SESION DE PERSONAL SOCIAL. La convivencia en familia 22-04-24 -.doc
Clase 17 tendencias en la ingenier ia de sistemas
1. Pedro Armijo
Inteligencia Artificial
1
«Tan importante es educar a las nuevas generaciones que
vienen como también creo que es importante enseñar a la
fuerza laboral existente, para que puedan entender cómo
hacer que la Inteligencia Artificial les sirva a ellos y a
sus roles». Sarah Aerni
2. Pedro Armijo
Inteligencia Artificial
Alan Turing
2
Científico ingles,
considerado el padre de la
computación. Diseño la
Maquina de Turing, la
cual es una máquina
conceptual que utilizó
para formalizar los
conceptos del modelo
computacional que se
sigue en la actualidad.
(Garcia, 2016, p. 1)
3. Pedro Armijo
Inteligencia Artificial
3
Cumputing Machinery
and Intelligence
Si una máquina puede
actuar como un
humano, entonces
podremos decir que es
inteligente.
1950
Permite afirmar si una
máquina es o no inteligente.
Para llegar a esta conclusión,
un ser humano se
comunicaría a través de una
terminal informática con una
entidad que se hallaría en
una habitación contigua. Esta
entidad podría ser un
humano o una máquina
inteligente. Si tras una
conversación la persona no
es capaz de distinguir si lo
que hay en la otra habitación
es un humano o una
máquina, entonces, en caso
de ser una máquina, la
podemos considerar
inteligente.
Test de Turing
(Garcia, 2016, p. 1)
4. Pedro Armijo
Inteligencia Artificial
4
Test de Turing
Una maquina que sea capaz de pasar
el test de Tuting debe tener las
siguientes capacidades.
• Reconocimiento del lenguaje natural
• Razonamiento
• Aprendizaje
• Representación del conocimiento
Test de Turing Total
Indica que si una terminal informática
que permita la comunicación dispone
de cámara de vídeo e imagen, por lo
que la comunicación se produce como
si fuera una videoconferencia.
Para pasar esta prueba la maquina
debe tener dos capacidades
adicionales
• Visión
• Robótica
(Garcia, 2016, p. 1)
5. Pedro Armijo 5
Inteligencia Artificial
Procesamiento del lenguaje
Natural o NLP (Natural
Language Processing
Razonamiento Automático
Aprendizaje Automático
Representación del
conocimiento
Agente Inteligente
(Garcia, 2016, p. 1)
7. Pedro Armijo
Conceptualizaciones alrededor de la IA
7
Haugeland, 1985
• “La interesante
tarea de lograr
que las
computadoras
piensen…
máquinas con
mente, en su
amplio sentido
literal”
Bellman, 1978
• “[La
automatización
de] actividades
que vinculamos
con procesos de
pensamiento
humano,
actividades tales
como toma de
decisiones,
resolución de
problemas,
aprendizaje,…”
Kurzweil, 1990
• “El arte de crear
máquinas con
capacidad de
realizar
funciones que
realizadas por
personas
requieren de
inteligencia”
Rich y Knight,
1991
• “El estudio de
cómo lograr que
las
computadoras
realicen tareas
que, por el
momento, los
humanos hacen
mejor”
8. Pedro Armijo
Conceptualizaciones alrededor de la IA
8
Charniak y
McDermott, 1985
• “El estudio de las
facultades
mentales mediante
el uso de modelos
computacionales”.
Winston, 1992
• “El estudio de los
cálculos que
permiten percibir,
razonar y actuar”
Schalkoff, 1990
• “Un campo de
estudio que se
enfoca en la
explicación y
emulación de la
conducta
inteligente en
función de
procesos
computacionales”
Luger y
Stubblefield, 1993
• “La rama de la
ciencia de la
computación que
se ocupa de la
automatización de
la conducta
inteligente”
9. Pedro Armijo
Categorías en que se clasifica la IA.
9
Sistemas que
piensan como
humanos.
Sistemas que
piensan
racionalmente.
Sistemas que
actúan
racionalmente.
Sistemas que
actúan como
humanos.
10. Pedro Armijo
Ramas que componen la inteligencia artificial
10
Lógica difusa
Redes
neurales
artificiales
Algoritmos
genéticos
11. Pedro Armijo
Ramas que componen la inteligencia artificial
11
Lógica difusa
Rama de la IA que le permite a una computadora analizar información del
mundo real en una escala entre lo falso y verdadero. Los matemáticos
dedicados a la lógica en la década de 1920 definieron un concepto clave:
todo es cuestión de grado. La lógica difusa manipula conceptos vagos como
“caliente” o “húmedo” y permite a los ingenieros construir televisores,
acondicionadores de aire, lavadores y otros dispositivos que juzgan
información difícil de definir. Los sistemas difusos son una alternativa a las
nociones de pertenencia y lógica que se iniciaron en la Grecia antigua.
