Javier Sossa
Admin: Javier Sossa

El proyecto de inteligencia-artificial.dev se ha creado para compartir conocimientos sobre esta materia y mejorar los contenidos actuales para la comunidad científica y de desarrolladores, de habla hispana. Desde este proyecto web, podrás acceder a formación gratuita en Inteligencia Artificial, Criptomonedas, Finanzas, programas de código abierto para AI y contenidos en general sobre el tema. Además de pertenecer a una de las primeras comunidades de habla española, del sector.

boton entrar

Contenido reciente:

Desde la administración de esta web (Javier Sossa) quiero destacaros algunos de los mejores artículos, para que disfruteis con su lectura. Me parece un planazo, relajarse y leer, además de estar aprendiendo algo que nos gusta.

⭐Artículos destacados

💵¿Cómo ganar dinero con la Inteligencia Artificial?

🧠Tipos de Redes Neuronales.

🤖Los mejores Algoritmos de Aprendizaje Automático.

🎓Los mejores Másters de Inteligencia Artificial en España.

🧑‍🎓Las mejores Universidades de Inteligencia Artificial.

💼¿Cuánto gana un experto en Inteligencia Artificial?

📚Los mejores libros de Inteligencia Artificial.

📽️Las mejores películas sobre Inteligencia Artificial.

¿Qué es la Inteligencia Artificial?

Realmente, lo que se hace mediante la Inteligencia Artificial, es crear máquinas inteligentes y automatizar procesos, que pueden llegar a sustituir a las personas. Algunas personas ven esto como algo negativo, ya que se pueden automatizar procesos en el ámbito laboral, sin embargo, algunas de las cosas que se consiguen con la Inteligencia Artificial son positivas, como por ejemplo en trabajos en los que una persona o equipos de personas, tardarían años, en tan solo, segundos o minutos la Inteligencia Artificial logra terminarlos.

🎓Cursos gratis de Inteligencia Artificial: Entrar ahora en la página de formación.

Esto mejora la sociedad, ya que por ejemplo en la investigación de enfermedades, se ahorran años de investigación, al igual que en determinados lugares se mejora la seguridad de las personas, como por ejemplo mediante sistemas de Inteligencia Artificial que detectan si una persona está agrediendo a otra o cometiendo un robo. No existen personas en el mundo como para investigar delincuentes de forma individual, pero con la IA, eso es posible. Esto tan solo son dos ejemplos, de los miles de avances que aporta a la sociedad y las cosas que se verán en los próximos años.

La Inteligencia Artificial existe desde hace décadas, sin embargo, es ahora cuando los medios de comunicación, empresas y la sociedad en general, están hablando más sobre ella. Además de que ahora, ya tenemos más recursos para almacenar datos a gran escala y disponemos de mayor potencia a nivel de componentes informáticos(Hardware) para convertirla en una realidad.

¿Qué ramas tiene la Inteligencia Artificial?

Las principales ramas de la Inteligencia Artificial son: Procesamiento del lenguaje natural, Machine Learning, Redes Neuronales/Deep Learning, Computer Vision y robótica. Así se suelen clasificar en las principales webs que hay en Google. A continuación hablaré sobre estas ramas, de forma detallada.

Ramas de la Inteligencia Artificial
Infografía de las ramas de la Inteligencia Artificial

Procesamiento del Lenguaje Natural (PLN)

Con el procesamiento del lenguaje natural se pueden hacer multitud de soluciones para empresas y particulares. Como por ejemplo: ChatBots, traducciones de contenidos de forma avanzada y automatizada, Asistentes Virtuales, recuperar información perdida, crear nuevos lenguajes, responder a determinadas preguntas, pasar de lenguaje natural a lenguaje de máquina, extraer información, generar contenidos automatizados, crear fake news, crear historias y cuentos automáticamente… Todos algunas veces nos hemos preguntado a nosotros mismos ¿Para qué sirve estudiar el análisis sintáctico y morfológico? Pues en Inteligencia Artificial se utiliza para el Procesamiento del Lenguaje Natural, como por ejemplo a la hora de hacer traducciones complejas. Esta rama de la Inteligencia Artificial, va a quitar trabajo a los traductores de textos, sobre todo a los de textos de sitios web y software, ya que es capaz de crear traducciones realmente buenas.

💻Ejemplo: Reconocer sentimientos de Texto con Python.

Machine Learning o Aprendizaje Automático.

Esta rama de la Inteligencia Artificial trata sobre enseñar a los ordenadores a que aprendan de forma automática, mediante la identificación de patrones, que se determinan gracias a datos introducidos de forma anterior. Por ejemplo, con una base de datos de análisis de sangre de miles de antiguos pacientes y sus respectivas enfermedades, determinar futuras enfermedades en nuevos pacientes o detectarlas de inmediato. Las técnicas de Machine Learning se utilizan mucho en el ámbito financiero para realizar sistemas de puntuación de clientes o realizar inversiones basándose en datos del pasado.

