Herramientas de usuario

Herramientas del sitio


ia:start

Diferencias

Muestra las diferencias entre dos versiones de la página.

Enlace a la vista de comparación

Ambos lados, revisión anterior Revisión previa
Próxima revisión
Revisión previa
ia:start [2018/08/21 10:44]
Joaquín Herrero Pintado
ia:start [2024/02/27 13:14] (actual)
Joaquín Herrero Pintado [Espacio [IA] Inteligencia Artificial]
Línea 18: Línea 18:
 También existen distintos tipos de percepciones y acciones, que pueden ser obtenidas y producidas, respectivamente,​ por sensores físicos y sensores mecánicos en máquinas, pulsos eléctricos u ópticos en computadoras,​ tanto como por entradas y salidas de bits de un software y su entorno software. También existen distintos tipos de percepciones y acciones, que pueden ser obtenidas y producidas, respectivamente,​ por sensores físicos y sensores mecánicos en máquinas, pulsos eléctricos u ópticos en computadoras,​ tanto como por entradas y salidas de bits de un software y su entorno software.
  
-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.
-===== Aprendizaje automático (Machine Learning) =====+
  
-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.+[[{|width:​10em}concepto-de-inteligencia|EL concepto ​de Inteligencia]] 
 +[[{|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?​]] ​
  
-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. 
  
-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. ​+[[{|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]] 
  
---- 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 49: 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 130: Línea 131:
  
  
-===== Argumentación en IA ===== 
- 
-Libro de Rahwan & Simari (eds) //​Argumentation in Artificial Inteligence//,​ Springer2009 
  
  
Línea 182: 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.1534848277.txt.gz · Última modificación: 2018/08/21 10:44 por Joaquín Herrero Pintado