Please enable JavaScript.
Coggle requires JavaScript to display documents.
Inteligencia Artificial (IA) - Coggle Diagram
Inteligencia Artificial (IA)
Definición de IA
IA = Máquinas que realizan tareas humanas.
Ejemplos: Siri, Alexa.
Aplicaciones: Sanidad, negocios, transporte.
Fundamentos de IA
Programación para análisis de datos y toma de decisiones.
Capacidad para resolver problemas complejos.
Impactos éticos de la IA
Prejuicios: Posible sesgo en los algoritmos.
Responsabilidad: Desarrollo y uso ético de la IA.
Transparencia: Explicabilidad de los algoritmos.
Privacidad: Riesgos de datos personales.
Tipos de IA
IA tradicional: Asistentes virtuales.
IA Generativa: ChatGPT, DALL·E, etc.
Aprendizaje Automático (Machine Learning)
Definición: Aprender de datos sin programación explícita.
Ejemplo: Filtrado de spam.
Uso: Predicción y toma de decisiones
Aprendizaje Profundo (Deep Learning)
Definición: Subcampo del aprendizaje automático.
Ejemplo: Reconocimiento de aves, más detalles que el aprendizaje automático.
Tecnología: Redes neuronales artificiales.
Gestión de la IA
Objetivo: Supervisar el uso responsable de la IA en las organizaciones.
Componentes clave: Transparencia, explicabilidad, autonomía.
Redes Neuronales
Definición: Modelos matemáticos que imitan el cerebro humano.
Composición: Capas de neuronas artificiales.
Uso: Reconocimiento de patrones en grandes datos.
Normalización y Normas
ISO y normas internacionales: Guías para el uso ético.
Ejemplo: ISO/IEC 23894 sobre la gestión de riesgos.