Dato histórico de la inteligencia artificial.

La inteligencia artificial, comúnmente abreviada como IA, es una parte de la tecnología

y la ciencia que se encarga de diseñar sistemas robóticos que puedan tomar decisiones;
es decir, que muestren cierto tipo de inteligencia robótica para resolver determinado tipo de
problemas. Si bien aún falta mucho para desarrollar máquinas pensantes, en los últimos
años se han realizado grandes avances al respecto, pero ¿como surgió el desarrollo de
la inteligencia artificial?
Para conocer los orígenes de la inteligencia artificial tenemos que remontarnos a 1943,
cuando el matemático Walter Pitts y el neurofisiólogo Warren McCullochpresentaron el
primer trabajo de investigación donde se hablaba de IA y en donde hacían mención de
conceptos de fisiología humana básica, la forma en que las neuronas funcionan en nuestro
cerebro y la teoría computacional deAlan Turing, entre otras cosas.
La importancia del trabajo presentado por Pitts y McCulloch se centra en que fue el primer
trabajo de la historia enfocado en la IA, además que el análisis del cerebro humano que
hicieron implica entenderlo como si fuese un organismo computacional, y por último,
propusieron la construcción de computadoras a semejanza de las redes neuronales
biológicas del cerebro humano. Es de esta manera que la más grande contribución
de Pitts y McCulloch al desarrollo de la inteligencia artificial fue que fundaron las bases de
las redes neuronales artificiales.
Trece años después, allá por 1958, un ingeniero de nombre Josehp Engelbergerdiseñó y
construyó el primer robot industrial de la historia, conocido como Unimate, motivo por
el cual se le otorgó el título de padre de la robótica. Sin embargo, según el
propio Engelberger, lo que lo inspiró a construir su robot fueron las historias de la ciencia-
ficción escritas por el bioquímico y escritor rusoIsaac Asimov.
Así es, la ciencia-ficción a lo largo de su historia le ha atinado a muchos de los desarrollos
futuros, aunque ciertamente también ha fallado en algunas de sus ideas; lo cierto es
que Asimov es uno de esos autores que podríamos considerar un visionario, pues gran
parte de lo que ha escrito en sus obras se ha ido cumpliendo, sobre todo aquello que
implique robots y robótica.

APLICACIÓN DE INTELIGENCIA ARTIFICIAL

Plataformas machine learning

Ahora las computadoras también aprenden y ¡vaya que pueden llegar a ser inteligentes!

El aprendizaje automático o aprendizaje de máquinas (en inglés machine learning) es el

sub-campo de las ciencias de la computación y una rama de la inteligencia artificial cuyo
objetivo es desarrollar técnicas que permitan a las computadoras aprender.
Proporcionando algoritmos, APIs (interfases de programación de aplicaciones),
herramientas de desarrollo y training (entrenamiento), así como el procesamiento y análisis
en tiempo real de Big Data, las plataformas con machine learning están cobrando día con
día mayor relevancia…

Actualmente, se utilizan en gran variedad de aplicaciones empresariales, principalmente

para realizar predicciones o clasificaciones.

Algunos proveedores son: Amazon, Fractal Analytics, Google, H2O.ai, Microsoft, SAS,
Skytree y Adext.

Tomemos el ejemplo concreto de Adext. Esta plataforma inteligente analiza Big

Data(millones de datos) de campañas de publicidad digital alrededor del mundo. ¿Qué hace
con estos datos? Les da forma y sentido, utilizando algoritmos inteligentes para detectar
patrones exitosos y aprender de estas tendencias para poder repetirlas.

¿En qué se traduce esto? En la toma de decisiones acertadas de inversión en medios

digitales; de tal forma que, a través de todas estas tecnologías de inteligencia artificial
inmersas, la plataforma llega a aprender y saber con precisión cuáles son los medios
digitales que más ventas generan, y justo ahí, canaliza la mayor parte de la inversión.

