Más de 70 términos de inteligencia artificial de la A a la Z en tecnología

Haciendo que las computadoras aprendan el ABC del cerebro humano.

La gente a menudo asume que la inteligencia artificial significa que los robots están cobrando vida para interactuar con los humanos. Sin embargo, esta noción tergiversa el significado de la IA.

La inteligencia artificial es altamente multifacética, con subcomponentes que se extienden mucho más allá del malentendido de la "relación robot-humano". El bombo de la IA aún no está a la altura de su nombre. Aunque muchos la llaman un trampolín de la automatización, hay más si la miras a través de tu lupa. 

La IA es un superconjunto que contiene diferentes técnicas de análisis y visualización de datos. Algunas técnicas son la automatización de procesos robóticos, el procesamiento del lenguaje natural, el aprendizaje profundo o el aprendizaje automático. La diferencia radica en cómo mejora cada proceso cuando se fusionan. Integrar software de inteligencia artificial y operacionalización del aprendizaje automático con tu pila tecnológica es una excelente manera de experimentar con tus datos y ver a dónde te lleva.  

Antes de presentar la IA como una solución en tu próximo plan de proyecto, revisa estos términos rápidos de inteligencia artificial para respaldar tus declaraciones con pruebas. 

Términos de inteligencia artificial de la A a la Z

Como Stephen Hawking había proyectado claramente, "La IA es el paso gigantesco de la humanidad hacia un futuro robótico. Puede diseñar mejoras para sí misma y conquistar a la humanidad antes de que lo sepamos. Pero antes de inclinarnos ante la voluntad de los robots, necesitamos saber cómo están construidos.

Cada término de la IA se centra en el concepto de interacción humano-computadora. Para saber cómo funciona el cerebro humano, los sistemas se alimentan con expresiones algorítmicas. Estos sistemas luego traducen comandos humanos y detectan objetos externos. Veamos qué términos contribuyen a propiedades de autoasistencia como estas.

Términos relevantes de inteligencia artificial

Mientras navegas por internet, probablemente hayas escuchado términos como "minería de datos" y "aprendizaje automático" pero nunca pudiste encontrar una definición concisa que te ayude a entender lo que lees. ¿Ahora? No tienes que buscar lejos. A continuación se presentan definiciones breves de palabras y frases relacionadas con la IA.

Nota: no todas las letras del alfabeto están listadas si no contienen términos lo suficientemente relevantes.

Términos de IA, de la A a la E

AGI, ANI, ANN... ¿qué significan todos? Aunque la primera letra de cada uno significa "artificial", el significado de las letras sucesivas no está implicado. 

A

Algoritmo: una fórmula o un conjunto de instrucciones dadas a una computadora para que complete una tarea (es decir, un conjunto de reglas para una computadora). Representa la relación entre las variables de entrada y las resultantes a través de una expresión matemática o condicional. 

Inteligencia artificial: un subconjunto de la informática que se ocupa de los sistemas informáticos que realizan tareas con inteligencia similar, igual o superior a la de un humano (por ejemplo, toma de decisiones, reconocimiento y clasificación de objetos, reconocimiento de voz y traducción)

Inteligencia artificial general (AGI): también conocida como IA fuerte, AGI es un tipo de inteligencia artificial que se considera similar a la humana y aún está en sus etapas preliminares (más una existencia hipotética en la actualidad)

Inteligencia artificial estrecha (ANI): IA débil, ANI es una inteligencia artificial que solo puede centrarse en una tarea o problema a la vez (por ejemplo, jugar un juego contra un competidor humano). Esta es la forma existente actual de IA. Este algoritmo de inteligencia artificial está programado para resolver un número limitado de problemas de datos. 

Red neuronal artificial (ANN): una red modelada según el cerebro humano creando un sistema neuronal artificial a través de un algoritmo informático de reconocimiento de patrones que aprende, interpreta y clasifica datos sensoriales

Función de activación: Es la capa calculativa principal de una red neuronal. La función de activación activa el nodo de decisión correcto dentro de la red neuronal y muestra el nodo como una salida. Convierte una serie de entradas en clases de salida singulares o múltiples.

