Cognition">
Aprendizaje Profundo
Aprendizaje Profundo
Aprendizaje Profundo
Esta noción se puede entender mejor en términos de los cinco posibles roles que desempeña,
todos ellos cruciales para el objetivo de comprender qué es una representación del
conocimiento:
Es un medio de expresión humana, es decir, una lengua en la que decimos cosas sobre el
mundo.
3. Consistencia. Si Pedro cerró la puerta, el acto también puede ser interpretado como que la
puerta fue cerrada por Pedro. Si es consistente, la representación del conocimiento puede
eliminar el conocimiento tanto redundante como conflictivo.
4. Eficiencia
Una buena parte de los trabajos en Inteligencia Artificial tratan de generar modelos
formalizables del razonamiento de sentido común que cumplan con estos requisitos de
adecuación. Puesto que un agente debe razonar acerca de algo, cualquier consideración sobre
la naturaleza del razonamiento requiere una preocupación concomitante con el modo en el
que el agente representa sus conocimientos o creencias. En este sentido podemos afirmar que
el trabajo de muchos investigadores de AI es la representación de acuerdo a estos tres
cánones.
Este mecanismo lo utilizan las máquinas para facilitar la inferencia o lo que llamamos sacar
conclusiones, a partir de una información estudiada.
Declarativas
Estructurales
Procedurales
Declarativas: Estas son representaciones que nos permiten expresar y razonar con sentencias
verdaderas o falsas. Toda lógica que sea usada como mecanismo de representación consta de
una sintaxis, una semántica, y un conjunto de reglas de inferencia.
Estructurales: tenemos como principal metodología estructural las redes semánticas, estas han
sido muy utilizadas en la IA para representar el conocimiento con diversas técnicas.
Esta metodología trabaja con una estructura de datos en nodos, que representan conceptos
unidas por arcos que representan las redes entre los conceptos.
Las redes semánticas se dividen en tres tipos, las redes IS-A en las que los nodos están
etiquetados, los grafos conceptuales (conceptos y relaciones), y las redes de marcos, en los
que los puntos de unión de los enlaces son parte de la etiqueta nodo.
Aprendizaje profundo
En general, estos sistemas deben ser entrenados a partir de ejemplos conocidos, de manera
similar en la que se le enseña a un niño pequeño a reconocer objetos o sonidos a su alrededor
(se señala un árbol y se le dice "eso es un árbol"; o se escucha el ruido de un tren y se le dice
"eso es un tren").
A este tipo de aprendizaje automático se le llama "profundo" porque presenta una estructura
jerárquica que extrae diferentes niveles de detalle de los datos en cuestión. Por ejemplo,
durante el reconocimiento de imágenes se extraen bordes que, combinados, permiten detectar
contornos, que a su vez permiten reconocer diferentes partes del objeto, para finalmente
determinar su identidad.
El aprendizaje profundo es lo que utilizan las máquinas para tomar decisiones, partiendo de
una experiencia dada y a partir de ella se toma las decisiones correspondientes. Esto está
inspirado ligeramente de algunos principios del funcionamiento del cerebro animal
Hoy en día, la combinación de cámaras que cumplen la función de ojos artificiales y las redes
neuronales que pueden procesar la información visual que capturan esos ojos ha producido
una explosión de datos en aplicaciones de IA impulsadas por datos.
Robótica: Muchos de los adelantos recientes que se han producido en la robótica se han
producido por avances en la IA y el aprendizaje profundo. Por ejemplo, gracias a la IA, los
robots pueden percibir y responder a su entorno.
Exploración médica y servicios sanitarios: El aprendizaje profundo puede ser tan efectivo
como un dermatólogo al clasificar los cánceres de piel, o incluso más gracias a la capacidad
que tienen las redes neuronales convolucionales de clasificar imágenes. El aprendizaje
profundo también está realizando avances significativos en la mejora de la calidad de los
servicios sanitarios al predecir eventos médicos a partir de los datos de los historiales
médicos.
Aprendizaje automático
El conocimiento base según el cual se sabe la respuesta que permite aprender al sistema (lo
entrena).
Gestión inteligente de Big Data: sin la velocidad y la sofisticación del aprendizaje automático
sería imposible procesar y extraer información del enrome volumen y variedad de datos que
se generan a medida que los seres humanos y otras fuerzas ambientales interactúan con la
tecnología.
Dispositivos inteligentes: desde dispositivos móviles que dan seguimiento a la salud y a los
objetivos de bienestar, hasta vehículos de conducción autónoma y "ciudades inteligentes" con
infraestructura que puede reducir automáticamente desperdicio de tiempo y energía, el
Internet de las cosas (IoT) es una gran promesa, y el aprendizaje automático puede ayudar a
dar sentido a este aumento significativo en los datos.
Experiencia del consumidor mejorada: el aprendizaje automático permite que los motores de
búsqueda, las aplicaciones web y otras tecnologías adapten los resultados y las
recomendaciones para que coincidan con las preferencias de los usuarios, creando
experiencias personalizadas agradablemente para los consumidores.
Según la situación, los algoritmos del aprendizaje automático funcionan con más o menos
intervención/refuerzo humano. Los cuatro modelos principales de aprendizaje automático son
el aprendizaje supervisado, el aprendizaje no supervisado, el aprendizaje semisupervisado y
el aprendizaje de refuerzo.
Análisis de componente principal (PCA), donde el PC analiza un grupo de datos y los resume
para poder usarlos para hacer predicciones precisas.
Los datos son la parte más importante de todas las empresas. El aprendizaje automático
puede ser la clave a la hora de desbloquear el valor de los datos corporativos y del cliente, y
de promulgar decisiones que mantengan a una empresa a la cabeza de la competencia.
Ejemplos:
https://drive.google.com/drive/folders/15aadPO5E4nnPbVld_MLmLnAd7F6jaZD-?
usp=sharing
REFERENCIAS BIBLIOGRÁFICAS
Alejandra Martins (BBC Mundo), (31 agosto 2017). Qué es el "aprendizaje profundo"
de la inteligencia artificial y cómo ya está cambiando la vida de millones de personas
en todo el mundo. Recuperado de https://www.bbc.com/mundo/noticias-41051680