Ramas, Técnicas y Aplicaciones De La Inteligencia Artificial

Esta rama de la inteligencia artificial, busca analizar millones de posibles soluciones en sencillos pasos o estados, a través de algoritmos discriminatorios que reducen el número de posibles soluciones, en pro de agilizar las búsquedas, hasta encontrar un mínimo aceptable de posibles soluciones que pueden ser analizadas, estas se van filtrando de manera cíclica hasta que se logra identificar la mas aceptable..

Ejemplo: Los sistemas como Google Maps o Waze, son dos perfectos ejemplos de este tipo de inteligencia artificial, donde para llegar de un punto a otro utilizan técnicas de estados que permiten resolver el problema con la menor cantidad de esfuerzo posible y sumado a factores como la distancia y el tiempo, logran seleccionar las mejores opciones para llegar de un punto inicial a un punto final en el mejor tiempo y con el menor esfuerzo, solucionando el problema del traslado.

• Google Maps
• Waze

Para esta rama el almacenamiento de grandes volúmenes de información es importante ya que serán las bases de datos las que permitan asimilar la información que exista para convertirla en conocimiento, pero lo realmente importante aquí, es que ese conocimiento tiene que tener una forma lógica al momento de ser estructurado o descifrado:

Ejemplo: Imaginemos que tenemos una base de datos donde existe información sobre la patria, también hay información sobre padres y/o sacerdotes y tenemos nombres como el de Miguel Hidalgo, por si mismos quizás no nos dicen mucho verdad, pero que pasa cuando unimos la información para generar un conocimiento como “Miguel Hidalgo es el padre de la patria“, es justo aquí cuando hay una representación de ese conocimiento, ya tiene un sentido cuando lo unimos para expresar algo en concreto y es ahí cuando esta rama interactúa.

Esta rama también requiere de bases de conocimiento aunque dependerá de las acciones a realizar o de los dispositivos y sus capacidades que vayan a ser empleados los que determinen el tamaño real del almacenamiento, lo que si es importante es que con ese conocimiento y la definición de algunas reglas IF-THEN (SI-ENTONCES), que pueda imitar el razonamiento es posible automatizar algunas respuestas en función de los estímulos que se están recibiendo, por tanto en la mayoría de los casos será necesario contar con sensores que permitan dicha percepción del entorno.

Ejemplo: Imaginemos que tenemos un vehículo provisto de varios sensores entre los cuales se encuentran aquellos que son capaces de identificar si otro carro esta demasiado cerca o lejos para con ello poder indicar al vehículo que disminuya sensiblemente la velocidad o incluso que se detenga, este tipo de análisis le permiten a estos dispositivos tomar decisiones de manera automática una vez que la condición se cumple.

NOTA: Para los últimos dos tipos de ramas, se puede emplear la Lógica Difusa (Fuzzy Logic), y para ello se pueden emplear Python y Prolog como lenguajes con capacidades sobresalientes para su programación.

Esta rama de la inteligencia artificial basa su potencial en el entrenamiento constante de una maquina, este entrenamiento se puede dar de forma supervisada, que es cuando se controla la ingesta de información para mostrarle las posibilidades a una maquina en palabras mas simples se le enseña cual es la entrada o entradas y que tipo de salida se espera y por supuesto esta la no supervisada, que es cuando el dispositivo es capas de continuar aprendiendo aún cuando no se le este guiando en el proceso, en otro contexto mas simple es el aprendizaje basado en recompensa y castigo, si lo hace bien se le premia y si lo hace mal se le castiga, pero lo hace por si mismo.

Como una sub rama del Machine Learning esta el Deep Learning o Entrenamiento Profundo, esta subrama comparte características del entrenamiento supervisado y no supervisado, sin embargo tiene muchas mas capas por lo que son denominadas como redes neuronales profundas, tema en el cual estaré profundizando mas adelante.

Es una rama de la inteligencia artificial enfocada en la interacción con los dispositivos inteligentes, a estos se les dota de una mayor cantidad de dispositivos como bocinas, micrófonos, videocámaras e incluso motores todo con el objetivo de lograr esa interacción incluyendo el lenguaje natural o el movimiento físico.

Ejemplo: Dentro de los ejemplos que podemos mencionar de la percepción y actuación se puede encontrar dispositivos inteligentes como Google Home, Google Nest o Alexa, también es posible encontrar robots dotados con sensores de voz o visión, y motores que podrían ser llantas o extremidades.

Ahora ya tenemos nociones generales, eventualmente abra que elegir una especialidad de entre todas las ramas existentes o que estén por aparecer, pero recordemos que independientemente de cual elijamos, las bases que fundamentan los conceptos son los mismos, y en algunos casos una rama apoyara al éxito de la otra por lo que eventualmente se podrá conocer un poco de todo y ese es el objetivo de esta pequeña introducción.