Conceptos elementales de Inteligencia Artificial
El autocorrector en tu teléfono o el uso de Siri es un desarrollo de Inteligencia Artificial que demuestra que dejó de ser ciencia ficción y avanza en medio de la convulsa vida del siglo XXI.
Se prevé que los ingresos mundiales para el mercado de I.A., incluidos software, hardware y servicios, crezcan un 16,4% interanual en 2021 a 327.500 millones de dólares, según IDC.
En palabras de Ritu Jyoti, vicepresidente de programas de investigación de Inteligencia Artificial en IDC: “La inteligencia artificial se está volviendo omnipresente en todas las áreas funcionales de una empresa. Los avances en aprendizaje automático, inteligencia artificial conversacional y visión artificial están a la vanguardia de las innovaciones de software de inteligencia artificial. Diseñan optimizaciones, predicciones y recomendaciones de procesos de TI y negocios convergentes, y permiten la transformación experiencias de clientes y empleados.”
La última versión de AI Tracker cubre un total de 160 empresas proveedoras en el mercado de servicios de Inteligencia Artificial. En Servicios de TI para I.A., las 3 principales empresas en el primer semestre de 2020 fueron IBM, Accenture e Infosys.
En términos de participación de proveedores en el primer semestre de 2020, las principales empresas en el mercado de servidores de Inteligencia Artificial fueron Dell, HPE, Huawei, IBM, Inspur y Lenovo.
Pero veamos los conceptos básicos que todos debemos tener claros a la hora de hablar de Inteligencia Artificial:
Inteligencia Artificial:
Es el campo de estudio dedicado a explorar maneras de dotar a las máquinas de capacidades cognitivas similares a la de los humanos.
Inteligencia Artificial general:
Puede usar sus capacidades cognitivas para cualquier situación, aunque sigue siendo un caso teórico.
Inteligencia Artificial limitada:
Está diseñada para realizar un tarea específica, como predecir el clima o recomendar videos.
Machine learning:
Un modelo de I.A. debe ser entrenado para que aprenda a realizar una tarea. El aprendizaje automático o machine learning comprende diferentes algoritmos para procesar datos con el objetivo de entrenar un modelo de Inteligencia Artificial.
Aprendizaje supervisado:
los datos están conformados por casos ejemplo con observaciones y respuestas correctas.
Aprendizaje no supervisado:
Los datos se presentan sin clasificar. El trabajo del algoritmo de aprendizaje es buscar patrones en los datos, y aunque no sepa exactamente qué significan, estos patrones identificados serán útiles para predecir características de nuevas observaciones.
Aprendizaje por refuerzo:
Parte de un modelo con algunas reglas simples, suficientes para realizar una tarea y evaluar qué tan bien lo hizo, aprender de sus errores e intentar diferentes formas de hacerlo, hasta que eventualmente lo puede lograr.
Procesamiento de lenguaje natural:
Son técnicas usadas para que una máquina entienda nuestras fuentes no estructuradas, en forma de texto, audio, imágenes o video.