Sistema inmunológico artificial: Una técnica de redes neuronales difusas inteligentes o sistemas de aprendizaje automático basados en reglas utilizados para el sistema inmunológico vernáculo. La lógica se construye utilizando expresiones reactivas para resolver un problema particular, al igual que el sistema inmunológico. 

Coches autónomos: Coches autodirigidos que funcionan según el principio de visión por computadora para detectar, identificar y categorizar obstáculos externos y conducir alrededor de ellos.

B

Retropropagación: abreviatura de "propagación hacia atrás de errores", es un método de entrenamiento de redes neuronales donde la salida inicial del sistema se compara con la salida deseada, luego se ajusta hasta que la diferencia (entre salidas) se vuelve mínima

Bolsa de palabras: Este algoritmo se utiliza para la clasificación de documentos y la recuperación de información. Extrae el texto de un documento y lo almacena en una bolsa de palabras sin la gramática y el orden de las oraciones. La frecuencia de las palabras se utiliza como una característica para entrenar el algoritmo y clasificar el documento.

Bolsa de palabras (visión por computadora): Este algoritmo extrae características o características de imágenes y alimenta características de aspecto similar al algoritmo para clasificar la imagen. 

Red bayesiana: también conocida como red de Bayes, modelo de Bayes, red de creencias y red de decisiones, es un modelo basado en gráficos que representa un conjunto de variables y sus dependencias. 

Big data: grandes cantidades de datos estructurados y no estructurados que son demasiado complejos para ser manejados por software de procesamiento de datos estándar

Normalización por lotes: La normalización por lotes se utiliza para ajustar variables de entrada en redes neuronales. Descarga una red neuronal ajustando pesos y sesgos y empujándolos en lotes para llegar a una salida estable. 

Árbol binario: El árbol binario es un árbol profundamente enraizado donde cada nodo tiene dos hijos, a saber, el hijo izquierdo y el hijo derecho. Un árbol enraizado generalmente imparte niveles (distancia desde las raíces). Por lo tanto, para cada nodo, las nociones se definen como los nodos conectados a él. 

Búsqueda por fuerza bruta: Un algoritmo generativo que propone todas las soluciones a un problema y elige la mejor solución.

C

Chatbots: un robot de chat que puede conversar con un usuario humano a través de comandos de texto o voz. Utilizado por las industrias de comercio electrónico, educación, salud y negocios para una comunicación fácil y para responder preguntas de los usuarios. 

Imagen cortesía de IBM

Clasificación: técnica de algoritmo que permite a las máquinas asignar categorías a puntos de datos

Robótica en la nube: La robótica en la nube permite a las máquinas o robots acceder al almacenamiento en la nube. Estas máquinas están equipadas con un proveedor alojado en la nube sobre una infraestructura convergente para acceder al contenido, responder más rápido y mostrar resultados precisos. 

Agrupamiento: Una técnica de algoritmo que permite a las máquinas agrupar datos similares en categorías de datos más grandes.

Computación cognitiva: un modelo computarizado que imita los procesos de pensamiento humano mediante la minería de datos, el PLN y el reconocimiento de patrones

Ciencia cognitiva: La forma más amplia de IA se remonta a la lingüística, la filosofía y la metaexistencia de las computadoras. Permite a las máquinas simular el pensamiento y la acción humanos.

Visión por computadora: cuando una máquina procesa entrada visual de archivos de imagen (JPEGs) o transmisiones de cámara

Inteligencia computacional: La capacidad de una computadora para aprender de una situación experimental y usar los aprendizajes para predicciones futuras.

Red neuronal convolucional (CNN): un tipo de red neuronal específicamente creada para analizar, clasificar y agrupar imágenes visuales mediante el uso de perceptrones multicapa

D

Minería de datos: el proceso de clasificar grandes conjuntos de datos para identificar patrones recurrentes mientras se establecen relaciones de resolución de problemas

Ciencia de datos: Un término general para la gestión, análisis y visualización de bases de datos que abarca todas las técnicas de inteligencia artificial y aprendizaje automático. Describe diferentes métodos, algoritmos, conocimientos y sistemas para extraer información de conjuntos de datos, entrenar modelos y crear correlaciones. Se basa en matemáticas, estadísticas, geometría y matrices y determinantes.

