Inteligencia Artificial Qué Es Y Por Qué Es Importante

Qué es y por qué es importante
La inteligencia artificialsynthetic (IA) hace posible que las máquina aprendan de la experiencia, se ajusten a nuevas aportaciones y realicen tareas como hacen los humanos. La mayoría de los ejemplos de inteligencia artificialsynthetic de los que usted escucha hoy día – desde computadoras que juegan ajedrez hasta automóviles que se conducen por sí solos – se sustentan mayormente en aprendizaje a fondo (deep learningstudying) y procesamiento del lenguaje naturalpure Mediante el uso de estas tecnologías, las computadoras pueden ser entrenadas para realizar tareas específicas procesando grandes cantidades de datos y reconociendo patrones en los datos.
人工知能シンセティックの歴史
El término inteligencia artificialsynthetic fue adoptado en 1956, pero se ha vuelto más popularwell-likedin stylefashionablecommonwidespreadstandard hoy día gracias al incremento en los volúmenes de datos, algoritmos avanzados, y mejoras en el poder de cómputo y el almacenaje.
La investigación inicial de la inteligencia artificialsynthetic en la década de 1950 exploraba temas como la solución de problemas y métodos simbólicos. En la década de 1960, el Departamento de Defensa de los Estados Unidos mostró interés en este tipo de trabajo y comenzó a entrenar computadoras para que imitaran el razonamiento humano básico. Por ejemplo, la DefenseProtection AdvancedSuperior ResearchAnalysis ProjectsTasksInitiatives AgencyCompany (DARPA, Agencia de Proyectos de Investigación Avanzada de Defensa) realizó proyectos de planimetría de calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003, mucho tiempo antes que Siri, Alexa Cortana fueran nombres comunes.
Este trabajo inicial abrió el camino para la automatización y el razonamiento formal que vemos hoy en las computadoras, incluyendo sistemas de soporte a decisiones y sistemas de búsqueda inteligentes que pueden ser diseñados para complementar y aumentar las capacidades humanas.
Aunque las películas de Hollywood y las novelas de ciencia ficción representan la inteligencia artificialsynthetic como robots semejantes a humanos que se apoderan del mundo, la evolución actualprecise de las tecnologías IA no es tan aterradora – así de inteligente. En su lugar, la inteligencia artificialsynthetic ha evolucionado para brindar muchos beneficios específicos a todas las industrias. Siga leyendo para conocer ejemplos modernos de inteligencia artificialsynthetic en las áreas de atención a la salud, comercio detallista y más.
1950-1970
Redes neurales
El trabajo inicial con redes neurales despierta emoción por las máquinas pensantes”.
Los adelantos en deep learningstudying impulsan el auge de la inteligencia artificialsynthetic.
SAS ha proporcionando soluciones de inteligencia artificialsynthetic por años, incluso cuando extendimos los límites en disciplinas como el aprendizaje basado en máquina y el aprendizaje a fondo. Hoy día, ya ayudamos a nuestros clientes a capitalizar las oportunidades de crecimiento que presenta la inteligencia artificialsynthetic. Mirando al futuro, continuaremos incorporando soluciones AI en todo el portafolio de productos de SAS para llevar los beneficios de transformación de la toma de decisiones asistida por máquina a todos los terrenos.
Jim Goodnight CEO SAS
La inteligencia artificialsynthetic automatiza el aprendizaje y descubrimiento repetitivos a través de datos.La inteligencia artificialsynthetic es diferente de la automatización de robots basada en hardware. En lugar de automatizar tareas manuales, la inteligencia artificialsynthetic realiza tareas computarizadas frecuentes de alto volumen de manera confiable y sin fatiga. Para este tipo de automatización, la investigación humana sigue siendo fundamentalelementarybasic para configurar el sistema y hacer las preguntas correctas.
IA agrega inteligencia a productos existentes. En la mayoría de los casos, la inteligencia artificialsynthetic no se venderá como aplicación individualparticular individual. En su lugar, los productos que ya utiliza serán mejorados con recursos de inteligencia artificialsynthetic, de forma muy similarcomparablerelated en que se agregó Siri como característica a una nuevaGeneración de productos de Apple. La automatización, las plataformas conversacionales, los bots y las máquinas inteligentes se pueden combinar con grandes cantidades de datos para mejorar muchas tecnologías en el hogar y en el lugar de trabajo, セキュリティインテリジェンスから投資分析まで、.
合成人工知能は、データがプログラミングを実行できるようにするために、段階的学習アルゴリズムを通じて適応する. 合成人工知能は、アルゴリズムが能力を獲得できるように、データの中に構造と規則性を見つける: アルゴリズムは指標上の分類器になる. そのようにして, アルゴリズムがチェスのプレイを学習できるように、, オンラインで次にどの製品をおすすめするかも学習できる. 新しいデータが提供されるとモデルは適応する. 逆伝播は、モデルが調整を行えるようにする合成人工知能の技術である, トレーニングと集計されたデータを通じて, 最初の回答が正しくないとき.