👁Saber más: Los mejores algoritmos de Aprendizaje Automático.

Mediante Machine Learning también se pueden hacer reconocimiento de imágenes o de objetos, sin embargo en este caso, suelen ser más efectivas las técnicas de Deep Learning (Redes neuronales).
Más ejemplos de Machine Learning: identificación facial con fotos anteriores, detectar software malicioso, detectar mensajes de spam con algoritmos de clasificación, identificación de emociones etc.
Algoritmos más utilizados en Machine Learning: regresión lineal, regresión logística, árbol de decisión, K-Means, SVM y Bosques Aleatorios.

Deep Learning o Redes Neuronales.

Se utilizan algoritmos matemáticos para hacer redes neuronales artificiales, que realizan diversas tareas de Inteligencia Artificial, intentando simular el comportamiento de un cerebro biológico. El software que utiliza el Deep Learning suele gastar más recursos que el Machine Learning, sobre todo en procesador gráfico y además en la mayoría de ocasiones requiere de mayor información para su entrenamiento. Los sistemas de Deep Learning suelen ser más precisos que los de Machine Learning, si estos están bien configurados. Conseguir la precisión con algoritmos de Deep Learning en algunas ocasiones suele ser más complejo.

⭐Contenido especial: Tipos de Redes Neuronales para Deep Learning.

Dato curioso: El Deep Learning es criticado por algunos ecologistas, debido a que entrenar un sistema de Deep Learning puede llegar a ser muy contaminante por el gasto de energía.

Computer Vision o Visión Artificial.

Gracias a la disciplina de la visión artificial, se pueden procesar imágenes y vídeos, de forma en la que una máquina pueda interpretar esa información. Esta rama de la IA se aplica mucho en procesos industriales, vehículos autónomos, seguridad informática, vigilancia, clasificación de imágenes a gran escala etc. Una de las librerías más utilizadas para Computer Vision es OpenCV con Python, sin embargo, también hay otras librerías muy populares y aplicadas en otros lenguajes de programación como C++.

👵Interesante: Generadores de cara humanas con IA.

Las redes neuronales y librerías como TensorFlow y YOLO, también han hecho evolucionar esta disciplina. Esta rama de la Inteligencia Artificial es una de las ramas que más sorpresas e innovaciones, va a traer a nuestra vida diaria, ya que también depende mucho de la creatividad de las personas y eso hace que se generen ideas muy sorprendentes.

Ejemplos de casos de uso: que un coche interprete las señales de su alrededor, detectar en un proceso industrial que se ha fabricado mal una pieza, detectar situaciones de violencia entre personas grabadas en una cámara, reconocimiento facial de delincuentes, mejorar la seguridad de una obra comprobando en tiempo real que todos llevan casco, que un dron militar identifique a un enemigo etc.

Robótica en la Inteligencia Artificial.

La robótica combinada con las últimas técnicas de Inteligencia Artificial, puede llegar a ser más potente de lo que muchos se imaginan, algunos ejemplos pueden ser los siguientes.

  • Sensores con Computer Vision para robots: el hecho de detectar objetos, procesar imágenes y demás, hace que por ejemplo los robots puedan realizar tareas de forma más automatizada en procesos de embalaje, de transporte de mercancías, control de calidad etc. Por lo que en las cadenas de montaje se consigue una mayor productividad y también sustituir a personal, donde antes no era posible, como por ejemplo en el departamento de seguridad, un robot puede estar vigilando el comportamiento de los trabajadores, si llevan casco, si se han puesto los guantes, si las instalaciones son seguras etc.
  • Procesamiento del lenguaje natural: tenemos el caso popular del robot de “Sophia”, que habla como una persona y se adapta a las conversaciones de una forma muy exacta, sabiendo interpretar sacarmos, sentimientos o incluso aprender de la otra persona que le está hablando, mejorándose a si mismo. Los robots con procesamiento del lenguaje natural, también pueden hablar en diferentes idiomas, por lo que podrán realizar labores de atención al cliente en aeropuertos, hoteles, gobierno y labores de traducción. Incluso el el procesamiento del lenguaje natural en robots, puede ayudar a crear robots solamente para el entretenimiento de personas que se sienten solas o con falta de atención.
  • Optimización automática del funcionamiento: la memoria artificial aplicada a determinadas máquinas, puede hacer que se mejoren a si mismas y consigan optimizarse sin la ayuda de nadie. Por ejemplo, existen proyectos en los que máquinas aprenden a jugar al ajedrez, jugando contra ellas mismas, gracias al diagnóstico y predicción de errores. Esto aplicado a cadenas de montaje y otras labores industriales, hace que las máquinas aprendan a ser más productivas y eficientes, con menor supervisión de personas reales.

boton entrar