1.
ORALIZACIÓN
1. INTRODUCCIÓN
1.1. Marco
¿Alguna vez se han preguntado los misterios que esconde la inteligencia artificial, precisamente
los sistemas, que hay dentro de ellos, cómo funcionan? O ¿Cómo es que funciona cada red en
un sistema?
1.2. Enunciación del tema
Las inteligencias artificiales tienen muchos conceptos algunos son simples otros son muy
complejos, pero solo nos basta con entender lo básico para así poder saber ya mucho de sus
sistemas.
1.3. Anticipo de contenido
A lo largo de las próximas líneas, se abordará en detalle sobre la inteligencia artificial, los
aprendizajes, los diversos tipos de sistemas y las redes neuronales.
2. DESARROLLO
2.1. Los aprendizajes automáticos
Es un conjunto de métodos que puede ajustar su comportamiento mediante el análisis de los
datos que posee o las indicaciones que recibe de otros, es decir, tiene la capacidad de
aprender de sus errores y correcciones.
2.1.1. Los aprendizajes supervisados
Se proporciona abundante información con etiquetas para entrenar el sistema, en este
proceso de aprendizaje, el algoritmo utiliza datos previos para abordar futuros
problemas, por ejemplo, al etiquetar fotos para códigos captcha, se capacitan
algoritmos que pueden posteriormente identificar objetos en imágenes, como se ve en
el caso de coches autónomos, los problemas tratados abarcan desde el reconocimiento
facial y de voz hasta la gestión de huellas digitales y la conducción de vehículos
automáticos.
2.1.2. Los aprendizajes no supervisados
A este grupo no se le instruye mediante datos con etiquetas; más bien, se emplea para
agrupar datos similares, como personas con gustos musicales afines, lo cual puede
utilizarse en publicidad, aunque este no es su único propósito, existen diversos
algoritmos que se encargan de calcular la distancia entre datos, como los historiales de
Spotify de dos personas, para proporcionar recomendaciones de canciones similares.
2.1.3. Los aprendizajes por refuerzos
Este enfoque de aprendizaje implica un proceso de prueba y error, siendo
frecuentemente utilizado en juegos, funciona mediante un sistema de recompensas,
permitiendo al algoritmo ajustar sus parámetros según el rendimiento en partidas,
después de una victoria, el algoritmo dará preferencia a los movimientos y decisiones
que llevaron al éxito, mientras que, en caso de derrota, es menos probable que se
seleccionen en futuras partidas.
[Link] diversos tipos de sistemas
Los sistemas de inteligencia artificial utilizan algoritmos y modelos matemáticos para
realizar tareas como reconocimiento de patrones y procesamiento de lenguaje natural,
similitares a las capacidades humanas, su efectividad se deriva de la capacidad de adaptación
y mejora continua a lo largo del tiempo, denominada aprendizaje automático.
2.2.1. La autorregulación de sistemas
La autorregulación en sistemas de inteligencia artificial implica que los algoritmos
pueden ajustar y mejorar su rendimiento sin intervención externa, esto se realiza
mediante técnicas como el aprendizaje automático y el refuerzo, lo que permite a los
sistemas adaptarse de manera continua durante el procesamiento de datos, la
autorregulación resulta esencial para el desarrollo de sistemas de inteligencia artificial
más sólidos y eficaces.
2.2.2. La cognición del sistema
La cognición significa que los algoritmos procesan información de manera similar al
pensamiento humano, emplean modelos y algoritmos complejos para comprender,
razonar y tomar decisiones, siendo aplicados en campos como el procesamiento del
lenguaje natural y la toma de decisiones en entornos complejos, este progreso impulsa
a las máquinas a realizar tareas cognitivas avanzadas, acercándolas más a la
inteligencia humana.
2.2.3. La percepción del sistema
La percepción en la inteligencia artificial significa que los algoritmos interpretan
información del entorno de manera semejante a los humanos, se valen de técnicas
como el procesamiento de imágenes y el análisis de datos sensoriales para obtener
información del mundo real, mejorar la percepción artificial capacita a las máquinas
para entender su entorno, identificar objetos y tomar decisiones fundamentadas en
datos, acercándolas a la habilidad humana de percepción.
2.3. Las redes neuronales
Las redes neuronales son modelos de inteligencia artificial que emulan la organización
cerebral, formadas por nodos conectados que procesan información en capas, utilizadas en
reconocimiento de patrones y procesamiento de lenguaje natural, estas redes son notables por
su versatilidad y habilidad de aprendizaje, siendo esenciales en diversas aplicaciones de la
inteligencia artificial.
2.3.1. Las redes neuronales de avance
Las redes neuronales de avance, también conocidas como redes neuronales
feedforward (FNN), constituyen modelos esenciales en la inteligencia artificial,
operan enviando información en una única dirección, desde la entrada hasta la salida,
sin retroalimentación, al estar compuestas por nodos interconectados, se emplean
extensamente en tareas de clasificación y regresión, destacando por su sencillez y
eficiencia en el procesamiento de datos.
2.3.2. Las redes Neuronales Convolucionales
Las redes neuronales convolucionales son modelos de inteligencia artificial diseñados
para procesar datos bidimensionales, como imágenes, mediante capas
convolucionales, son fundamentales en visión por computadora, especialmente en
reconocimiento de objetos y segmentación de imágenes, gracias a su capacidad para
identificar patrones locales y características espaciales.
2.3.3. Las redes Neuronales Recurrentes
Las redes neuronales recurrentes son modelos de inteligencia artificial especializados
en datos secuenciales, a diferencia de las redes feedforward, las redes neuronales
recurrentes emplean conexiones retroalimentadas para retener información previa en
la secuencia, demostrando eficacia en tareas como el proceso de lengua natural y la
redacción de texto.
3. CONCLUSIÓN
3.1 Síntesis del contenido
En síntesis, nos explica de como es el funcionamiento de los aprendizajes automáticos que
puede haber en una I.A., por otro lado los diversos tipos de sistemas, mayormente nos habla
sobre seguir o crear un patrón en una memoria amplia, finalmente las redes neuronales, esto
nos hace entender que podemos llegar a crear algo similar a un cerebro humano, todo esto
nos hace ver que la I.A. de ahora esta cada vez más cerca de todos los humanos. Reflexión
3.2 Reflexión final
Ante todo, la inteligencia artificial está cada vez más cerca de cada uno y quiero transmitir
eso a todas las personas de este centro de estudios, en formar parte del nuevo sistema de
juntar redes y saber cómo realmente funciona la inteligencia artificial.
Referencias Bibliográfica
S. Eduardo
[Link]
W. Bolton
[Link]
[Link]
[Link]
de-nos-lleva