INTRODUCCIÓN
La inteligencia artificial trata de la creación de máquinas que puedan imitar comportamientos inteligentes,
Se utiliza para automatizar procesos repetitivos y analizar grande volúmenes de datos permitiendo aumentar nuestra eficacia y tomar decisiones informadas con mayor rapidez.
La evolucion de IA puede dividirse en varias etapas clave
| Década | Eventos clave |
|---|---|
| 1950 | Turing introduce su test para evaluar la inteligencia de una máquina. En 1956 se utiliza por primera vez el termino Inteligencia Artificial. |
| 1960-1970 | En 1965 se crea ELIZA, uno de los primeros programas de procesamiento del lenguaje natural (PLN). |
| 1980 | Se realizan investigaciones en redes neuronales que estaban inspiradas en el funcionamiento del cerebro humano. |
| 1990 | La IA se pupolurizó con el éxito de Deep Blue, un programa de ajedrez que es capaz de vencer al campeón mundial en 1997. |
| Siglo 21 | Se producen avances en aprendizaje automático que es un campo de la Inteligencia Artificial que busca como dotar a las máquinas de capacidad de aprender. Un tipo de aprendizaje automático es el Aprendizaje Profundo (Deep Learning) que usa redes neuronales. |

Aplicaciones
- SALUD
- Diagnóstico médico, para analizar radiografías, resonancias magnéticas y detectar enfermedades.
- Medicina personalizada, para desarrollar tratamientos personalizados basados en el análisis de datos médicos y genéticos.
- FINANZAS
- Análisis de riesgo, Evaluación del riesgo crediticio que los solicitantes de un préstamo
- Trading (Compraventa de activos financieros cotizados como acciones, divisas…) Desarrollo de algoritmos que realizan operaciones bursátiles de manera automática baseandose en análisis de grandes volúmenes de datos del mercado.
- EDUCACIÓN
- Sistemas de tutoría inteligente: Apoyo personalizado a los estudiantes.
- Creación de contenido educativo. Generación de materiales de estudio personalizados
ENLACES
INTELIGENCIA ARTIFICIAL
Aprendizaje informático
Se dedica al desarrollo de algoritmos que permiten a las maquinas aprender de los datos y mejorar su rendimiento. Usado para predecir precios de viviendas de cuando va a cambiar el precio, calificar la solvencia de sus clientes, identificar objetos en imágenes, etc…

Aprendizaje profundo
Se dedica al desarrollo de algoritmos que permiten a las maquinas aprender de los datos y mejorar su rendimiento. Usado para predecir precios de viviendas de cuando va a cambiar el precio, calificar la solvencia de sus clientes, identificar objetos en imágenes, etc…

PLN
Se dedica al desarrollo de algoritmos que permiten a las maquinas aprender de los datos y mejorar su rendimiento. Usado para predecir precios de viviendas de cuando va a cambiar el precio, calificar la solvencia de sus clientes, identificar objetos en imágenes, etc…

