INTRODUCCIÓN
La inteligencia artificial trota de la creación de máquinas que pueden imitar comportamientos inteligentes.
Se utiliza para automatizar procesos y analizar grandes volúmenes de datos permitiendo aumentar nuestra eficiencia y tomar decisiones informadas con gran rapidez.
La evolución de la IA puede dividirse en varias etapas claves:
UTILIDADES
| Década | Eventos Claves |
| 1950 | Turing introduce su test para evaluar la inteligencia de una máquina. En 1956 se utiliza por primera vez el término Inteligencia Artificial. |
| 1960 y 1970 | Se desarrollan a los primeros sistemas expertos. En 1965 se crea ELIZA,. uno de los primeros programas de procesamiento de lenguaje natural. |
| 1980 | Se investiga en redes neuronales que están inspiradas en el funcionamento del cerebro humano |
| 1990 | La IA se populirizo con el éxito de Deep Blue el programa de ajedrez que fue capaz de ganar al campeón del mundo en 1997. |
| Siglo xxI | Se producen avances en aprendizaje automático machine learning 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 indicando el funcionamiento del cerebro |
- 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 del paciente
- Finanzas
- Análisis del riego: Evaluación del riesgo crediticio de los solicitantes de un préstamo.
- Trading: Se refiere a la compraventa de activos financieros cotizados como acciones, divisas , ect….
- EDUCACIÖN
- Sistemas de tutoría inteligente: Apoyo personalizado al estudiante
- Creación de contenido educativo: Generación de materiales de estudio.
3.ENLACES
¿Qué es la IA?
Guía IA
España y la IA
Tipos de Inteligencia Artificial
es…
Aprendizaje automático
Se dedica al desarrollo de algoritmos que permiten a las máquinas aprender de los datos y mejorar su rendimiento con el tiempo. Se usa, por ejemplo, para predecir el precio de una vivienda, clasificar clientes en función de su solvencia, identificación de objetos en imágenes…
Aprendizaje profundo
Es una subrama del Aprendizaje Automático que procesa gran cantidad de datos y reconoce patrones complejos. Se usa en reconocimiento de voces (Siri, Google Assistant) para interpretar el habla humana y en conducción autónoma
PLN
Se ocupa de la interacción entre los ordenadores y el lenguaje humano. Se usa en atención al cliente, en traducción automática del texto (Traductor de Google) y en asistentes personales (Alexa de Amazon)
