Inteligencia artificial de

Aprendizaje insuperable

La inteligencia artificial (IA) hace posible que las máquinas aprendan de la experiencia, se ajusten a nuevas entradas y realicen tareas similares a las humanas. La mayoría de los ejemplos de IA de los que se oye hablar hoy en día -desde ordenadores que juegan al ajedrez hasta coches que se conducen solos- se basan en gran medida en el aprendizaje profundo y el procesamiento del lenguaje natural. Gracias a estas tecnologías, se puede entrenar a los ordenadores para que realicen tareas específicas procesando grandes cantidades de datos y reconociendo patrones en ellos.
Las primeras investigaciones sobre IA en la década de 1950 exploraron temas como la resolución de problemas y los métodos simbólicos. En los años 60, el Departamento de Defensa de EE.UU. se interesó por este tipo de trabajo y comenzó a entrenar a los ordenadores para que imitaran el razonamiento humano básico. Por ejemplo, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) llevó a cabo proyectos de cartografía de calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003, mucho antes de que Siri, Alexa o Cortana fueran nombres conocidos.
Estos primeros trabajos allanaron el camino para la automatización an

Inteligencia artificial – wikipedia

La inteligencia artificial (IA) hace posible que las máquinas aprendan de la experiencia, se ajusten a nuevas entradas y realicen tareas similares a las humanas. La mayoría de los ejemplos de IA de los que se tiene noticia hoy en día -desde ordenadores que juegan al ajedrez hasta coches que se conducen solos- se basan en gran medida en el aprendizaje profundo y el procesamiento del lenguaje natural. Gracias a estas tecnologías, se puede entrenar a los ordenadores para que realicen tareas específicas procesando grandes cantidades de datos y reconociendo patrones en ellos.
Las primeras investigaciones sobre IA en la década de 1950 exploraron temas como la resolución de problemas y los métodos simbólicos. En los años 60, el Departamento de Defensa de EE.UU. se interesó por este tipo de trabajo y comenzó a entrenar a los ordenadores para que imitaran el razonamiento humano básico. Por ejemplo, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) llevó a cabo proyectos de cartografía de calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003, mucho antes de que Siri, Alexa o Cortana fueran nombres conocidos.
Estos primeros trabajos prepararon el camino para la automatización y el razonamiento formal que vemos hoy en día en los ordenadores, incluidos los sistemas de apoyo a la toma de decisiones y los sistemas de búsqueda inteligente que pueden diseñarse para complementar y aumentar las capacidades humanas.

Beneficios de la inteligencia artificial

La inteligencia artificial es una constelación de muchas tecnologías diferentes que trabajan juntas para permitir que las máquinas perciban, comprendan, actúen y aprendan con niveles de inteligencia similares a los humanos. Tal vez por eso parece que la definición de inteligencia artificial de todo el mundo es diferente: La IA no es una sola cosa.
Tecnologías como el aprendizaje automático y el procesamiento del lenguaje natural forman parte del panorama de la IA. Cada una de ellas está evolucionando por su propio camino y, cuando se aplica en combinación con los datos, la analítica y la automatización, puede ayudar a las empresas a alcanzar sus objetivos, ya sea mejorar el servicio al cliente u optimizar la cadena de suministro.
IA estrecha (o “débil”)Algunos van más allá y definen la inteligencia artificial como IA “estrecha” y “general”. La mayor parte de lo que experimentamos en nuestro día a día es IA estrecha, que realiza una única tarea o un conjunto de tareas estrechamente relacionadas. Algunos ejemplos son:
Estos sistemas son potentes, pero el campo de juego es estrecho: Suelen centrarse en la eficiencia. Pero, con la aplicación adecuada, la IA estrecha tiene

Superintell… caminos, peligros…

En la historia de la inteligencia artificial, se denomina inteligencia artificial simbólica al conjunto de todos los métodos de investigación en inteligencia artificial que se basan en representaciones simbólicas de alto nivel (legibles para el ser humano) de los problemas, la lógica y la búsqueda. La IA simbólica utiliza herramientas como la programación lógica, las reglas de producción, las redes semánticas y los marcos, y desarrolla aplicaciones como los sistemas expertos.
John Haugeland dio el nombre de GOFAI (“Good Old-Fashioned Artificial Intelligence”) a la IA simbólica en su libro de 1985 Artificial Intelligence: The Very Idea, que exploraba las implicaciones filosóficas de la investigación en inteligencia artificial. En robótica, el término análogo es GOFR (“Good Old-Fashioned Robotics”)[1].
La inteligencia artificial subsimbólica es el conjunto de enfoques alternativos que no utilizan símbolos explícitos de alto nivel, como la optimización matemática, los clasificadores estadísticos y las redes neuronales[2].
Los investigadores de los años 60 y 70 estaban convencidos de que los enfoques simbólicos acabarían por crear una máquina con inteligencia general artificial y lo consideraban el objetivo de su campo. Le sucedió la IA estadística altamente matemática, que se dirige en gran medida a problemas específicos con objetivos concretos, más que a la inteligencia general. La investigación sobre la inteligencia general se estudia ahora en el subcampo exploratorio de la inteligencia general artificial.