Es una versión sofisticada de un robot de conversación, se conoce como agente virtual. Este asistente organiza, almacena, e informa al usuario basándose en la ubicación del usuario, sus preguntas, ya sea por voz o mediante escritura, con recursos que se encuentran online. Algunos ejemplos de estos asistentes son: Siri de Apple, google Now, Alexa de Amazon y Cortana de Microsoft.

 

  1. Sistemas de recomendación

Es un sistema de filtrado de información capaz de predecir las preferencias del usuario y las respuestas basadas en comportamientos anteriores, relaciones entre usuarios y contexto. Algunos ejemplos de estas aplicaciones son el algoritmo CineMatch de Netflix, o la manera en que sesga la información Facebook o LinkedIn.

 

  1. De análisis predictivo

Son programas que utilizan una variedad de técnicas de la ciencia de datos, estadísticas e IA con lo que analiza conjuntos de datos, estructurados y no estructurados, identifican patrones y relaciones. Los modelos de análisis predictivo están relacionados con modelos analíticos prescriptivos, pero produce datos y utiliza un sistema de retroalimentación que surca resultados.

 

 

Si quieres descubrir más sobre IA y Machine Learning, consulta nuestro Whitepaper Machine Learning

 

Raona

Compartir en Redes Sociales