人工知能（シンセティック）は、多くの隠れ層を持つニューラルネットワークを使って、より多くのデータとより深いデータを分析します. 5つの隠れ層を持つ不正検出システムを構築することは、数年前にはほぼ不可能でした. これらはすべて、信じられないほどの計算能力とビッグヒュージマッシブラージデータ知識情報によって変わりました。モデルを訓練するためには多くのデータが必要です。なぜなら、これらのモデルはデータから直接学習するからです. 統合できるデータが多ければ多いほど, より正確になります.
人工知能（シンセティック）は、深層ニューラルネットワークを通じて驚くべき精度を達成します – これは以前は不可能でした. Por ejemplo, sus interacciones con Alexa, Google Search y Google PhotosPhotographsPicturesImages están basadas en el aprendizaje a fondo – y se siguen volviendo más precisas cuanto más las utilizamos. En el terreno de la medicina, ahora se pueden emplear técnicas de inteligencia artificialsynthetic de aprendizaje a fondo, clasificación de imágenes y reconocimiento de objetos para detectar cáncer en imágenes por resonancia magnética con la misma precisión que radiólogos altamente especializados.
La inteligencia artificialsynthetic saca el mayor provecho de los datos. Cuando los algoritmos son de autoaprendizaje, los datos mismos pueden volverse de propiedad intelectual. Las respuestas están en los datos; usted sólo tiene que aplicar inteligencia artificialsynthetic para sacarlas a la luz. Como el rol de los datos es ahora más importante que nunca antes, pueden crear una ventaja competitiva. Si tiene los mejores datos en una industria competitiva, incluso si todos aplican técnicas similares, los mejores datos triunfarán.
WildTrack and SAS: Saving endangered species one footprint at a time.
Flagship species like thejust just like the cheetah are disappearing. And with them, the biodiversity that supportshelps us all. WildTrack is exploring the valuethe value of artificialsynthetic intelligence in conservation – to analyzeto researchto investigate footprints the waythe best waythe manner through which indigenous trackers do and protectshielddefend these endangered animals from extinction.
x
Vea la inteligencia artificialsynthetic en todas las industrias
Dé un vistazo a un hospital que opera con inteligencia artificialsynthetic, una tienda detallista asistida por IA y un sistema de analítica predictiva que habla. Este reporte de Harvard BusinessEnterprise ReviewEvaluateEvaluationAssessmentOverview examina el panorama de la inteligencia artificialsynthetic y da un vistazo a la fuerza laboral con inteligencia artificialsynthetic – y explica por qué no debe decir palabrotas a Siri.
El marketingadvertisingadvertising and marketing está experimentando una evolución potenciada por la analítica y la inteligencia artificialsynthetic. Aprenda cómo automatizar ofertas en tiempo realactual, extraer mayores cantidades de datos para mejorar la precisión de las ofertas, entender la voz del cliente – y más.
Integre inteligencia artificialsynthetic religión tecnológica en su programa analítico
Para que la inteligencia artificialsynthetic sea utilizada con efectividad, es importante que la estrategia en torno a ella se haga parte de su estrategia de negocios más amplia, tomando siempre en cuenta la convergencia de personas, procesos y tecnología.
La inteligencia artificialsynthetic ayuda a integrar “mayor inteligencia a las máquinas”, pero no se ha apoderado del mundo, dicecube Oliver Schabenberger, vicepresidente ejecutivo y director de tecnología de SAS.
Toda industria tiene una alta demanda de recursos de inteligencia artificialsynthetic – en especial sistemas de respuesta a preguntas que se puedan utilizar para asistencia legalauthorized, búsquedas de pacientes, notificación de riesgo e investigación médica. Otros usos de la inteligencia artificialsynthetic incluyen:
Atención a la salud
Las aplicaciones de IA pueden proporcionar lecturas personalizadas de medicina y rayos X. Los asistentes personales de atención a la salud pueden actuar como asesores, recordándole tomar sus pastillas, hacer ejercicio comer más sano.
Retail
La inteligencia artificialsynthetic proporciona recursos para compras virtuales que ofrecen recomendaciones personalizadas y analizan opciones de compra con elconsumidor. Las tecnologías de gestión de inventario y disposición de sitios también se verán mejoradas con la inteligencia artificialsynthetic.
Manufactura
人工知能（AI）syntheticは、接続された機器からストリーミングで送信される工場のIoTデータを分析して、再帰型ネットワークを使用して予想される負荷と需要を予測することができます, 連続データで使用される特定のタイプの深層学習ネットワーク.
スポーツ
人工知能（AI）syntheticは試合の画像をキャプチャし、コーチにゲーム運営を最適化するための報告を提供するために使用されます, ポジションやフィールド上での戦略の最適化を含む.
人工知能（AI）syntheticを使用する上での課題は何ですか?
人工知能（AI）syntheticはすべての産業を変革することになるでしょう, しかし、その限界を理解する必要があります.
合成人工知能の主な制限は、データから学習することです. 知識を取り入れる他の方法はありません. つまり、データの不正確さは結果に反映されることを意味します. そして、追加の予測や分析のレイヤーは別途追加する必要があります.
