Inteligencia Artificial y Aprendizaje Automático

Introducción

• La Inteligencia Artificial (IA) se refiere a la capacidad de dispositivos artificiales, como ordenadores, para realizar tareas propias de la inteligencia humana.
• La IA se ha desarrollado en diferentes áreas como juegos, arte, conducción autónoma, entre otros.

Definición de Inteligencia Artificial

• Capacidad de cálculo: Las máquinas tienen esta habilidad.
• Capacidad de memoria: Los ordenadores pueden memorizar datos.
• Capacidades aún en desarrollo: Aprendizaje, creatividad y autoconciencia.

Creatividad y Aprendizaje

• Algoritmos que comienzan a mostrar formas de creatividad en pintura, música, escritura, etc.
• Mayor parte de avances en IA se centran en el aprendizaje, conocido como aprendizaje automático o Machine Learning.

Aprendizaje Automático

• Definición: Conjunto de técnicas que permiten a un algoritmo modificar su comportamiento según los datos y resultados pasados.
• Tipos de aprendizaje:
  • Supervisado: Se entrena con datos etiquetados. Ejemplo: Reconocimiento facial.
  • No supervisado: Agrupa datos similares sin etiquetas previas.
  • Semisupervisado: Combina datos etiquetados y no etiquetados.
  • Por refuerzo: Basado en prueba y error con recompensas.

Técnicas y Algoritmos

• Regresiones: Lineal, logística, métodos bayesianos.
• Árboles de decisión: Random Forest.
• K-Nearest Neighbors (KNN): Clasificación por cercanía de datos.
• Soporte Vector Machine y Gradient Boosting.
• Redes Neuronales: Redes profundas para el aprendizaje profundo o Deep Learning.

Aplicaciones y Consideraciones

• Aplicaciones en traducción automática, reconocimiento de voz, entre otros.
• Importancia de diseñar bien los algoritmos para evitar errores o resultados indeseados.

Conclusión

• La IA y el aprendizaje automático están en constante evolución y tienen un gran impacto.
• Importancia de conocer cómo funcionan para entender su influencia en la vida diaria.