Please enable JavaScript.
Coggle requires JavaScript to display documents.
BREVE INTRODUCCIÓN DE A LAS TÉCNICAS DE "IA" - Coggle Diagram
BREVE INTRODUCCIÓN DE A LAS TÉCNICAS DE "IA"
Es un campo amplio que busca imitar capacidades humanas en máquinas.
IA Clásica (Simbólica o GOFAI)
Usa ingeniería del conocimiento: expertos humanos formulan reglas
Ventaja: lógica comprensible
Usada en sistemas expertos (medicina, finanzas, manufactura)
Desventaja: difícil de actualizar o escalar
Basada en reglas condicionales tipo "SI... ENTONCES..."
Aprendizaje Automático (AA o Machine Learning)
Subconjunto de la IA, pero muy usado hoy
No usa reglas; aprende a partir de grandes dato
Tipos principales:
Aprendizaje Supervisado
Datos etiquetados (ej: fotos con nombres)
Aprende a clasificar y predecir
Aprendizaje No Supervisado
Datos sin etiquetar
Busca patrones ocultos y agrupa
Aprendizaje por Refuerzo
Modelo se entrena mediante prueba-error y recompensas
Se adapta constantemente (ej: vehículos autónomos)
NOTA: Limitación: siempre requiere intervención humana (etiquetar, limpiar, evaluar datos)
Redes Neuronales Artificiales (RNA)
Compuestas por:
Capas ocultas (procesan información)
Capa de entrada
Capa de salida
Aprenden mediante retropropagación
Inspiradas en el cerebro humano
Limite: difícil entender cómo toman decisiones (problema de la "caja negra")
Aprendizaje Profundo (Deep Learning)
Tipos de redes:
Redes Neuronales Recurrentes (RNR)
Procesan secuencias (ej: lenguaje, texto)
Redes Convolucionales (RNC)
Analizan imágenes y datos en matrices (visión computacional)
Redes Neuronales Profundas (RNP)
Transforman datos complejos en resultados útiles
Redes Generativas Antagónicas (RGA)
Dos redes compiten (una genera, otra evalúa)
Ej: creación de imágenes falsas realistas, AlphaZero
Muy potente para: lenguaje natural, visión, genómica, etc.
RNA con múltiples capas ocultas
Papel Humano en la IA
Humanos son clave en todo el proceso:
Seleccionan, etiquetan, limpian datos
Diseñan algoritmos y evalúan resultados
Muchos trabajos humanos se usan en el entrenamiento (como Amazon Mechanical Turk)
