Please enable JavaScript.
Coggle requires JavaScript to display documents.
INTELIGENCIA ARTIFICIAL SUBCAMPOS - Coggle Diagram
INTELIGENCIA ARTIFICIAL SUBCAMPOS
Aprendizaje Profundo (Deep Learning)
Objetivo:
Crear modelos de múltiples capas de neuronas artificiales para el procesamiento automático de datos complejos y tareas cognitivas avanzadas.
Técnicas:
Redes neuronales convolucionales (CNNs) – para imágenes y video.
Redes neuronales recurrentes (RNNs, LSTMs, Transformers) – para secuencias y texto.
Autoencoders y GANs – para generación de datos.
Aplicaciones:
Reconocimiento facial y biometría.
Generación de imágenes y videos realistas.
Traducción automática y procesamiento de lenguaje natural.
Visión por Computadora
Objetivo:
Permitir que las computadoras extraigan, analicen y comprendan información visual de imágenes y videos.
Tecnicas:
Detección de objetos (YOLO, Faster R-CNN, SSD).
Segmentación de imágenes (U-Net, Mask R-CNN).
Reconocimiento de rostros y OCR (Tesseract, OpenCV, FaceNet).
Aplicaciones:
Seguridad y vigilancia (reconocimiento facial, detección de anomalías).
Conducción autónoma (Tesla Autopilot, Waymo).
Diagnóstico médico por imágenes (detección de tumores en radiografías).
Sistemas Expertos
Objetivos:
Desarrollar sistemas que simulen la toma de decisiones de un experto humano en un dominio específico.
Tecnicas:
Bases de conocimiento y reglas lógicas (IF-THEN, inferencia lógica).
Motores de inferencia (Backward Chaining, Forward Chaining).
Sistemas Basados en Casos (CBR - Case-Based Reasoning).
Aplicaciones:
Diagnóstico médico (sistemas de apoyo en decisiones clínicas).
Asistentes legales y financieros (automatización de asesoramiento).
Análisis de riesgos en ingeniería y mantenimiento preventivo.
Inteligencia Artificial Generativa
Objetivos:.
Crear contenido nuevo y realista, como imágenes, texto, música y videos, a partir de modelos generativos
Tecnicas:
Redes generativas adversarias (GANs) – generación de imágenes y videos.
Modelos de difusión (Stable Diffusion, DALL·E).
Modelos autoregresivos y transformers (GPT, LLaMA, Claude).
Aplicaciones:
Creación de contenido digital (imágenes, música, videojuegos).
Asistentes de escritura y generación de código (Copilot, ChatGPT).
Simulación de datos para entrenamiento de modelos de IA.
Robótica e Inteligencia Artificial en agentes físicos
Objetivos:
Dotar a robots de capacidades cognitivas para operar en entornos físicos, adaptándose a situaciones dinámicas.
Tecnicas:
Control y planificación de movimiento (algoritmos de pathfinding, SLAM).
Visión por computadora integrada (detección de obstáculos y objetos).
Aprendizaje por refuerzo aplicado a robots.
Aplicaciones:
Robots autónomos (Boston Dynamics, Tesla Optimus).
Cirugía asistida por robots (Da Vinci Surgical System).
Robots industriales para manufactura (brazo robótico de Tesla, KUKA).
Sistemas Multiagente
Objetivos:
Diseñar sistemas con múltiples agentes autónomos que interactúan entre sí y con su entorno para lograr un objetivo común o competitivo
Tecnicas:
Modelado basado en agentes (ABM - Agent-Based Modeling).
Teoría de juegos aplicada a la IA.
Aprendizaje por refuerzo multiagente (MARL - Multi-Agent Reinforcement Learning).
Aplicaicones:
Simulación de mercados y economía (subastas y trading algorítmico).
Optimización del tráfico vehicular con agentes inteligentes.
Coordinación de drones y robots autónomos en entornos industriales y militares.
Aprendizaje Automático (Machine Learning)
Objetivo:
Desarrollar modelos capaces de aprender patrones a partir de datos y hacer predicciones o tomar decisiones sin ser programados explícitamente.
Tecnicas:
Aprendizaje supervisado (Redes Neuronales, Regresión, SVM, Árboles de decisión, Random Forest).
Aprendizaje no supervisado (Clustering, Análisis de componentes principales, DBSCAN, k-means).
Aprendizaje por refuerzo (Q-Learning, Deep Q-Networks).
Aplicaciones:
Predicción de ventas y tendencias de mercado.
Detección de fraudes en transacciones financieras.
Recomendadores de contenido (Netflix, Spotify, Amazon).
Procesamiento del Lenguaje Natural (PLN)
Objetivo:
Permitir que las máquinas comprendan, interpreten y generen lenguaje humano de manera efectiva.
Tecnicas:
Modelos basados en Transformers (GPT, BERT, T5, LLaMA).
Análisis de sentimientos y clasificación de texto (Naive Bayes, SVM, Redes Neuronales).
Resumen automático y extracción de información.
Aplicaciones:
Chatbots y asistentes virtuales (ChatGPT, Siri, Alexa).
Traducción automática (Google Translate, DeepL).
Análisis de redes sociales y detección de spam.