filosofias.es

ISSN 2387-1571

Herramientas de usuario

Herramientas del sitio

Traza: • Westworld - Notas • Mumford, S., Lill Anjum, R., A Powerful Theory of Causation (2010) • Revista CTS - 2009 • El cambio técnico: racionalidad, información, riesgo e incertidumbre • La Inteligencia Artificial en la práctica • Episodio 55: Conspiranoia y Conspiraciones (Especial Día de los Inocentes) • Episodio 39: Inventando el futuro con Nick Srnicek - parte 3 • Innovación social, Innovación abierta e Innovación oculta • sidebar • Husserl
ia:start

Diferencias

Muestra las diferencias entre dos versiones de la página.

Enlace a la vista de comparación

Ambos lados, revisión anteriorRevisión previa
Próxima revisión		Revisión previa
ia:start [2024/02/14 11:49] – [Espacio [IA] Inteligencia Artificial] Joaquín Herrero Pintadoia:start [2024/02/27 13:14] (actual) – [Espacio [IA] Inteligencia Artificial] Joaquín Herrero Pintado
Línea 20: Línea 20:
 Varios ejemplos se encuentran en el área de control de sistemas, planificación automática, la habilidad de responder a diagnósticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina en campos como economía, medicina, ingeniería y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia, como ajedrez de computador, y otros videojuegos. Varios ejemplos se encuentran en el área de control de sistemas, planificación automática, la habilidad de responder a diagnósticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina en campos como economía, medicina, ingeniería y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia, como ajedrez de computador, y otros videojuegos.
  
-[[ai2050-hard-problems]] +[[{|width:10em}concepto-de-inteligencia|EL concepto de Inteligencia]] 
-===== Aprendizaje automático (Machine Learning) =====+[[{|width:10em}searle-habitacion-china|Alan Turing: El Test de Turing]] 
 +[[{|width:10em}test-turing|John Searle: La habitación china]] 
 +[[{|width:10em}narrativas-ia|Metáforas sobre la Inteligencia Artificial]]  
 +[[{|width:10em}embodied-ai|¿Es necesario que una IA tenga cuerpo?]] 
  
-El aprendizaje automático o aprendizaje automatizado o aprendizaje de máquinas (del inglés, "Machine Learning") es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan. De forma más concreta, se trata de crear programas capaces de generalizar comportamientos a partir de una información suministrada en forma de ejemplos. 
  
-Es, por lo tanto, un proceso de inducción del conocimiento. En muchas ocasiones el campo de actuación del aprendizaje automático se solapa con el de la estadística computacional, ya que las dos disciplinas se basan en el análisis de datos. Sin embargo, el aprendizaje automático también se centra en el estudio de la complejidad computacional de los problemas. Muchos problemas son de clase NP-hard, por lo que gran parte de la investigación realizada en aprendizaje automático está enfocada al diseño de soluciones factibles a esos problemas. El aprendizaje automático puede ser visto como un intento de automatizar algunas partes del método científico mediante métodos matemáticos.+[[{|width:10em}ia-argumentacion|Argumentación e Inteligencia Artificial]] 
 +[[{|width:10em}riesgos-ia|Riesgos de la Inteligencia Artificial]] 
 +[[{|width:10em}usos-ia|La Inteligencia Artificial en la práctica]] 
 +[[{|width:10em}ai2050-hard-problems|Los "problemas fuertes" de la IA]]  
 + 
 +[[{|width:10em}etica-ia|Ética e Inteligencia Artificial]] 
 +[[{|width:10em}politica-ia|Política e Inteligencia Artificial]] 
 +[[{|width:10em}sociedad-ia|Sociedad e Inteligencia Artificial]]
  
-El aprendizaje automático tiene una amplia gama de aplicaciones, incluyendo motores de búsqueda, diagnósticos médicos, detección de fraude en el uso de tarjetas de crédito, análisis del mercado de valores, clasificación de secuencias de ADN, reconocimiento del habla y del lenguaje escrito, juegos y robótica.  
  
---- Fuente: [[https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico|Wikipedia: aprendizaje automático]] 
  
-Referencias: 
  
- * [[https://stanford.edu/~shervine/teaching/cs-229/cheatsheet-machine-learning-tips-and-tricks.html|Machine Learning tips and tricks cheatsheet]] 
  
-===== Redes Neuronales Profundas ===== 
  
-LLamadas Deep Neural Networks, DNNs, o Deep Learning 
  
-[[https://en.wikipedia.org/wiki/Deep_learning#Deep_neural_networks|redes neuronales profundas]] con muchas capas y millones de conexiones y que son entrenadas mediante el proceso denominado [[https://en.wikipedia.org/wiki/Stochastic_gradient_descent|Stochastic Gradient Descent (SDG)]] 
  
 ===== Algoritmos Evolutivos ===== ===== Algoritmos Evolutivos =====
Línea 51: Línea 53:
  
 http://www.aetsa.org/download/publicaciones/antiguas/AETSA_2009-6_Algoritmos_geneticos.pdf http://www.aetsa.org/download/publicaciones/antiguas/AETSA_2009-6_Algoritmos_geneticos.pdf
- 
-===== Sistemas Expertos ===== 
- 
  
  
Línea 132: Línea 131:
  
  
-===== Argumentación en IA ===== 
- 
-Libro de Rahwan & Simari (eds) //Argumentation in Artificial Inteligence//, Springer2009 
  
  
Línea 184: Línea 180:
     * Lecture 13. Segmentation, soft attention, spatial transformers     * Lecture 13. Segmentation, soft attention, spatial transformers
     * Lecture 14. Videos and Unsupervised Learning     * Lecture 14. Videos and Unsupervised Learning
- 
ia/start.1707911368.txt.gz · Última modificación: por Joaquín Herrero Pintado