Conjunto de datos: Un conjunto de datos es una representación de datos. Puede ser una base de datos única o múltiples matrices que contienen varias filas y columnas. Cada conjunto de datos tiene una lista definida de variables y valores subyacentes que describen mejor el problema. Un conjunto de datos se refina y limpia antes de ser alimentado a un algoritmo de aprendizaje automático.

Almacén de datos: Es un repositorio central que contiene datos de una o más fuentes. Almacena y versiona datos antiguos y nuevos en una plataforma centralizada.

Aprendizaje de árboles de decisión: Un algoritmo de aprendizaje supervisado donde los nodos votan individualmente para predecir la clase de la entrada. También se utiliza para modelado predictivo o modelado estadístico.

Reducción de dimensionalidad: El proceso de reducir variables aleatorias para ajustar la precisión de la salida. En el reconocimiento facial, la reducción de dimensionalidad se utiliza durante el análisis de componentes principales para reducir el tamaño del conjunto de imágenes de entrada para ajustar la salida y eliminar el ruido.

Aprendizaje profundo: una técnica de aprendizaje automático que enseña a las computadoras cómo aprender de memoria (es decir, las máquinas imitan el aprendizaje como lo haría una mente humana utilizando técnicas de clasificación)

Ecosistema digital: varias plataformas de software o servicios en la nube que trabajan en conjunto a través de una red

Términos de IA, de la F a la J

¡Esta sección debería ser de particular interés si disfrutas de la IA experimental! 

F

Extracción de características: En aprendizaje automático, visión por computadora o reconocimiento de patrones, la extracción de características comienza dividiendo la imagen o los datos en cuadros delimitadores y extrayendo una sola característica de los cuadros. Las características se extraen, agrupan y alimentan a una máquina vectorial supervisada para predecir la salida.  

Red neuronal de avance: Es la red neuronal artificial más simple donde la información sale a través del nodo de salida y no regresa para su análisis. Los datos solo fluyen en la dirección hacia adelante y no forman un bucle.

Lógica difusa: Una lógica condicional donde las variables pueden exhibir cualquier grado de veracidad, que va de 0 a 1. El valor 0 representa "falso" y el valor 1 representa "verdad". En contraste con las expresiones booleanas, que solo muestran salida como 0 (verdadero) o 1 (falso), la lógica difusa puede mostrar verdad parcial en valores decimales.

G

Redes generativas antagónicas (GAN): un tipo de red neuronal que puede generar fotografías aparentemente auténticas a escala superficial para los ojos humanos. Las imágenes generadas por GAN toman elementos de datos fotográficos y los moldean en imágenes de aspecto realista de personas, animales y lugares. 

Fuente: Medium.com

Algoritmo genético: un algoritmo basado en principios de genética que se utiliza para encontrar soluciones de manera eficiente y rápida a problemas difíciles

H

Heurística: una técnica de informática diseñada para la resolución de problemas basada en soluciones rápidas y óptimas. Una técnica heurística detiene el algoritmo en cada paso durante el análisis y busca las diferentes hipótesis de soluciones antes de llegar a una solución adecuada.

I

Reconocimiento de imágenes: el proceso de identificar o detectar un objeto o característica de un objeto en una imagen o video

Agentes inteligentes: Agentes que observan un entorno particular a través de sensores y trabajan para lograr un objetivo para el algoritmo. Se utiliza principalmente en el aprendizaje por refuerzo y redes profundas-Q para aprender o usar el conocimiento para realizar una acción. 

Análisis de componentes independientes: El análisis de componentes independientes es una técnica poderosa de aprendizaje automático que extrae tendencias de los datos observados y los utiliza para procesar y categorizar nuevos datos de manera independiente. Separa un multivariante en componentes independientes, no gaussianos para formar una transformación lineal.

Términos de IA, de la K a la O

¡Algunos de los términos más utilizados se encuentran entre la K-O en el glosario de IA! 