Biométricas
Esta tecnología contempla la identificación, medición y análisis de las
características físicas (forma o composición del cuerpo) y de
comportamiento de las personas. Esto permite interacciones más
naturales entre humanos y máquinas, incluyendo –pero no limitado a–
reconocimiento de tacto, imagen, habla y lenguaje corporal.
APRENDIZAJE DE MAQUINAS
El aprendizaje automático es un tipo de inteligencia artificial (AI) que proporciona a las
computadoras la capacidad de aprender, sin ser programadas explícitamente. El
aprendizaje automático se centra en el desarrollo de programas informáticos que pueden
cambiar cuando se exponen a nuevos datos.
El proceso de aprendizaje automático es similar al de la minería de datos. Ambos sistemas
buscan entre los datos para encontrar patrones. Sin embargo, en lugar de extraer los datos
para la comprensión humana –como es el caso de las aplicaciones de minería de datos– el
aprendizaje automático utiliza esos datos para detectar patrones en los datos y ajustar las
acciones del programa en consecuencia. Los algoritmos del aprendizaje automático se
clasifican a menudo como supervisados o no supervisados. Los algoritmos supervisados
pueden aplicar lo que se ha aprendido en el pasado a nuevos datos. Los algoritmos no
supervisados pueden extraer inferencias de conjuntos de datos.

Modelos
El aprendizaje automático tiene como resultado un modelo para resolver una tarea dada.
Entre los modelos se distinguen1

 Los modelos geométricos, construidos en el espacio de instancias y que pueden

tener una, dos o múltiples dimensiones. Si hay un borde de decisión lineal entre las
clases, se dice que los datos son linealmente separables. Un límite de decisión lineal
se define como w * x = t, donde w es un vector perpendicular al límite de decisión, x
es un punto arbitrario en el límite de decisión y t es el umbral de la decisión.
 Los modelos probabilísticos, que intentan determinar la distribución de
probabilidades descriptora de la función que enlaza a los valores de las características
con valores determinados. Uno de los conceptos claves para desarrollar modelos
probabilísticos es la estadística bayesiana.
 Los modelos lógicos, que transforman y expresan las probabilidades en reglas
organizadas en forma de árboles de decisión.

TIPOS DE ALGORITMOS

Aprendizaje supervisado
El algoritmo produce una función que establece una correspondencia entre las entradas y las
salidas deseadas del sistema. Un ejemplo de este tipo de algoritmo es el problema
de clasificación, donde el sistema de aprendizaje trata de etiquetar (clasificar) una serie de
vectores utilizando una entre varias categorías (clases). La base de conocimiento del sistema
está formada por ejemplos de etiquetados anteriores. Este tipo de aprendizaje puede llegar a
ser muy útil en problemas de investigación biológica, biología computacional y bioinformática.

Aprendizaje no supervisado
Todo el proceso de modelado se lleva a cabo sobre un conjunto de ejemplos formado tan sólo
por entradas al sistema. No se tiene información sobre las categorías de esos ejemplos. Por lo
tanto, en este caso, el sistema tiene que ser capaz de reconocer patrones para poder etiquetar
las nuevas entradas.
Aprendizaje semisupervisado
Este tipo de algoritmos combinan los dos algoritmos anteriores para poder clasificar de manera
adecuada. Se tiene en cuenta los datos marcados y los no marcados.

Aprendizaje por refuerzo

El algoritmo aprende observando el mundo que le rodea. Su información de entrada es
el feedback o retroalimentación que obtiene del mundo exterior como respuesta a sus acciones.
Por lo tanto, el sistema aprende a base de ensayo-error.

Transducción
Similar al aprendizaje supervisado, pero no construye de forma explícita una función. Trata de
predecir las categorías de los futuros ejemplos basándose en los ejemplos de entrada, sus
respectivas categorías y los ejemplos nuevos al sistema.

Aprendizaje multi-tarea
Métodos de aprendizaje que usan conocimiento previamente aprendido por el sistema de cara
a enfrentarse a problemas parecidos a los ya vistos.
El análisis computacional y de rendimiento de los algoritmos de aprendizaje automático es una
rama de la estadística conocida como teoría computacional del aprendizaje.
El aprendizaje automático las personas lo llevamos a cabo de manera automática ya que es un
proceso tan sencillo para nosotros que ni nos damos cuenta de cómo se realiza y todo lo que
implica. Desde que nacemos hasta que morimos los seres humanos llevamos a cabo diferentes
procesos, entre ellos encontramos el de aprendizaje por medio del cual adquirimos
conocimientos, desarrollamos habilidades para analizar y evaluar a través de métodos y
técnicas así como también por medio de la experiencia propia.