Please enable JavaScript.
Coggle requires JavaScript to display documents.
introducción a las técnicas de IA …
introducción a las técnicas de IA
IA clásica(GOFAI)
También llamada:
IA simbólica
IA basada en reglas
GOFAI (Good Old-Fashioned AI)
Ejemplos de uso:
Diagnóstico médico
Calificación crediticia
Manufactura
Técnica:
Ingeniería del conocimiento (modelar el conocimiento de expertos).
Ventajas:
Razonamiento transparente
Definición:
Basada en reglas lógicas (IF... THEN...)
Desventajas:
Difícil de escalar y actualizar
Muy dependiente de reglas fijas
Aprendizaje Profundo (Deep Learning)
Definición:
Subcampo de las RNA con muchas capas ocultas
Aplicaciones:
Reconocimiento de voz e imágenes
Procesamiento del lenguaje natural
Visión por computadora
Genómica y desarrollo de fármacos
Tipos de redes neuronales profundas:
RNP (Redes Neuronales Profundas):
Transforman entradas en salidas con operaciones complejas
RNR (Recurrentes):
Procesan secuencias de datos
Ejemplo: modelado del lenguaje
RNC (Convolucionales):
Procesan imágenes y datos espaciales
Ejemplo: visión 3D a partir de varias imágenes 2D
RGA (Redes Generativas Antagónicas):
Dos redes compiten (una genera, otra evalúa)
Ejemplos:
AlphaZero (juegos)
Crear imágenes de personas que no existen
Aprendizaje Automático (Machine Lerning))
Definición:
Los algoritmos "aprenden" a partir de datos sin estar programados con reglas fijas.
2.2 Consideraciones:
El modelo no es autónomo:
Humanos preparan, limpian y etiquetan los datos
Ejemplo: etiquetado humano en Amazon Mechanical Turk
Aún depende de IA simbólica:
Muchos sistemas combinan reglas + aprendizaje automático (como los chatbots)
Tipos de aprendizaje automático:
A. Supervisado:
Usa datos etiquetados
Ejemplo: reconocer caras en fotos
B. No supervisado:
Datos no etiquetados
Descubre patrones ocultos (agrupamientos)
Ejemplo: identificar letras manuscritas
C. Aprendizaje por refuerzo:
Mejora continua basada en retroalimentación
Usa recompensas/castigos para aprender
Ejemplo: vehículo autónomo evita colisión → recibe recompensa
Redes neuronales artificiales (RNA)
Inspiración:
Cerebro humano
Estructura:
Capa de entrada
Capas ocultas (computan)
Capa de salida
Proceso:
Aprendizaje por refuerzo y retropropagación
Ejemplo:
AlphaGo (venció al campeón mundial de Go)
Limitación:
Caja negra → difícil entender cómo tomó la decisión
