Aquesta Cheetsheet és fruit del curs d'Indústria 4.0, Bloc 3, Intel·ligència Artificial del Departament d'Educació.
|
Branca de la informàtica que porta dècades sent desenvolupada.
|
Actualment, ha experimentat un gran creixement i perfeccionament.
|
|
Conjunt d'habilitats d'ordinadors, robots, o qualsevol altra màquina per simular la intel·ligència dels humans.
|
Objectiu: resoldre problemes comuns dels humans a través de l'enraonament propi de la màquina.
|
|
Avenç: gran quantiat de dades disponibles + capacitat de processament i càlcul per part de les computadores.
|
|
|
Freqüentment es confonen o s'utilitzen indistintament, de manera que no es consideren diferències entre ells.
|
|
|
IA (AI): Disciplina que tracta de crear màquines intel·ligents, de manera que siguin capaces d'enraonar, comprendre i produir els mateixos resultats que els humans. Es desenvolupa des de mitjans del segle XX.
|
|
|
Machine Learning o Aprenentatge Automàtic: És la capacitat que tenen certes màquines per adaptar-se a noves circumstàncies a través del flux de dades que els arriba. Aquest procés s'ha fet molt més important amb l'arribada del big data, en què les dades són variades i extenses. El Machine Learning comprén tota una sèrie d'algoritmes capaços d'adaptar la seva resposta. És un subcamp de la IA que s'especialitza en l'aprenentatge automàtic de les màquines.
|
|
|
Deep Learning: És un conjunt d'algoritmes utilitzats en el Machine Learning. La diferència entre aquests algoritmes i d'altres utilitzats és que es basen en xarxes neuronals artificials. Aquestes xarxes tracten d'emular el cervell humà amb la construcció de xarxes de connexió entre perceptrons, que serien els equivalents a les neurones al cervell humà. Aquestes xarxes s'organitzen en capes, com més capes tingui, més complex pot arribar a ser el sistema. Quan el sistema té moltes capes se'n diu Deep Learning o Deep Neural Networks.
|
|
1950: Alan Turing, desxifra el codi de la màquina Enigma dels alemanys (2GM).
|
Publica Computing Machinery and Intelligence. Introdueix el Test de Turing per determinar si una màquina pot demostrar la mateixa intel·ligència que un humà.
|
|
1956: John McCarthy crea el terme intel·ligència articial a la 1ª conferència d'IA a Dartmouth. Newell, Shaw i Simon creaven la Logic Theorist (1ª màquina d'IA).
|
|
|
1967: Rosenblatt crea la Mark 1 Perceptron, basada en xarxes neuronals, que aprenia a través de prova i error.
|
|
|
1997: la màquina Deep Blue, desenvolupada per IBM, guanyà al campió el món d'escacs Garry Kasparov.
|
|
|
2011: IBM desenvolupa Watson, guanyant als campions Jennings i Rutter al Jeopardy!.
|
|
|
2015: Baidu desenvolupa Minwa, que utilitzava xarxes neuronals profundes anomenades xarxes neuronals convolucionals, per identifcar i categoritzar imatges amb una precisió superior a la dels humans.
|
|
|
2016: Deep Mind desenvolupà Alpha Go, que utilitzant xarxes neuronals profundes va ser capaç de guanyar al campió mundial de Go. Google es feia amb DeepMind per 400 milions de dolars.
|
|
|
Camps on el seu ús és més extens
|
|
|
Reconeixement per veu: és la tecnologia que permet captar la veu i digitalitzar-la, de manera que el sistema és capaç de respondre d'acord amb les ordres rebudes.
|
Companyies tecnològiques que ofereixen aquestes aplicacions: Amazon, Google, Apple o Microsoft.
|
|
Processament de Llenguatges Naturals: permet a una aplicació reconèixer, comprendre, interpretar i generar text. Fa ús de la computació i de la lingüística. NLP està darrera dels assistens digitals de les grans companyies.
|
Anàlisi de sentiment per detectar l'estat de la persona que parla, com pot ser enfadat, content, trist, etc.
|
|
Reconeixement d'imatges: aquesta aplicació de l'IA es focalitza en el reconeixement i classificació d'objectes, persones, textos escrits, etc.
|
Reconeixement de l'empremta dactilar a la conducció d'automòbils sense conductor.
|
|
Recomanacions real-time: llocs web de venda utilitzen aquest tipus de tecnologia per oferir als clients noves compres al moment, partint de les seves dades de navegació, ja sigui a la pròpia botiga o a d'altres webs.
|
|
|
Prevenció de virus i spam: alguns dels programes que detecten la presència de virus en fitxers o spam en correus.
