|
Tabla 1: Conceptos básicos utilizados en inteligencia artificial. |
|
|
Concepto |
Descripción |
|
Inteligencia artificial (IA) |
Mecanismo por el cual las máquinas pueden ser entrenadas para imitar un cerebro humano y sus capacidades a través de conjuntos de reglas dictadas por un algoritmo |
|
Aprendizaje automático (AA) |
Aplicación de la IA para el desarrollo de programas en el que el sistema aprende y mejora automáticamente. Utiliza observación de datos para identificar patrones potenciales y mejorar la toma de decisiones, lo que permite que el sistema aprenda de forma experimental y se mejore a sí mismo sin programación explícita u otra intervención humana |
|
Aprendizaje profundo (AP) |
Subconjunto de AA que utiliza unidades interrelacionadas llamadas redes neuronales artificiales con múltiples capas para imitar el cerebro humano y mejorar la toma de decisiones mediante el autoaprendizaje y la filtración de información |
|
Redes neuronales |
Organización de unidades computacionales simples llamadas neuronas que aplican pesos a diferentes entradas y luego pasan a través de una función de activación para generar valores de salida |
|
Función de activación |
Algoritmo matemático simple que se aplica a las neuronas después de aplicar los pesos y que depende del problema que se está modelando |
|
Redes neuronales profundas |
Clase de redes neuronales artificiales que se vuelven «profundas» cuando se componen de múltiples capas ocultas que van desde aproximadamente 10 capas hasta miles |
|
Redes neuronales convolucionales (RNC) |
Tipo de red neuronal profunda ampliamente implementada en el rendimiento del reconocimiento de imágenes, con un aumento de los casos de uso para el diagnóstico |