Guía y Quinto taller de
Inteligencia Artificial
copiloto
- Ayuda con la escritura, como redactar correos electrónicos o informes, y proporciona sugerencias inteligentes para mejorar el contenido
- En Excel, puede ayudar a analizar tendencias, generar fórmulas y crear visualizaciones.
- Permite resumir reuniones, tomar notas y crear elementos de acción en Teams.
- Puede generar y editar contenido, y también es capaz de crear imágenes.
- GitHub Copilot ayuda a los desarrolladores a escribir código más rápido y con menos esfuerzo.
- Ofrece respuestas directas a preguntas y ayuda a encontrar información de manera más eficiente.
- Variedad de productos de Copilot
- Microsoft 365 Copilot: Es el asistente para el entorno de trabajo que se integra en aplicaciones como Word, Excel, PowerPoint, Teams y Outlook para optimizar las tareas diarias.
- Microsoft Security Copilot: Ayuda a los equipos de seguridad a proteger sus organizaciones.
- Copilot para servicio: Un asistente para representantes de servicio al cliente.
- Cómo acceder a Copilot
- Desde Windows 11: Accede directamente desde la barra de tareas.
- En el navegador: Usa el navegador Edge y haz clic en el icono de Copilot.
- En las aplicaciones de Microsoft 365: Está integrado dentro de las aplicaciones como Word, Excel y Teams.
- En el móvil: Descarga la aplicación móvil de Microsoft Copilot en tu smartphone.
¿Cómo se clasifica la inteligencia artificial?
La IA se puede clasificar de diversas maneras de acuerdo a sus capacidades, funciones y aplicaciones. A continuación, se presentan algunas de las clasificaciones más comunes:
Por capacidad de acción
IA débil o estrecha: Se centra en una tarea específica y tiene un nivel limitado de inteligencia. Algunos ejemplos son los chatbots de atención al cliente y los sistemas de recomendación de películas en plataformas de streaming.
IA general o fuerte: Tiene la capacidad de cumplir con cualquier tarea intelectual que un humano puede hacer. Aunque aún está en desarrollo y no se ha alcanzado plenamente, es el objetivo final de muchos investigadores en el campo.
Por funcionalidad
IA reactiva: Se basa en patrones y datos específicos para tomar decisiones sin la capacidad de aprender o adaptarse a nuevas situaciones. Un ejemplo clásico es Deep Blue de IBM, que derrotó al campeón mundial de ajedrez, Garry Kasparov, en 1997.
IA basada en la memoria: Posee recuerdos y puede usar la información almacenada para tomar decisiones. Los sistemas de recomendación de productos en línea son un ejemplo de esta categoría.
IA de aprendizaje limitado: Puede aprender y adaptarse a partir de la información proporcionada, pero tiene limitaciones en términos de autonomía. Los chatbots avanzados y algunos asistentes virtuales entran en esta categoría.
IA autoconsciente: Aunque es más teórica que práctica en la actualidad, se refiere a una IA con conciencia propia y capacidad de sentir emociones y tener autoconciencia.
Por estructura y capacidad de procesamiento
IA simbólica: Se basa en reglas y lógica para tomar decisiones. Se utiliza principalmente en sistemas expertos.
IA sub-simbólica: Se basa en redes neuronales y aprendizaje automático para procesar información y aprender de los datos. Las redes neuronales y el aprendizaje profundo (deep learning) son ejemplos de esta categoría.
Estas clasificaciones ofrecen una estructura para entender mejor las capacidades y limitaciones de la inteligencia artificial en función de sus aplicaciones y métodos de funcionamiento.
Machine Learning y Deep Learning
- Filtros de spam: Un modelo es entrenado con una gran cantidad de correos electrónicos clasificados como "spam" o "no spam" para aprender a identificar futuros correos no deseados.
- Sistemas de recomendación: Plataformas como Netflix o Amazon usan ML para analizar tus gustos y tu historial de compras o visualizaciones, y así sugerir películas o productos que podrían interesarte.
- Análisis de fraude: Los bancos utilizan algoritmos de ML para detectar transacciones sospechosas al compararlas con los patrones de gasto habituales de un cliente.
- Análisis de sentimiento: Algoritmos que clasifican opiniones, reseñas o comentarios en redes sociales como positivos, negativos o neutros.
- Vehículos autónomos: Los coches sin conductor usan redes neuronales profundas para interpretar datos en tiempo real de sus cámaras y sensores, permitiéndoles reconocer peatones, señales de tráfico y otros vehículos.
- Reconocimiento facial: El DL es la tecnología detrás del desbloqueo facial en los teléfonos inteligentes y el etiquetado automático en las redes sociales. Las redes neuronales aprenden a identificar rostros al analizar millones de imágenes.
- Procesamiento del lenguaje natural (PLN): Herramientas como ChatGPT y asistentes de voz como Siri o Alexa se basan en modelos de DL para comprender, generar y traducir el lenguaje humano.
- Diagnóstico médico por imágenes: Se entrenan redes neuronales con miles de imágenes médicas (como radiografías o resonancias) para ayudar a los médicos a detectar tumores, lesiones u otras anomalías.
En resumen:
Machine Learning (ML) es el campo general que permite a las computadoras aprender de los datos sin ser programadas explícitamente.
- Deep Learning (DL) es un tipo específico de ML que utiliza redes neuronales artificiales con múltiples capas (la arquitectura "Transformer" en este caso) para modelar patrones complejos en grandes volúmenes de datos.
- TALLER
1. Crear siete diapositivas en PowerPoint con tipos de inteligencia artificial con el modo de I. de Google o Copilot
2. Con Napkin crear mapa conceptual con tipos de inteligencia artificial
No hay comentarios:
Publicar un comentario