13. Pedro Armijo
Ramas que componen la inteligencia artificial
13
Redes Neuronales artificiales
Se basan en generalizar información extraída de datos experimentales,
tablas bibliográficas o bases de datos, los cuales se determinan por
expertos humanos. Dichas redes neurales toman en cuenta las entradas
(corriente, voltaje) y como salidas las señales del sistema (velocidad,
temperatura, torque). La red neural utilizada es una red multicapa de diez
neuronas en la capa de entrada, diez neuronas en la capa oculta y cinco
neuronas en la capa de salida.
15. Pedro Armijo
Ramas que componen la inteligencia artificial
15
Algoritmos Genético
J. D. Bagley: “El funcionamiento de los sistemas adaptables empleando algoritmos genéticos y
correlativos”, en 1967. Esta tesis influyó decisivamente en J. H. Holland, quien se puede considerar como
el pionero de los AG.
Estos algoritmos se basan en la mecánica de la selección natural, la cual afirma que sólo los organismos
que mejor se adapten sobreviven. Parte de la historia de los algoritmos se describió en los antecedentes
de la IA, de manera que ahora se abordarán otros aspectos importantes para entender mejor esta parte
de la ciencia.
Los componentes de un algoritmo genético son:
• Una función que se desea optimizar.
• Un grupo de candidatos para la solución.
• Una función de evaluación que mida cómo los candidatos optimizan la función.
• Función de reproducción.
19. Pedro Armijo 19
“Machine Learning es la
ciencia que permite que las
computadoras aprendan y
actúen como lo hacen los
humanos, mejorando su
aprendizaje a lo largo del
tiempo de una forma
autónoma, alimentándolas
con datos e información en
forma de observaciones e
interacciones con el mundo
real.” — Dan Fagella
Consiste en tener una gran
base de datos que se
coloca como entrada a un
algoritmo que se ejecuta
dentro en una maquina
entrenada para obtener
una salida, en el proceso de
utilización el usuario realiza
preguntas o consultas a la
máquina y obtiene
respuestas. (Rojas, 2008)
El aprendizaje automático
consiste en programar
computadoras para
optimizar un criterio de
rendimiento utilizando datos
de ejemplo o experiencias
pasadas. Tenemos un
modelo definido hasta
algunos parámetros, y el
aprendizaje es la ejecución
de un programa de
computadora para
optimizar el parámetro del
modelo utilizando los datos
de transición o la
experiencia pasada.
(Alpaydin, 2014)
Conceptualizaciones alrededor del Machine Learning
20. Pedro Armijo 20
Terminología
Básica y
Notaciones
Cada fila de la matriz es una
muestra, observación o dato
puntual.
Cada columna es una característica
(o atributo), de la observación
mencionada en el punto anterior.
En el caso más general habrá una
columna, que llamaremos objetivo,
etiqueta o respuesta, y que será el
valor que se pretende predecir.
21. Pedro Armijo 21
Tipos de
Machine
Learning
• Aprendizaje supervisado
• Aprendizaje no supervisado
• Aprendizaje profundo
22. Pedro Armijo 22
Aplicaciones
• Aplicaciones en Banca, comunicaciones y Ventas
• Aplicaciones en Biomédicina y Biometría
• Aplicaciones en Computacion e Internet
23. Pedro Armijo 23
5 Must Have Skills To Become Machine Learning Engineer
https://www.youtube.com/watch?v=DZ7xuZ1-uh8
24. Deep Learning
Es un subcampo de Machine Learning,
que usa una estructura jerárquica de
redes neuronales artificiales, que se
construyen de una forma similar a la
estructura neuronal del cerebro
humano, con los nodos de neuronas
conectadas como una tela de araña.
Esta arquitectura permite abordar el
análisis de datos de forma no lineal.
(Rojas, 2019)
El aprendizaje profundo es un
subconjunto del aprendizaje
automático donde las redes
neuronales artificiales, algoritmos
inspirados en el cerebro humano,
aprenden de grandes cantidades de
datos. De manera similar a cómo
aprendemos de la experiencia, el
algoritmo de aprendizaje profundo
realizaría una tarea repetidamente,
cada vez que la modificara un poco
para mejorar el resultado. (Mar, B.
