ramas de la inteligencia artificial

 Los ámbitos de la inteligencia artificial son muy variados las ramas de la inteligencia artificial se utilizan en elementos cotidianos de nuestra vida para mejorar y automatizar procesos. 

¿Qué es la Inteligencia Artificial?

Cuando hablamos de las ramas de la inteligencia artificial empezamos por aclarar que la misma IA es una rama de la informática que se ocupa del diseño y la construcción de sistemas que realizan las tareas relacionadas con la inteligencia humana. Normalmente, dentro de sus definiciones los sistemas de IA son capaces de procesar grandes cantidades de datos (Big Data), identificar patrones y tendencias de forma automatizada y generar predicciones precisas.

El objetivo de estos procesos es automatizar, generar resultados precisos, razonamiento y mejorar la experiencia humana. La IA es una ciencia muy amplia y puede aplicarse a un sinfín de disciplinas de aprendizaje.

Sin embargo, cuando decimos "inteligencia artificial", queremos ser más precisos. La robótica es un elemento de la inteligencia artificial y, como ciencia, se ocupa del diseño y la construcción de máquinas capaces de realizar tareas humanas mediante procesos tecnológicos y programados.

¿Cuáles son las principales ramas de la inteligencia artificial y sus aplicaciones típicas?

He aquí las ramas de la inteligencia artificial más comunes que utilizamos en nuestra vida diaria.

Aprendizaje automático: Machine Learning (ML)

El Machine Learning se trata de una rama de la informática de la IA que utiliza datos históricos para entrenar algoritmos de aprendizaje automático. Tras un cierto tiempo de entrenamiento, estos algoritmos mejoran su rendimiento y logran el objetivo de optimizar el proceso. muchas tecnologías de IA se basan en el aprendizaje automático.

Aprendizaje profundo: Deep Learning

El deep learning Se trata de una rama compleja del ML. El objetivo es construir y entrenar redes neuronales multicapa. El objetivo de estas redes es ordenar y clasificar los datos y encontrar anomalías en sus patrones.

Redes neuronales: Neural Networks

Las redes neuronales son algoritmos de aprendizaje automático, modelos computacionales diseñados para funcionar como las neuronas del cerebro humano. Se entrenan con un conjunto específico de datos y se utilizan para adivinar la respuesta a una consulta. Si se produce un error, la red neuronal ajusta el proceso y lo repite hasta que se reduce el nivel de error. Esto es similar a la regresión estadística.

El Procesamiento del lenguaje natural: Natural Language Processing

El procesamiento del lenguaje natural es una rama de la IA que se refiere a la capacidad de una máquina para entender el habla humana o las palabras impresas, a diferencia de un ordenador que entiende un lenguaje de programación. Esta tecnología es utilizada por chatbots, asistentes digitales virtuales y motores de búsqueda para filtrar el spam. 

     Las principales tareas de trabajo en el PLN son:

• Síntesis del discurso.
• Análisis del lenguaje.
• Comprensión del lenguaje.
• Reconocimiento del habla.
• Generación automática del lenguaje.
• Traducción automática.
• Respuesta a preguntas.
• Recuperación de la información.
• Extracción de la información.
  
  
  

Chatbots

Un programa informático que utiliza un conjunto de reglas para conversar con los humanos a través de una interfaz en línea. Los chatbots se basan cada vez más en la IA y utilizan la Natural Language Processing para imitar la conversación humana.

Asistente digital virtual: Virtual Digital Assistants

Un asistente digital virtual es una versión más sofisticada de un chatbot. Pueden organizar, almacenar y generar información en función de la ubicación del usuario y responder a consultas de voz y de texto. Algunos ejemplos son Siri de Apple, Google Assistant, Alexa de Amazon y Cortana de Microsoft.

Para concluir este artículo, está claro que hay muchas variaciones en la aplicación de esta tecnología. Dentro de las ramas de la inteligencia artificial sus actividades abarcan desde el marketing digital, la ciencia, la medicina y el medio ambiente hasta campos sociales como la antropología y la sociología.

