En general, hay dos tipos de aprendizaje en los modelos de IA.
- Sin supervisión: donde los programas usan algún algoritmo lógico para abordar el conjunto de problemas sin el conocimiento previo de los datos.
- Supervisado: donde los programas están capacitados para resolver un tipo particular de problema mediante la construcción de un modelo basado en un conjunto de datos de capacitación
Ambos pueden resolver eficazmente problemas de clasificación y regresión. Para eso son buenos y la mayoría de los problemas pueden reducirse a eso. Lo más difícil es crear características o ahora lo llaman ingeniería de características.
Tomemos un ejemplo:
- ¿Cuáles son los principales avances tecnológicos en 2017 en el campo de la inteligencia artificial?
- ¿La inteligencia artificial hará que los creadores de música humana sean inútiles?
- ¿Por qué una futura súper inteligencia artificial asimilaría o derrotaría a otros contendientes?
- ¿Cuál es la diferencia entre un robot y la inteligencia artificial?
- ¿Puede haber robots como Ava en Ex Machina?
Google News: agrega noticias y las agrupa en un grupo lógico, este es un ejemplo clásico de clasificación y muy fácil de construir con aprendizaje no supervisado.
Autos sin conductor: tanto Google como Tesla han construido sus modelos de antemano al conducir sus autos en varios escenarios. Por lo tanto, toman varias características de los sensores y / o la cámara a bordo y clasifican que el automóvil debe moverse hacia adelante, izquierda, derecha, hacia atrás, etc.
Aplicaciones de la inteligencia artificial – Wikipedia