K

Método del núcleo: En inteligencia artificial, el método del núcleo es un método de arranque utilizado para el análisis y clasificación de patrones. Es el método más conocido de la máquina vectorial supervisada y estudia diferentes relaciones dentro de la entrada para predecir una categoría.

Extracciones de conocimiento:  La extracción de conocimiento de documentación técnica, XML, conjuntos de datos no estructurados o bases de datos relacionales. Los elementos de conocimiento se extraen ejecutando consultas específicas que representan mejor los datos.

Vecino más cercano: Es un algoritmo no supervisado donde la clase de datos se determina observando los puntos de datos más cercanos. El mayor número de puntos de datos en una dirección particular significa que los datos actuales también pertenecen a la misma categoría.

L

Memoria limitada: sistemas con memoria a corto plazo limitada a un marco de tiempo dado. La IA de memoria limitada deriva conocimiento de experiencias o eventos en tiempo real y lo almacena en la base de datos. Cuando ocurre un problema, da resultados redundantes.

M

Aprendizaje automático (ML): se centra en desarrollar programas que acceden y utilizan datos por sí mismos, llevando a las máquinas a aprender por sí mismas y mejorar a partir de experiencias aprendidas

Modelos de aprendizaje automático: Es un programa entrenado en datos antiguos para hacer predicciones para datos nuevos. Hay tres tipos de modelos de aprendizaje automático, a saber, supervisados, no supervisados y semisupervisados.

Inteligencia de máquina: Es una forma avanzada de inteligencia humana donde las máquinas aprenden de sus propios errores, priorizan tareas de automatización de manera secuencial y logran objetivos. 

Conciencia de máquina: La conciencia de máquina, o conciencia artificial, es un estado de conciencia alcanzado por las máquinas después de un período de tiempo específico para descifrar emociones y expresiones humanas. Se está experimentando en la industria robótica. 

Traducción automática: una aplicación de PLN para la traducción de idiomas (humano a humano) en conversaciones basadas en texto y voz.

N

Procesamiento del lenguaje natural (PLN): ayuda a las computadoras a procesar, interpretar y analizar el lenguaje humano y sus características utilizando datos de lenguaje natural 

Clasificador de Bayes ingenuo:  Es un algoritmo de aprendizaje automático supervisado utilizado para problemas de clasificación. Es un solo algoritmo o un grupo de algoritmos con características distintivas (todas las variables del conjunto de datos son independientes entre sí).

Nanobots: Los nanobots son robots de tamaño molecular medidos a escala nanométrica y programados para realizar una tarea específica dentro del cuerpo humano. El concepto se utiliza para crear vacunas inteligentes, terapia contra el cáncer e inmunoterapia a través de métodos indoloros de medicación. 

Redes neuronales: Las redes neuronales son una técnica de aprendizaje profundo que se asemeja a la estructura de un cerebro humano. La estructura de una red neuronal consta de varias capas que realizan cálculos sobre la entrada y deciden la clase de salida correcta. Una red neuronal requiere grandes conjuntos de datos y alta GPU para funcionar. Sin embargo, la salida se procesa mucho más rápido en comparación con un algoritmo de aprendizaje automático.

Nodo: Una unidad básica de una estructura de datos, como una pila o una lista enlazada, o una cola, que representa un valor subyacente o una variable.

O

Reconocimiento óptico de caracteres (OCR): conversión de imágenes de texto (escrito a máquina, manuscrito o impreso), ya sea electrónicamente o mecánicamente, en texto codificado por máquina. Un software de OCR analiza los caracteres de un documento pdf y los formatea en un nuevo archivo de destino de la misma manera en que fueron escritos.

                                                                   Fuente: YouTube

OpenAI: Una empresa tecnológica con fines de lucro que realiza investigaciones científicas en inteligencia artificial y aprendizaje automático. ChatGPT, una plataforma de IA conversacional, es su última invención. Desarrollado sobre el principio del aprendizaje por refuerzo, ChatGPT está equipado con capacidades avanzadas de IA para completar tareas dependientes de humanos.

Software de código abierto: Es un tipo de software informático bajo una licencia abierta donde el desarrollador (titular de los derechos de autor) otorga a los usuarios los derechos para intercambiar datos, código e información a través de la plataforma.