|
Utiltizant l'IA i tècniques com el deep learning, la detecció és més precisa i ràpida.
|
|
Comerç automàtic d'actius bancaris: gran quantitat dels moviments financers que es fan actualment es realitzen mitjançant aplicacions IA sense intervenció humana.
|
|
|
Serveis de compartició de cotxe: plataformes que posen en contacte conductors i passatgers per compartir un trajecte en cotxe, com Uber, Cabify, etc.
|
Aquestes plataformes utilitzen la IA per minimitzar temps d'espera i calcular el preu del passatge, per exemple.
|
|
Robots domèstics: ajuden en les tasques domèstiques, com ara aquells que ens ajuden a escombrar i netejar el terra.
|
Són capaços de determinar la grandària d'una habitació, evitar obstacles i aprendre la ruta més eficient.
|
|
Tecnologies d'autoconducció: cotxes sense conductors i el camp del'aviació que fa servir l'IA per combinar dades de diferents sensors, GPS, reconeixement d'imatges, robòtica i NLP per pilotar avions sense intervenció humana.
|
|
|
En funció de la seva habilitat en assemblar-se a un humà, de pensar com ell i fins i tot de sentir com ell.
|
|
|
Reactives: sense memòria, només responen a determinats estímuls.
|
Aquestes màquines només poden ser entrenades per respondre a uns inputs limitats. Un exemple seria el Deep Blue d'IBM.
|
|
Memòria limitada: utilitzen la memòria per aprendre i millorar les seves respostes.
|
Per exemple, una màquina capaç de classificar imatges.
|
|
Teoria de la ment: entenen les necessitats d'altres entitats interl·ligents.
|
Està en procés. Màquines que tindrien les capacitats de les dues categories anteriors, però també serien capaces de respondre tenint en compte l'interlocutor, les seves creences i habilitats.
|
|
Autoconscients: posseeixen intel·ligència similar als humans i autoconsciència.
|
Aquest tipus només està plantejat de manera teòrica; no només serien capaces de respondre en funció de l'interlocutor, sinó que la pròpia màquina seria capaç de sentir emocions, necessitats i creences. Seria l'objectiu últim de l'IA.
|
|
L'utilització de l'un o l'altre vindrà donada pel problema que volem resoldre, i normalment condicionarà l'algoritme que utilitzarem i la sortida que n'obtindrem.
|
|||
|
Supervisat
|
Hem fixat previament què és el que volem trobar (valor de borsa, el reconeixement d'imatges o la classificació d'un subjecte).
|
Continu: qualsevol valor
|
Categòric: observacions
|
|
No-supervisat
|
Recerca de patrons o estructures internes de les dades
|
Clusterització: K-means
|
|
|
Intel·ligència Artificial Estreta (ANI): tota la IA desenvolupada fins aquest moment estaria dins d'aquest grup.
|
Es correspon amb sistemes que poden realitzar una o unes poques tasques autònomament utilitzant habilitats similars als humans.
|
|
Intel·ligència Artificial General (AGI): serien aquells sistemes capaços d'aprendre, percebre, comprendre i funcionar completament com a èssers humans.
|
Serien capaços de generar competències independentment a través de la formació de connexions i generalitzacions, encara que operessin en diferents dominis de coneixement.
|
|
Superintel·ligència Artifical (ASI): seria el punt final de la IA, en el qual, a més de les característiques pròpies dels sistemes AGI, serien molt millors que els humans en qualsevol tasca degut a l'abrumadora capacitat de memòria, velocitat de processament de dades i capacitat de prendre decisions.
|
|
|
Regressions
|
S'utilitza per trobar la dependència entre una variable dependent contínua i una o vàries variables independents.
|
|
Regressió Logística
|
Algoritme per realitzar classificacions segons un dataset amb diferents atributs .
|
|
K-Nearest Neighbours
|
Algoritme que permet classificar una observació en una categoria en funció de la categoria a la que pertanyen els veins més propers.
|
|
Decission Trees
|
Configuren un mètode que pot ser aplicat tant a problemes de regressió com de classificació.
|
|
Support Vector Machines
|
Algoritmes de classificació que generen un hiperplà que separa el màxim possible les observacions pertanyents a diferents classes.
|
|
Xarxes Neuronals
|
Es basen en l'estructura de les xarxes neuronals humanes, composades per múltiples connexions entre neurone
|
|
K-Means
|
Slgoritme per realitzar aprenentatge no-supervisat
|
No comments yet.
Cheatography n. The art of mapping complex subjects into clear, instantly navigable reference guides.
