En este post queremos aunar diferentes conceptos relacionados con la Inteligencia Artificial. El objetivo es que nuestros seguidores se familiaricen un poco más con este mundo, ayudando a entender cómo funciona.

Adaptabilidad

Se refiere a la capacidad que tienen los sistemas inteligentes de relacionarse con entornos complejos.

Un ejemplo de esta cualidad de las Inteligencias Artificiales aplicadas a las apuestas deportivas seria la capacidad de reaccionar a la identificación de valor en movimientos en las cuotas provocados por el mercado.

Algoritmo

Los algoritmos son conjuntos ordenados de operaciones que permiten realizar una serie de cálculos con el objetivo de darle solución a un problema.

Aunque los algoritmos son clave para la Inteligencia Artificial, se llevan utilizando por la humanidad miles de años.

Aprendizaje Automático

El aprendizaje automático, también conocido como Machine Learning, es la capacidad que tienen las maquinas de “aprender” a realizar una tarea sin que sean explícitamente programadas para ello.

Este subcampo de la Inteligencia Artificial es muy interesante ya que, al contrario que la programación tradicional, nos permite dotar de una gran flexibilidad a las maquinas en la toma de decisiones. Con esta tecnología, las maquinas son capaces de reaccionar y decidir antes eventos nunca vistos con anterioridad.

Un ejemplo de su potencia al ser usado en el mundo de las apuestas deportivas seria un sistema que es capaz de tomar decisiones ante un gol repentino del equipo que no era favorito al comienzo de un partido de fútbol. Sin que un desarrollador humano haya instruido a este sistema para reaccionar ante este evento, esta IA seria capaz de identificar un movimiento atractivo en las cuotas live, y prono sticar la victoria del favorito como un pick con valor.

Aprendizaje profundo

Mundialmente conocido en inglés como Deep Learning, este subcampo del aprendizaje automático simula, mediante neuronas artificiales, la forma de aprender de un cerebro natural.

Estas técnicas están cogiendo una gran fuerza los últimos años ya que permiten extraer patrones muy sutiles de ingentes cantidades de datos para generar conocimiento.

Estos sistemas procesan la información de forma subsimbolica, por lo que para su interpretación hay que aplicar técnicas de explicabilidad.

Aprendizaje por refuerzo

Conocido como Reinforcement Learning en inglés, es un área del aprendizaje automático que es capaz de funcionar sin una gran cantidad de datos para su entrenamiento.

La clave de estos procedimientos radica en que el sistema es capaz de interactuar con su entorno e ir generando datos a base de pruebas y errores.

Este tipo de aprendizaje está inspirado en la forma en la que los humanos aprendemos. En estos sistemas los agentes van explorando las posibles opciones que se les presentan hasta encontrar el camino óptimo para lograr sus objetivos.

Aprendizaje supervisado

Rama del Machine Learning en la que el sistema deduce la información a partir de datos conocidos mediante un proceso de entrenamiento.

Aprendizaje no supervisado

Rama del Machine Learning en la que los modelos se ajustan a las observaciones de datos e infieren patrones a partir de ellos.

Autonomía

Habilidad por la cual las maquinas son capaces de cumplir con sus objetivos sin necesidad de interacción humana.

Big Data

Paradigma que describe la forma de procesar grandes y complejos volúmenes de datos de una forma rápida que serían imposibles de gestionar mediante métodos tradicionales.

Business Intelligence

Conjunto de estrategias y herramientas que sirven para transformar información en conocimiento, a partir de los datos, para mejorar los procesos de toma de decisiones.

Capa

Cada uno de los pasos que se dan dentro de los sistemas de procesamiento de datos.

Caja negra

Los sistemas de caja negra o algoritmos de caja negra hacen referencia a sistemas en los que los usuarios no pueden ver ni entender el funcionamiento y los procesos por los que se han tomado las decisiones.

Esta falta de transparencia provoca, en ocasiones, la desconfianza de los usuarios. Por ello, es importante aplicar técnicas de explicabilidad sobre estos sistemas.

Ciencia de datos

Campo interdisciplinario que involucra la estadística, el método científico, la inteligencia artificial, las ciencias de la computación y el análisis avanzado de datos que busca la extracción de conocimiento de valor directamente de los datos.

Conjunto de datos

También conocido como dataset, es una colección de datos, habitualmente estructurada, que comparte, o no, una temática.

Datos

Información concreta sobre hechos que permite estudiarlos, analizarlos o conocerlos.

Hoy en día se consideran como el nuevo petróleo de la economía digital.

Deepfake

Es una técnica de la Inteligencia Artificial que permite editar imágenes y videos falsos para generar contenido sintético que parezca original.

Ética

Conjuntos de reglas y principios que rigen la forma de pensar y actuar de las maquinas inteligentes.

Explicabilidad

Conjunto de técnicas que tratan de dotar de un razonamiento simbólico a los procesos por los que una Inteligencia Artificial toma las decisiones.

Hoy en día esta área está cogiendo un peso muy importante en las investigaciones científicas.

Inteligencia Artificial

La Inteligencia Artificial es la capacidad de las máquinas de replicar la inteligencia humana de forma autónoma.

Inteligencia Artificial Débil

Tipo de Inteligencia Artificial que hace referencia a los sistemas que tienen capacidades inteligentes en un campo específico.

Inteligencia Artificial Fuerte

Tipo de Inteligencia Artificial, también conocida como Generalista, que es capaz de resolver cualquier problema que se le plantee, sea de la naturaleza que sea, similar a como lo haría un humano.

Modelo

Ecuaciones matemáticas que reproducen una realidad observada, a partir de los datos, de la forma más precisa posible, permitiendo extrapolar ese conocimiento a nuevos conjuntos de datos.

Como decía el estadístico británico George Edward Pelham Box: “todos los modelos están equivocados, pero algunos son útiles”.

Procesamiento del lenguaje natural

Campo de conocimiento de la Inteligencia Artificial que se ocupa de estudiar las formas de comunicación de las máquinas con los humanos mediante el uso del lenguaje natural humano.

Programa

Conjunto de instrucciones que se le dan a una maquina para que realice una tarea predefinida.

Reconocimiento facial

Tecnología, basada en Inteligencia Artificial, capaz de identificar y verificar la identidad de un sujeto mediante datos extraídos de imágenes o videos.

Red neuronal

Modelo bioinspirado de la Inteligencia Artificial que enseña a las maquinas emulando la forma de las neuronas naturales del cerebro humano.

Robótica

Ciencia de la tecnología que se encarga de diseñar maquinas que sean capaces de realizar tareas automatizas. Estas tareas pueden o no mostrar inteligencia.

Sesgo

Prejuicios derivados de percepciones erróneas que sacan las máquinas de los datos.

Test de Turing

Prueba diseñada en 1950 por el matemático británico Alan Turing que evalúa las capacidades de una maquina para mostrar un comportamiento inteligente similar al de un humano.

El Test consiste en realizar preguntas a una maquina y a un humano, sin saber a quien se las está haciendo, y evaluar si es posible discriminar quien es quien.

Hoy en día han salido varias adaptaciones al Test de Turing.

Visión computacional

Conjunto de técnicas que buscan capturar e interpretar datos a partir de imágenes para producir información numérica procesable por una máquina.

¡Podéis contactarnos para cualquier duda o sugerencia que tengáis!

Tags

No responses yet

    Deja una respuesta

    Tu dirección de correo electrónico no será publicada.