Bibliografia

https://www.euroinnovaformacion.com.ve/blog/ramas-de-la-inteligencia-artificial 

https://rockcontent.com/es/blog/tipos-de-inteligencia-artificial/

https://aprender-libre.com/principales-ramas-de-la-inteligencia-artificial/

https://otech.uaeh.edu.mx/noti/index.php/machine-learning/machine-learning-que-es-y-cual-es-su-relacion-con-la-ia/

https://www.apd.es/tecnicas-de-la-inteligencia-artificial-cuales-son-y-para-que-se-utilizan/

https://www.hipernexo.com/ia/ramas-inteligencia-artificial/

https://ignos.blog/inteligencia-artificial-aplicada-al-bi

https://www.santanderconsumergs.com/articulo/article-ia

https://es.wikipedia.org/wiki/Inteligencia_artificial

Referencia bibliográficas

•  Bramer, Max, comp. Artificial intelligence: an international perspective. Berlin: Springer Verlag, 2009.
•   Caicedo Bravo, Eduardo Francisco, y Jesús Alfonso López Sotelo. Una aproximación práctica a las redes neuronales artificiales. Colombia: Programa Editorial Universidad del Valle, 2009. (LIBRUNAM: QP363.3 C35) 
•  Cobo Ortega, A. Inteligencia artificial. Modelos matemáticos que imitan a la naturaleza. Santander: Ikono, 2000. 
• Figueroa Nazuno, Jesús, coord. Advances in: artificial intelligence, computing science and computer engineering. México: IPN-Centro de Investigación en Computación, 2004. (LIBRUNAM: Q334 A388) 
• Fulcher, John, coord. Advances in applied artificial intelligence. Pennsylvania: Idea Group, 2006. (LIBRUNAM: Q335 A373) 
• Gelbukh, Alexander; Cornelio Yáñez Márquez; y Oscar Camacho Nieto, coords. Advances in artificial intelligence and computer science. México: IPN-Centro de Investigación en Computación, 2005. (LIBRUNAM: Q334 A387)
•  Marín Morales, Roque, y José Tomás Palma Méndez. Inteligencia artificial: técnicas, métodos y aplicaciones. Madrid: McGraw-Hill, 2008. 
• Moret Bonillo, Vicente. Fundamentos de inteligencia artificial. Santiago de Compostela: Universidad de Coruña, 2000. (LIBRUNAM: Q335 F857 2000) 
• Nilsson, Nils J. Inteligencia artificial: una nueva síntesis. México: McGraw-Hill, 2001. (LIBRUNAM: Q335 N54318) 
• Pino Díez, Raúl; Alberto Gómez Gómez; y Nicolás de Abajo Martínez. Introducción a la inteligencia artificial: sistemas expertos, redes neuronales artificiales y computación evolutiva. Madrid: Universidad de Oviedo, 2001. 2 
• Russell, Stuart J. Inteligencia artificial: un enfoque moderno. Madrid/México: Pearson/Prentice Hall, 2004. (LIBRUNAM: Q335 R8718 2004) 
• Tyugu, Enn K. Algorithms and architectures of artificial intelligence. Amsterdam: IOS, 2007. (LIBRUNAM: Q335 T935) 
• Shi, Zhongzhi. Advanced artificial intelligence. Singapur: World Scientific, 2011. (LIBRUNAM: Q335 S444) GENERALES 
• Charniak, E., y Mc Dermott D. Introduction to Artificial Intelligence. México: Addison-Wesley, 1985. (LIBRUNAM: Q335 CH36) 
• Ferber, Jacques. Multi-agent systems: an introduction to distributed artificial intelligence. Harlow: Addison-Wesley, 1999. (LIBRUNAM: TJ217.5 F4713) 
• Fischler, Martin A. Intelligence: the eye, the brain and the computer. Massachusetts: Addson-Wesley, 1987. (LIBRUNAM: Q335 F57 1987) 
• González, Francisco José. Inteligencia artificial. Madrid: Anaya Multimedia, 1996. (LIBRUNAM: Q335 G659) 
• Graubard, Stephen R. El Nuevo debate sobre la inteligencia artificial: sistemas simbólicos y redes neuronales. Barcelona: Gedisa, 1999. (LIBRUNAM: Q335.5 A761518 1999) 
•  Millán Jiménez, Ana. Mente, cerebro e inteligencia artificial. España: Universidad de Murcia, 1993. (LIBRUNAM: Q335 M54) 
• Mira, José. Aspectos básicos de la inteligencia artificial. Madrid: Sanz y Torres, 1995.
• Nilsson, Nils J. Principios de inteligencia artificial. Madrid: Díaz de Santos, 1987. (LIBRUNAM: Q335 N51518) 
• Rolston, David W. Principios de inteligencia artificial y sistemas expertos. México: McGraw-Hill, 1990. (LIBRUNAM: QA76.76E95 R6518) 3
•  Winstons, P. H. Inteligencia artificial. Delaware: Addison-Wesley, 1994.