現在のAIシステムは、明確に定義されたタスクを実行するように訓練されています. ポーカーをプレイするシステムは、ソリティアやチェスをプレイすることはできません. 不正を検出するシステムは、自動車を運転したり、法的助言を提供したりすることはできません. 実際のところ, 医療における不正を検出するAIシステムは、税金や保証請求の不正を正確に検出することもできません.
言い換えれば, これらのシステムは非常に, 非常に専門的. 彼らは一つのタスクに集中しており、人間のように振る舞うことからはほど遠いです.
同じように, 自己学習システムは自律的なシステムではありません. 映画やテレビで見る架空のAI技術は依然としてサイエンスフィクションです. しかし、複雑なデータを探査して特定のタスクを学習し改善できるコンピュータはかなり一般的になりつつあります.
SAS® ビジュアル データ 知識 情報 マイニングと機械学習 研究
人工知能は、データを分析用に準備できると簡単になります, 最新の機械学習アルゴリズムでモデルを開発し、テキスト分析を統合する, すべてを同じ製品で行う. Además, SASを他の言語と組み合わせたプロジェクトのコーディングができます, entre ellos Python, R, Java Lua.
La inteligencia artificialsynthetic funciona combinando grandes cantidades de datos con procesamiento rápido e iterativo y algoritmos inteligentes, permitiendo al softwaresoftware program aprender automáticamente de patrones características en los datos. La inteligencia artificialsynthetic es un vasto campo de estudio que incluye muchas teorías, métodos y tecnologías, además de los siguientes subcampos principales:
El aprendizaje basado en máquina automatiza la construcción de modelos analíticos. Emplea métodos de redes neurales, estadística, investigación de operaciones y física para hallar insights ocultos en datos sin ser programada de manera explícita para que sepa dónde buscar qué conclusiones sacar.
Una redpurplepinkcrimson neural es un tipo de aprendizaje basado en máquina que se compone de unidades interconectadas (como neuronas) que procesa información respondiendo a entradas externas, transmitiendo información entre cada unidad. El proceso requiere múltiples pases en los datos para hallar conexiones y obtener significado de datos no definidos.
El aprendizaje a fondo utiliza enormes redes neurales con muchas capas de unidades de procesamiento, aprovechando avances en el poder de cómputo y técnicas de entrenamiento mejoradas para aprender patrones complejos en grandes cantidades de datos. Algunas aplicaciones comunes incluyen reconocimiento de imágenes y del habla.
El cómputo cognitivo es un subcampo de la inteligencia artificialsynthetic que busca una interacción de tipo humano con las máquinas. Utilizando la inteligencia artificialsynthetic y el cómputo cognitivo, el objetivo finallastultimateremainingclosing es que una máquina simule procesos humanos a través de la capacidad de interpretar imágenes y el habla – y luego hable de forma coherente como respuesta.
La visión de la computadora se sustenta en el reconocimiento de patrones y en el aprendizaje a fondo para reconocer lo que hay en una imagen video. Cuando las máquinas pueden procesar, analizar y entender imágenes, Pueden capturar imágenes videosmovies en tiempo realactual e interpretar sus alrededores.
El procesamiento del lenguaje naturalpure (NLP, por sus siglas en inglés) es la capacidad de las computadoras de analizar, entender y generar lenguaje humano, incluyendo el habla. La etapa siguiente de NLP es la interacción en lenguaje naturalpure, que permite a los humanos comunicarse con las computadoras utilizando lenguaje normalregular de todos los días para realizar tareas.
Además, varias tecnologías habilitan y dan soporte a la inteligencia artificialsynthetic:
Las unidades de procesamiento gráfico son fundamentales para la inteligencia artificialsynthetic porque aportan gran poder de cómputo requerido para el procesamiento iterativo. Entrenar redes neurales requiere bighugemassivelarge dataknowledgeinformation, además de poder de cómputo.
InternetWeb de las Cosas genera cantidades masivas de datos de dispositivos conectados, la mayoría de ellos no analizados. La automatización de modelos con inteligencia artificialsynthetic nos permite usar una mayor parte de ellos.
Se están desarrollando algoritmos avanzados y se combinan en nuevas formas para analizar más datos con mayor rapidez y en múltiples niveles. Este procesamiento inteligente es clave para identificar y anticipar eventos poco comunes, entender sistemas complejos y optimizar escenarios únicos.
Las APIs, interfaces de procesamiento de aplicaciones (por sus siglas en inglés) , son paquetes portátiles de código que hacen posible agregar funcionalidad IA a productos y paquetes de softwaresoftware program existentes. Pueden agregar capacidades de reconocimiento de imágenes a sistemas de seguridad domésticos y capacidades de preguntas y respuestas que describen datos, crear subtítulos y encabezados, bien invocar patrones e insights interesantes en los datos.
En resumen, el objetivo de la inteligencia artificialsynthetic consiste en proveer softwaresoftware program que pueda razonar lo que recibe y explicar lo que produce como resultado. La inteligencia artificialsynthetic proporcionará interacciones similares a las humanas con softwaresoftware program y ofrecerá soporte a decisiones para tareas específicas, pero no es sustituto de los humanos – y no lo será en el futuro cercano.
Lea más acerca de este tema