La IA explicada: 4 tipos de inteligencia artificial
Los cuatro tipos de Inteligencia Artificial son los sistemas expertos (ES), las redes neuronales (NN), la lógica difusa (FL) y los algoritmos genéticos (GA), cada uno de los cuales ha evolucionado con el tiempo hasta hacerse cada vez más sofisticado.
La inteligencia artificial, abreviada IA, es una aplicación en el mundo real de un sistema informático que adopta capacidades de lógica y razonamiento para realizar tareas que normalmente requieren inteligencia humana.
El Máster en Inteligencia Artificial de CEUPE proporciona a los estudiantes una sólida formación en los fundamentos de la inteligencia artificial y el aprendizaje automático, serán capaces de desarrollar sistemas inteligentes y técnicas de modelado, análisis, planificación y toma de decisiones.
Sistema experto — la máquina aprende en tiempo real (tipos de inteligencia artificial 1)
Los sistemas expertos (SE) -también llamados sistemas basados en reglas, sistemas basados en el conocimiento o computación cognitiva es uno de los tipos de inteligencia artificial:
Son programas informáticos que imitan la capacidad de toma de decisiones de los expertos humanos entrenados.
Los sistemas expertos pueden considerarse un tipo de inteligencia artificial (IA), ya que se basan en complejos modelos lógicos, pero el término suele reservarse para programas con un objetivo específico.
Ese objetivo puede ser diagnosticar enfermedades y recomendar tratamientos, encontrar petróleo en el subsuelo y predecir su caudal, recomendar operaciones bursátiles, optimizar operaciones logísticas y cadenas de suministro, o muchas otras tareas.
El primer sistema experto se creó en la Universidad de Stanford en 1970. Desde entonces le han seguido muchos otros.
Algunos sistemas expertos han tenido mucho éxito en sus campos de especialización y siguen utilizándose décadas después.
Sin embargo, los sistemas expertos tienen limitaciones:
- Requieren una experiencia y un trabajo considerables para programarlos.
- Suelen requerir mucho tiempo y esfuerzo para aplicarlos a nuevas situaciones. y
- A menudo son demasiado complejos para que los no expertos los entiendan o los manejen con eficacia.
Por ello, muchas investigaciones se han centrado en crear una inteligencia artificial menos especializada y más flexible que los sistemas expertos tradicionales.
Redes neuronales — una red de nodos inspirada en las neuronas (tipos de inteligencia artificial 2)
Las redes neuronales son tipos de inteligencia artificial (IA) que se utiliza para modelar la actividad colectiva de células cerebrales interconectadas o neuronas.
Se basan en la suposición de que estos sistemas pueden aprender sin ser programados explícitamente.
Se han aplicado en una amplia gama de campos, como:
- El reconocimiento de patrones.
- La minería de datos.
- El aprendizaje automático.
- Los juegos
- La traducción de idiomas, entre tantos otros.
En un tipo de red neuronal, los nodos están conectados entre sí mediante enlaces ponderados.
Si un nodo está directamente conectado a otro nodo, se dice que está dentro de la vecindad de ese nodo.
El número de nodos de una red puede ser muy grande: algunas aplicaciones utilizan miles o incluso millones.
Un nodo suele tener una o más entradas que se aplican a los enlaces ponderados que desembocan en él.
Cada enlace ponderado tiene un valor de peso asociado.
Una entrada puede influir en el comportamiento de un nodo determinado de diferentes maneras, dependiendo del tipo de red neuronal que se considere.
Por ejemplo, en una red neuronal de capa de entrada (en la que hay una capa de entrada pero no capas ocultas), cada nodo recibe información de cada entrada vinculada a él a través de enlaces ponderados y luego pasa una señal a cualquier nodo dentro de su propia vecindad a través de enlaces no ponderados.
Lógica difusa — algoritmos o programas que permiten entradas y resultados imprecisos (tipos de inteligencia artificial 3)
La lógica difusa es un algoritmo que permite entradas y salidas imprecisas. De ahí el nombre de lógica difusa.
La lógica difusa como tipos de inteligencia artificial, permite a un programa informático tener en cuenta las dos caras de un argumento.
La lógica difusa parte de la base de que en los problemas del mundo real siempre hay variables difíciles de cuantificar, como las temperaturas y las distancias.
Por ejemplo, un calentador de agua puede pedirle que fije la temperatura deseada en 73 grados, pero no le importa si introduce 72 o 74.
Algoritmos genéticos — simulan la evolución (modelan la evolución humana) (tipos de inteligencia artificial 4)
Los algoritmos genéticos, o AG, son un tipo de algoritmo de búsqueda que imita el proceso de selección natural.
Se basan en el modo en que los organismos vivos transmiten su información genética a las generaciones sucesivas.
Los algoritmos genéticos se diseñaron originalmente para imitar la evolución natural como forma de resolver problemas complejos no lineales.
Por ello, también se han utilizado como uno de los tipos de inteligencia artificial y una técnica de optimización en áreas como el aprendizaje automático, los sistemas de control y la programación informática.
Uno de los usos más conocidos de los algoritmos genéticos es el recocido simulado, un método de resolución de problemas utilizado en informática.
Los algoritmos genéticos también se han aplicado con éxito a la optimización de carteras y a la gestión de riesgos.
Los algoritmos genéticos toman una población de posibles soluciones y la modifican repetidamente en función de nuevos criterios hasta que producen una solución satisfactoria.
El proceso imita la forma en que los organismos vivos transmiten sus genes mediante el apareamiento y la mutación a lo largo de sucesivas generaciones.
La inteligencia artificial se utiliza de muchas maneras diferentes.
Una de las formas más populares y utilizadas de la IA es el aprendizaje automático.
Se llama aprendizaje automático porque el ordenador utiliza técnicas estadísticas para aprender automáticamente de la experiencia.
Los algoritmos de aprendizaje automático pueden utilizarse para una amplia gama de aplicaciones, como el reconocimiento de imágenes, el reconocimiento del habla y el análisis predictivo.
El aprendizaje automático hace predicciones Un ejemplo de aprendizaje automático en acción es el análisis predictivo.
El análisis predictivo utiliza datos históricos para hacer predicciones sobre eventos futuros.
Por ejemplo, una compañía de seguros puede utilizar el análisis predictivo para predecir qué clientes tienen más probabilidades de presentar una reclamación poco después de la renovación de su póliza.
De este modo, la empresa puede ofrecerles opciones de cobertura alternativas antes de que tengan la oportunidad de presentar una reclamación.
El aprendizaje automático funciona tomando muchos datos y utilizando algoritmos para encontrar patrones dentro de esos datos.
Los algoritmos pueden utilizarse para hacer predicciones sobre nuevos datos basándose en los patrones encontrados en los datos existentes.
Conclusión: Puede que no te des cuenta pero ya estás utilizando la Inteligencia Artificial de algún modo
Los cuatro tipos de Inteligencia Artificial son los sistemas expertos, el aprendizaje automático, las redes neuronales y la IA simbólica.
Los sistemas expertos son el tipo más antiguo de IA y simulan los conocimientos o el proceso de toma de decisiones de un experto humano para resolver un problema específico.
En el aprendizaje automático, el ordenador mejora gradualmente su rendimiento en una tarea analizando grandes cantidades de datos sin instrucciones explícitas sobre cómo realizar la tarea.
Las redes neuronales son un subconjunto del aprendizaje automático.
En la IA simbólica, los ordenadores utilizan el razonamiento lógico para resolver problemas y comunicarse con las personas en el procesamiento del lenguaje natural (PLN).
