Introducción a la Inteligencia Artificial

 Actualmente se hace de gran interés el conocer todo tipo de software y hardware que se han dedicado a tomar decisiones y simular comportamientos que únicamente el ser humano podía realizar, todo esto requiere de procesos, inversión, estudios y diferentes rutas para lograr entender toda su capacidad y el futuro que nos espera de la mano de esta tecnología. 

                                            Generada por IA

1. Variaciones de IA
   1.1. IA Angosta o IA débil
   
   
   Este tipo de Inteligencia Artificial fue diseñada para realizar una tarea en especifico, reconociendo aún su capacidad de desarrollo de la misma no esta entre su aplicabilidad aportar a diferentes áreas fuera de su función, entre los sistemas con IA angosta puede estar el reconocimiento facial o de voz, chatbots, entre otros
   
   
   1.2. IA Generalizada o IA fuerte
   
   
   Esta dispone de mas herramientas y es un sistema inteligente capaz de analizar, ejecutar, y tomar decisiones con la información que se le este solicitando, deberá comprender y dominar conocimientos para que acompañen al ser humano en el desarrollo de sus funciones, al día de hoy sigue siendo el objetivo de nivel tecnológico que se quiere lograr para aportar en tareas de medicina, educación, entre otras, sin embargo, con los actuales avances tan impresionantes dentro de poco miraremos las primeras conquistas y verlos en funcionamiento poco a poco en nuestra vida cotidiana. 
   
   1.3. IA Consciente
   
   En la actualidad es motivo de debate filosófico y moral el querer en un futuro tener a robots capaces de entender el funcionamiento del mundo, tomar decisiones, que realicen procedimientos junto a nosotros los seres humanos en diversas áreas y también pretender que tengan una conciencia y experiencia subjetiva.
   Se reconoce que actualmente es entrenada la IA por una o grupo de personas y todo tipo de experiencia de la misma sera limitada según su programación y los intereses de aplicabilidad en el campo de sus desabolladores es por eso que sigue siendo mas utópico el poder compartir con un robot capaz de procesar la información como nosotros, inculcarle valores y sentimientos dependiendo de la situación.
   
   
2. Áreas de la IA

   - Visión por Computador Es el área que busca interpretar y comprender todo el contenido que tenga una imagen y/o vídeo Aplicaciones de la visión por computador: - Reconocimiento de objetos - Reconocimiento facial - Detección de movimiento - Seguimiento de objetos - Realidad aumentada - Robotica Beneficios del reconocimiento facial: - Seguridad - Búsqueda de personas - Identificar sospechosos - Uso para medios de pago - Detectar síndromes genéticos Riesgos del reconocimiento facial: - Sesgos faciales -Control estatal Retos de la visión por computador: - Puntos de vista - Iluminación - Oclusión - Deformación - Escala

   - Aprendizaje por Refuerzos El aprendizaje por refuerzos es una técnica altamente efectiva de entrenamiento de inteligencia artificial que les permite enfrentar y adaptarse a entornos cambiantes. Este enfoque se basa en la premisa de que las maquinas pueden aprender de manera autónoma a través de la retro-alimentación que reciben de su entorno, tanto positiva como negativa. Si una acción tiene éxito, la IA recibe una recompensa que refuerza su comportamiento, mientras que una acción fallida se traduce en una penalización que ayuda a la IA a aprender que no debe hacer en el futuro.

   - Procesamiento del Lenguaje Natural (PNL) El objetivo de esta rama de la Inteligencia Artificial es hacer que los ordenadores entiendan el lenguaje natural y exista la interacción con los seres humanos, su principal tarea es entender audios y texto, interpretarlos, analizarlos y producir una respuesta lógica al intercambio de lenguaje. Su mayor complejidad esta al traducir exactamente las mismas ideas de un texto a otro, o en el comprender lo que le esta diciendo el emisor si alguna de las palabras que expreso tienen múltiples significados y poder acertar con el que esta haciendo uso la persona. Aplicaciones del Lenguaje Natural: - Clasificación de texto - Identificar partes de una oración - Identificar entidades nombradas. - Recuperación de información - Sistemas de traducción - Sistemas de respuestas a preguntas

   - Sistemas de Control Los sistemas de control utilizan sensores, actuadores, micro-controladores y software de control para tener una precisión en la tarea que se esta desatollando.

   - Web Semántica La web semántica desarrolla un rastreo de la información, seguido de un procesamiento y devuelve la información mas precisa a la búsqueda que se esta ejecutando. Los motores de búsqueda utilizan esta tecnología.

   - Sistemas Embebidos Los sistemas embebidos pueden trabajar con recursos limitados, como memoria, capacidad de procesamiento, energía, sirven para automatizar procesos y permitir al ser humano ocuparse en otras tareas de mayor importancia
3. Tipos de aprendizaje en la IA Existe una gran cantidad de formas de las cuales se pueden utilizar para entrenar a modelos en el campo de la IA, en algunos de ellos se requiere de datos etiquetados para que el sistema lo pueda comparar cuando el se encuentre buscando dar la solución a alguna tarea, es de vital importancia que estos datos sean confiables, imparciales y sobre todo relevantes. Para mantener una transparencia y mantener la confianza de las personas que harán uso de esta tecnología sin importar el tipo de aprendizaje utilizado se deberá dar a conocer que medidas se tomaron para garantizar la calidad y equidad, la forma, tipo de fuente y calidad de los datos de entrada o entrenamiento, que métodos algorítmicos fueron utilizados y por ultimo y no menos importante todo los procesos de prueba, evaluación y seguimiento que se efectuaron durante toda las fases de su creación -Aprendizaje Supervisado
   Este tipo de aprendizaje es entrenado con base a una gran cantidad de datos de entrada etiquetados, en los que se le brinda los datos de entrada y la respuesta correspondiente, con todo esto posteriormente el sistema pueda hacer las predicciones precisas con un solo dato de entrada y comparando la respuesta que va a generar con lo aprendido en fase de entrenamiento.
   Se utiliza este tipo de aprendizaje para clasificar correos como spam o no spam, fraude en transacciones bancarias, predecir el valor de una propiedad inmobiliaria comparándola frente a inmuebles similares.
   -Aprendizaje no Supervisado
   En este tipo de aprendizaje se le brinda una gran cantidad de datos no etiquetados y se le pide al modelo encontrar similitud entre todos los datos recibidos por si solo, su característica es la ausencia de retroalimentación al modelo de entrenamiento.
   
   
   Su uso es adaptable al proceso de segmentación de clientes, detectar fraudes, entre otras actividades.
   -Aprendizaje por Refuerzo
   El modelo no tiene ninguna información inicial, ni datos, sin embargo, es interesante su desarrollo debido a que se le va entregando una recompensa o castigo según la solución que este brinde a un problema en un entorno especifico, en búsqueda de recibir gran cantidad de premios se va aumentando su comportamiento eficaz en la actividad o tarea para la que esta siendo entrenado.
   Se utiliza este tipo de aprendizaje para la robótica, videojuegos, entre otras.