Términos de IA, de la P a la T

Robots, robots, robots. ¡Finalmente encontrarás algunas definiciones centradas en robots aquí! 

P

Reconocimiento de patrones: Es un método de ciencia de datos que se utiliza para detectar, analizar y etiquetar patrones o regularidades en los datos.

Análisis predictivo: Técnicas de interpretación estadística de la minería de datos, el aprendizaje automático y el aprendizaje profundo se utilizan para predecir resultados de eventos.

Análisis de componentes principales: Un proceso estadístico en el que un conjunto de observaciones no relacionadas se convierten en variables relacionadas. Las variables relacionadas abarcan una o más características del conjunto de datos original, donde cada variable es ortogonal a sus variables precedentes. 

R

Máquinas reactivas: pueden analizar, percibir y hacer predicciones sobre experiencias, pero no almacenan datos; reaccionan a situaciones y actúan en función del momento dado

Red neuronal recurrente (RNN): un tipo de red neuronal que da sentido y crea salidas basadas en información secuencial y reconocimiento de patrones

Aprendizaje por refuerzo: un método de aprendizaje automático donde el algoritmo de refuerzo aprende interactuando con su entorno y luego es penalizado o recompensado según las decisiones que toma.

Robótica: centrado en el diseño y fabricación de robots que exhiben y/o replican la inteligencia y acciones humanas

Automatización de procesos robóticos (RPA): utiliza software con inteligencia artificial y aprendizaje automático capacidades para realizar tareas repetitivas que antes realizaban los humanos.

R: Una técnica de modelado de datos estadísticos utilizada para crear correlaciones de datos y crear un modelo de buen ajuste para predecir la posibilidad de un evento.

S

IA fuerte o ASI es el nivel más alto de conciencia alcanzado por una máquina para traducir emociones y expresiones humanas. Incluye técnicas como IA reactiva, IA autoconsciente y teoría de la mente. Las respuestas sensoriales de un humano son analizadas y leídas por computadoras para enmarcar una respuesta biológica. Casi parece como si un humano real estuviera interactuando con una computadora. Enmarcar una racha de conciencia en las computadoras no es fácil y requiere un alto nivel de experiencia y unidades programables (GPU). 

Datos estructurados: datos claramente definidos con patrones fácilmente buscables 

Aprendizaje supervisado: un tipo de aprendizaje automático donde los conjuntos de datos de salida enseñan a las máquinas a generar resultados o algoritmos deseados (similar a una relación maestro-estudiante)

T

Aprendizaje por transferencia: un sistema que utiliza datos previamente aprendidos y los aplica a un nuevo conjunto de tareas

Prueba de Turing: una prueba creada por el científico informático Alan Turing (1950) para ver si las máquinas podían exhibir inteligencia igual o indistinguible de la de un humano

Términos de IA, de la U a la Z

Menos términos de IA caen entre la U-Z, pero se muestran los más importantes. 

U

Datos no estructurados: datos sin patrones fácilmente buscables (por ejemplo, audio, video, contenido de redes sociales)

Aprendizaje no supervisado: un tipo de aprendizaje automático donde un algoritmo se entrena con información que no está clasificada ni etiquetada, permitiendo así que el algoritmo actúe sin guía (o supervisión)

V

Reconocimiento de voz: También conocido como reconocimiento de habla, es una técnica de interacción humano-computadora que permite a las computadoras entender, interpretar la dictación humana y producir una salida escrita de acuerdo con los comandos de voz.

W

IA débil: ver inteligencia artificial estrecha (ANI)

En el camino hacia la experiencia

Con estos términos frecuentemente buscados frescos en tu mente, ¡estás listo para enfrentar la IA de frente y continuar tu aventura de exploración del conocimiento!  Invertir en inteligencia artificial requiere profundizar en las tendencias informativas actuales y evaluar la solución correcta para tu negocio.

¿Este glosario ha despertado tu curiosidad por aprender más sobre inteligencia artificial? Si es así, consulta diferentes tipos de IA y cómo impactan en las invenciones mundiales.

Este artículo fue publicado originalmente en 2019. El contenido ha sido actualizado con nueva información.