INTRODUCCIÓN
La Inteligencia Artificial trata de la creación de máquinas que pueden 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 | 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 | En 1965 se crea ELIZA, uno de los primeros Programas de Procesamiento de Lneguaje Natural (PLN) |
| 1980 | Se realizan investigaciones en redes neuronales que estaban inspiradas en el funcionamiento del cerebro humano. |
| 1990 | La IA se populariza con el éxito de Deep Blue un programa de ajedrez que es capaz de vencer al ganador mundial en 1997. |
| Siglo XXI | Se producen avances en el 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 desarrollar tratamientos personalizados basados en el análisis de datos médicos y genéticos.
- FIANZAS
- Análisis de riesgo. Evaluación del riegos crediticio de los solicitantes de un préstamo.
- Trading (compraventa de activos financieros cotizados como acciones, divisas…). Desarollo de algoritmos que realizan operaciones bursátiles de manera automática basándose en el análisis de grandes volúmenes de datos del mercado.
- EDUCACIÓN
- Sistemas de tutoría inteligente. Apoyo personalizado a los estudiantes.
- Creacción de contenido educativo.
ENLACES
TIPOS DE INTELIGENCIA ARTIFICIAL
Aprendizaje Automático
Se dedica al 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 de aprendizaje automatico
PLN
Se dedica al 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…