¿Cuáles son los principales enfoques de la inteligencia artificial?

  • Crear sistemas y máquinas que entiendan, piensen, aprendan y se comporten como humanos con el propósito de aprender, comportarse, etc.
  • Ejecución inteligente de solicitudes de usuarios en el sistema operativo.
  • Brindar confiabilidad y un mejor soporte a los clientes.

IA fuerte

La IA fuerte apunta a construir máquinas que piensen. (El término ” IA fuerte” fue introducido para esta categoría de investigación en 1980 por el filósofo John Searle de la Universidad de California en Berkeley). La ambición final de la IA fuerte es producir una máquina cuya capacidad intelectual general sea indistinguible de la de un humano siendo.

Simulación cognitiva

En la simulación cognitiva, las computadoras se utilizan para evaluar teorías sobre cómo funciona la mente humana, por ejemplo, teorías sobre cómo las personas reconocen caras o recuerdan recuerdos. La simulación cognitiva ya es una herramienta poderosa tanto en neurociencia como en psicología cognitiva.

IA aplicada

La IA aplicada, también conocida como procesamiento avanzado de información, tiene como objetivo producir sistemas “inteligentes” comercialmente viables, por ejemplo, sistemas de diagnóstico médico “experto” y sistemas de negociación de acciones.

AI ayudará a resolver el cambio climático

Resolver el cambio climático puede parecer una tarea difícil de un robot, pero como explica Stuart Russell, las máquinas tienen más acceso a los datos de lo que una persona podría tener, almacenando una cantidad alucinante de estadísticas. Usando big data, AI podría algún día identificar tendencias y usar esa información para encontrar soluciones a los mayores problemas del mundo.

Exploración Difícil

La inteligencia artificial y la ciencia de la robótica se pueden utilizar en minería y otros procesos de exploración de combustible. No solo eso, estas máquinas complejas se pueden utilizar para explorar el fondo del océano y, por lo tanto, superar las limitaciones humanas. Debido a la programación de los robots, pueden realizar un trabajo más laborioso y duro con mayor responsabilidad. No se desgastan fácilmente.

Para fabricar máquinas de matar

La IA es más controvertida cuando se trata de sus aplicaciones militares. Los robots y drones Battlefield son prioridades clave con otra tecnología de ciencia ficción como HAL, un traje que le da al usuario el poder de 10 hombres, y Petman de Boston Dynamics, un robot antropomórfico utilizado para probar ropa de protección química. Algunos creen que desarrollos como estos significan una carrera armamentista no reconocida entre las naciones que invierten fuertemente en IA.

Para crear un futuro aterrador

Si bien la inteligencia artificial está alcanzando rápidamente velocidades de computación formidables, uno de sus mayores desafíos es desarrollar el tipo de procesamiento complejo que parece tan fácil cuando los humanos lo hacen.

Para una computadora, multiplicar dos números de 10 dígitos al instante es fácil; sin embargo, mirar a un perro y decidir si es felino o canino es increíblemente difícil. La prueba de Turing fue desarrollada por el matemático Alan Turing para medir la capacidad de una máquina de exhibir un comportamiento inteligente equivalente al de un humano.

Entre las empresas tecnológicas que buscan superar la Prueba de Turing, Google se ha convertido en una importante fuerza de inteligencia artificial, invirtiendo cientos de millones de dólares en empresas de inteligencia artificial DeepMind y empresas de robótica como Boston Dynamics. Los inventos de Google incluyen autos sin conductor y robots humanoides para subir escaleras, completos con mascotas extrañas y robóticas.

Aprendizaje automático, visión artificial, procesamiento del lenguaje natural, robótica, sistemas expertos, procesamiento del habla, planificación, etc.

Muchos de los sistemas que ve a nuestro alrededor se basan en inteligencia artificial: sistemas de recomendación en los sitios de comercio electrónico, recomendaciones de redes en sitios de redes sociales, sistemas de traducción de idiomas que se utilizan para la traducción automática, sistemas m2m, Siri, Alexa, etc. son algunos ejemplos de IA

La pregunta es demasiado amplia. Las personas se centran en cualquier aspecto del tema que sea relevante para su situación de vida / trabajo. Dicho esto, la gente irá principalmente a donde está el dinero (dinero de investigación o dinero del producto).

More Interesting

¿Cómo se usa el aprendizaje automático en la inversión?

¿Qué es una red de detección como YOLO o SSD en el aprendizaje automático?

¿Por qué los modelos de aprendizaje automático no funcionan bien cuando se usan en la predicción del mercado de valores en vivo, pero, por otro lado, funcionan muy bien sin conexión?

¿Cómo debo combinar la retroalimentación implícita y explícita en el filtrado colaborativo?

Cómo implementar el reconocimiento de imágenes para crear una aplicación para organizar imágenes

¿Cómo escribe Google las pruebas para su algoritmo de búsqueda para que sepan que no lo rompieron al hacer cambios?

¿Cuál es la mejor manera de normalizar los datos implícitos para un sistema de recomendación de música mediante el filtrado colaborativo?

¿Cómo entrenamos un clasificador para el cual solo tenemos: 1) un conjunto de datos que son datos de entrenamiento explícitamente positivos y 2) un conjunto de datos que se desconoce (tiene el potencial de ser positivo o negativo)?

¿Dónde puedo descargar datos de proyecto disponibles públicamente para entrenar mi red neuronal?

¿Cuál es un buen conjunto de datos de Kaggle para practicar el ajuste de modelos de regresión logística o modelos jerárquicos?

¿Cuántos datos son suficientes para entrenar un modelo NN profundo?

¿Puede el aprendizaje profundo predecir los dígitos de Pi?

¿Por qué la precisión del entrenamiento de la red CNN aumenta rápidamente cuando elijo un tamaño de lote relativamente más pequeño?

¿Cómo se elige una función de activación? He notado que las funciones más utilizadas se parecen, especialmente cerca de 0. ¿Tienen que ajustarse a algún comportamiento específico? ¿Es este un tema de investigación abierto? ¿Hace una gran diferencia en los resultados?

Cómo configurar un laboratorio de innovación de ciencia de datos