2018)
25. Pedro Armijo 25
8 ejemplos prácticos de aprendizaje profundo
Virtual assistants
• Ya sea Alexa o Siri o
Cortana, los asistentes
virtuales de los
proveedores de servicios
en línea utilizan el
aprendizaje profundo
para ayudar a
comprender su discurso y
el lenguaje que los
humanos usan cuando
interactúan con ellos.
Translations
• Los algoritmos de
aprendizaje profundo
pueden traducir
automáticamente entre
idiomas. Esto puede ser
poderoso para viajeros,
empresarios y personas
en el gobierno.
Visión para camiones de
reparto sin conductor,
drones y automóviles
autónomos.
• La forma en que un
vehículo autónomo
comprende las realidades
de la carretera y cómo
responder a ellas, ya sea
una señal de alto, una
pelota en la calle u otro
vehículo, es a través de
algoritmos de
aprendizaje profundo.
26. Pedro Armijo 26
8 ejemplos prácticos de aprendizaje profundo
Chatbots and service
bots
• Brindan servicio al
cliente para muchas
empresas pueden
responder de manera
inteligente y útil a una
cantidad cada vez
mayor de preguntas
auditivas y de texto
gracias al aprendizaje
profundo.
Image colorization
• Los algoritmos de
aprendizaje profundo
pueden usar el
contexto y los objetos
en las imágenes para
colorearlas para
recrear básicamente la
imagen en blanco y
negro en color. Los
resultados son
impresionantes y
precisos.
Facial recognition
• El aprendizaje
profundo se está
utilizando para el
reconocimiento facial
no solo con fines de
seguridad, sino
también para etiquetar
a las personas en las
publicaciones de
Facebook y es posible
que podamos pagar
los artículos en una
tienda simplemente
usando nuestras caras
en el futuro cercano.
27. Pedro Armijo 27
8 ejemplos prácticos de aprendizaje profundo
Medicine and
pharmaceuticals
• Desde diagnósticos de
enfermedades y tumores hasta
medicamentos personalizados
creados específicamente para el
genoma de un individuo.
Personalized
shopping and
entertainment
• ¿Alguna vez se preguntó cómo
Netflix presenta sugerencias sobre
lo que debe ver a continuación?
¿O dónde Amazon presenta ideas
para lo que debe comprar a
continuación y esas sugerencias son
exactamente lo que necesita, pero
nunca lo supo antes? Sí, son
algoritmos de aprendizaje
profundo en el trabajo.
28. Pedro Armijo 28
Deep Learning In 5 Minutes | What Is Deep Learning?
https://www.youtube.com/watch?v=6M5VXKLf4D4
29. Referentes
bibliográficos
Alpaydin E. (2014). Introduction to machine learning. MIT press. Recueprado de
https://books.google.co.uk/books?hl=es&lr=&id=tZnSDwAAQBAJ&oi=fnd&pg=PR7&ot
s=F2ZY5Y9uAh&sig=1nD6dADNg-
JxzB_VHkFddCeAi1I&redir_esc=y#v=onepage&q&f=false
Discovery Channel Latinoamerica. (2018). Inteligencia Artificial – IBM [Archivo de
video]. Recuperado de https://www.youtube.com/watch?v=5rvZBsueMoc
Garcia, A. (2016). Inteligencia Artificial. Fundamentos, práctica y aplicaciones. México
DF, Mexico: Alfaomega
Guyon, I. (2008). Introduction to machine learning. Slides and Videolecture. Recuperado
de http://www.disi.unal.edu.co/~fgonza/courses/2008-I/ml/notes-Guyon-IntroML.pdf
Marr, B. (2018). What Is Deep Learning AI? A Simple Guide With 8 Practical Examples.
Recuperado de https://www.forbes.com/sites/bernardmarr/2018/10/01/what-is-
deep-learning-ai-a-simple-guide-with-8-practical-examples/#62d469bd8d4b
Ponce, P. (2010). Inteligencia artificial con aplicaciones a la ingeniería. México DF,
Mexico: Alfaomega
Roman, V. (2019). Introducción al Machine Learning: Una Guía Desde Cero. Recuperado
de https://medium.com/datos-y-ciencia/introduccion-al-machine-learning-una-
gu%C3%ADa-desde-cero-b696a2ead359
Simplilearn. (3-junio, 2019). Deep Learning In 5 Minutes |
What Is Deep Learning? [Archivo de vídeo] Recuperado de
https://www.youtube.com/watch?v=6M5VXKLf4D4