.
.
.
La inteligencia artificial (IA) es el campo de la ciencia informática dedicado a la resolución de problemas cognitivos asociados comúnmente con la inteligencia humana, como el aprendizaje, la resolución de problemas y el reconocimiento de patrones. La inteligencia artificial, que normalmente se abrevia IA, puede evocar escenas futuristas o robóticas, pero va mucho más allá de los automatones de la ciencia ficción, llegando a la ciencia informática avanzada de hoy en día.
Recientemente, los avances en la eficacia de la computación estadística han permitido a los bayesianos ampliar en campo en varias áreas, englobadas bajo el nombre "aprendizaje automático". Del mismo modo, los avances en la computación de red han llevado a los conexionistas a crear un subcampo denominado "aprendizaje profundo". El aprendizaje automático (ML) y el aprendizaje profundo (DL) son ambos campos de la ciencia informática derivados de la disciplina de la inteligencia artificial.
Aprendizaje automático es el nombre que se aplica comúnmente a varias técnicas bayesianas de reconocimiento y aprendizaje de patrones. En esencia, el aprendizaje automático es un conjunto de algoritmos que pueden aprender de datos registrados y realizar predicciones a partir de ellos, optimizar una función de utilidad determinada bajo certeza, extraer estructuras ocultas de datos y clasificar los datos en descripciones concisas. El aprendizaje automático se suele utilizar cuando la programación explícita resulta demasiado rígida o poco práctica.
Amazon.com está basando gran parte de su negocio en sistemas de aprendizaje automático. Sin el aprendizaje automático, Amazon.com no podría ampliar su negocio, mejorar la experiencia y selección de los clientes, y optimizar su velocidad y calidad logística. Amazon.com creó AWS para permitir a otras empresas disfrutar de la misma infraestructura de TI, con agilidad y beneficios de costos, y ahora sigue democratizando las tecnologías ML poniéndolas al alcance de todas las empresas.
Identifica elementos, eventos que no correspondan con un patrón esperado de un conjunto de datos.
Se puede crear modelos predictivos que ayudan a la identificación de transacciones de ventas potencialmente fraudulentas.
Identifique los clientes con alta probabilidad de abandono, lo que le permitirá interactuar con ellos a través de promociones.
Cree una experiencia al cliente personalizada mediante el análisis predictivo para recomendar artículos.
El aprendizaje profundo es una rama del aprendizaje automático que conlleva la colocación por capas de algoritmos con el fin de comprender mejor los datos. Los algoritmos ya no están limitados a crear un conjunto de relaciones explicables como lo estaría una regresión más básica. En vez, el aprendizaje profundo confía en estas capas de algoritmos no lineales para crear representaciones distribuidas que interactúan a partir de una serie de factores. Con conjuntos de gran tamaño de datos de entrenamiento, los algoritmos de aprendizaje profundo comienzan a poder identificar las relaciones entre elementos. Estas relaciones pueden tener lugar entre figuras, colores, palabras y más.
Amazon.com está basando gran parte de su negocio en sistemas de aprendizaje automático. Sin el aprendizaje automático, Amazon.com no podría ampliar su negocio, mejorar la experiencia y selección de los clientes, y optimizar su velocidad y calidad logística. Amazon.com creó AWS para permitir a otras empresas disfrutar de la misma infraestructura de TI, con agilidad y beneficios de costos, y ahora sigue democratizando las tecnologías ML poniéndolas al alcance de todas las empresas.
Las redes neurales convolucionales superan a los humanos en numerosas tareas de visión, incluida la clasificación de objetos, el sistema de algoritmos es capaz de comenzar a identificar al sujeto de la imagen.
Amazon Alexa y otros asistentes virtuales están diseñados para reconocer una solicitud y devolver una respuesta. Con el aprendizaje profundo, el sistema de algoritmos puede determinar con mayor facilidad lo que se ha dicho y con qué intención.
El procesamiento del lenguaje natural intenta enseñar al sistema a comprender el lenguaje humano, el tono y el contexto. De este modo, el algoritmo puede comenzar a comprender conceptos más difíciles, como la emoción o el sarcasmo.
Con el auge de los big data y el aprendizaje profundo, los humanos ya no son necesarios, ya que ahora los algoritmos identifican los artículos que le pueden interesar a partir de sus compras o visitas a productos anteriores y comparando esa información con la de los demás.