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 | 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 que fue uno de los primeros programas de procesamiento de lenguaje natural. |
| 1980 | Se realizan investigaciones en redes neuronales que estaban inspiradas en el funcionamento del cerebro humano |
| 1990 | La IA se populariza con el éxito de Deep Blue, un programa de ajedrez que fue 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 para aprender. Un tipo de aprendizaje automático es el aprendizaje profundo (Deep learning) que usa redes neuronales. |
Turing
APLICACIONES
- SALUD
- Diagnóstico médico. Analizar radiografías, resonancias magnéticas y detectar enfermedades
- Medicina personalizada. Para desarrollar tratamientos personalizados basados en el análisis de datos médicos y genéticos.
- FINANZAS
- Análisis del riesgo. Evaluación del riesgo crediticio de los solicitantes de un préstamo.
- Trading. (compraventa de activos financieros cotizados como acciones, divisas…). Desarrollo de algoritmos que realizan operaciones bursátiles de manera automática basándose en análisis de grandes volúmenes de datos del mercado.divisas…
- EDUCACIÓN
- Sistemas de tutoría inteligente. Apoyo personalizado al estudiante.
- Creación de contenido educativo. Generación de materiales de estudio personalizados.
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 del Aprendizaje Automático que procesa gran cantidad de datos y reconoce patrones complejos. Se usa en reconocimiento de voz (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 utiliza en atención al cliente, en traducción automática del datos y en asistentes personales.
