INTRODUCCIÓN
La Inteligencia Artificial trata de la creación de máquinas que puedan imitar comportamientos inteligentes.
Se utiliza para automatizar procesos repetitivos y analizar grandes volúmenes de datos, permitiendo aumentar nuestra eficiencia y tomar decisiones informadas con mayor rapidez.
La evolución de la IA puede dividirse en varias etapas clave.
| Década | Eventos clave |
|---|---|
| 1950 | Turín introduce su test para evaluar la inteligencia de una máquina. En 1956 se utiliza por primera vez el término Inteligencia Artificial. |
| 1960-1970 | En 1965 se crea ELIZA, uno de los primeros programas de Procesamiento de Lenguaje Natural (PLN). |
| 1980 | Se realizan investigaciones en redes neuronales que estaban inspiradas en el funcionamiento del cerebro humano. |
| 1990 | La IA se computariza con el éxito de Deep Blue, un programa de ajedrez que es capaz de vencer al campeón mundial en 1997. |
| Siglo XXI | 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. |
TURING
APLICACIONES
- SALUD
- Diagnóstico médico: Para analizar radiografías, resonancias magnéticas y detectar enfermedades.
- Medicina personalizada: Para desarrolar tratamientos personalizados en el análisis de datos médicos y genéticos
- FINANZAS
- Análisis de riesgo: Evaluación de riesgos crediticio de los solicitantes de un préstamo.
- Trading (compraventa de aptivos financieros cotizados como acciones, divisas…): Desarrollo de algoritmos que realizan operaciones bursátiles de maneira automática basándose rn análisis de grandes voluntarios de datos del mercado.
- EDUCACIÓN
- Sistemas de tutoría inteligente: Apoyo personalizado a los estudiantes.
- Creación de contenido educativo: Generación de materiales de estudio.
ENLACES
INTELIGENCIA ARTIFICIAL
Aprendizaje automático
Se dedica a el desarrollo de algoritmos que permiten a las máquinas aprender de los datos y mejorar su rendimiento. Usado para predecir precios de viviendas, clasificar clientes por su solvencia, identificar 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).
