Glosario de Inteligencia Artificial: Términos que debe conocer

Glosario de Inteligencia Artificial: Términos que debe conocer

Aprendizaje profundo, aprendizaje automático, chatbot, redes neuronales … ¿El vocabulario de la inteligencia artificial (IA) está lleno de términos y expresiones que nunca has escuchado antes? Debido a que la IA está a nuestro alrededor y se espera que los ingresos mundiales provenientes de ella alcancen los 46 mil millones de dólares de aquí al 2020, es hora de desmitificar esta compleja jerga. Emmanuel Amouretti, vicepresidente ejecutivo de Living Actor , decodifica 12 expresiones clave para ayudarle a comprender mejor el concepto de inteligencia artificial, su tecnología y sus aplicaciones.

Chatbot / Bot

Un chatbot, también conocido como agente de conversación o asistente virtual , es un sistema capaz de mantener un diálogo con los usuarios basado en conversaciones que han sido creadas en secuencia de comandos. Su función es responder con la máxima relevancia a las preguntas que frecuentemente hacen los usuarios de Internet, clientes o personal. Como resultado, las tareas recurrentes se pueden automatizar, lo que permite a los empleados hacer un mejor uso de su tiempo .

Por ejemplo, en el área de Recursos Humanos, un chatbot puede responder a consultas relacionadas con el tiempo libre pagado o los informes de gastos, lo que permite que el equipo de recursos humanos se concentre en las tareas con un mayor valor agregado.

De forma predeterminada, un chatbot es una herramienta de interacción débil que solo ofrece respuestas que han sido creadas por un administrador de chatbot , basado en el principal “si esto, luego eso”. Sin embargo, la inteligencia artificial (y especialmente el aprendizaje automático) ahora permite que los bots analicen los datos y aprendan de sus interacciones para responder con mayor relevancia.

Administrador de chatbot

Un Administrador de Chatbot es la persona encargada de administrar el asistente virtual. Esta persona, que también podría ser mencionada como la entrenadora del asistente virtual , es la encargada de implementar el chatbot y supervisar sus operaciones cotidianas. Él o ella también es responsable de transferir las habilidades humanas a la máquina, lo que le permite reflejar los conocimientos, la experiencia y los valores de la empresa.

Data Crunching (Crujido de datos)

El crujido de datos es el análisis automatizado de grandes cantidades de datos procedentes de Big Data. Una vez importados en un sistema, los datos se ordenan, estructuran, procesan y luego se analizan de manera consistente para ayudar a una máquina a tomar decisiones informadas.

Este procesamiento preciso es indispensable para que un sistema como un robot de chat pueda utilizar la información de manera relevante, de modo que pueda responder de manera efectiva a consultas específicas. En cierto sentido, esta es la base del aprendizaje automático.

Aprendizaje profundo

Una subcategoría del aprendizaje automático, el aprendizaje profundo permite el aprendizaje jerárquico de una gran cantidad de información. En otras palabras, la máquina procesa los datos en orden de complejidad para comprender una realidad y captarla por sus propios medios con la ayuda de una red neuronal.

El nombre de aprendizaje profundo alude al hecho de que el sistema funciona en capas. Como explica Yann Ollivier, Director de Investigación del Centro Nacional de Investigación Científica (CNRS) y especialista en inteligencia artificial, los resultados de la primera capa de neuronas sirven como punto de partida para calcular los resultados posteriores. Para distinguir una imagen de un gato de una imagen de un perro, una máquina debe comparar características cada vez más complejas basadas en las lecciones aprendidas, por ejemplo, el hecho de que las orejas de los dos animales tienen una forma diferente.

Inteligencia Artificial (AI)

La inteligencia artificial se puede definir de múltiples maneras, en particular, como un sistema automatizado capaz de analizar datos y tomar decisiones de forma autónoma. De hecho, esto es lo que a menudo lleva a las personas a vincular la inteligencia artificial con chatbots. Se pueden distinguir dos tipos diferentes de inteligencia artificial, según el grado en que se repliquen las funciones cognitivas humanas:

  • IA “Débil” , en el caso de una máquina que simula un comportamiento humano específico
  • IA “fuerte” , en el caso de una máquina que reproduce un comportamiento humano a la vez que capta su propio razonamiento (una habilidad que aún se encuentra dentro del ámbito de la ciencia ficción)

Sin embargo, tenga en cuenta que, con la ayuda de aprendizaje automático, los sistemas de inteligencia artificial son capaces de mejorar de forma autónoma con el tiempo.

Aprendizaje automático

El aprendizaje automático es uno de los componentes básicos de la inteligencia artificial. El término se refiere a un proceso en el que una máquina, por ejemplo, un chatbot, está dotada de la capacidad de aprender automáticamente. Como resultado, el sistema desarrolla la capacidad de descifrar las intenciones de los usuarios de Internet para ofrecer respuestas adaptadas y tomar decisiones efectivas.

El aprendizaje automático permite que la máquina mejore sin soporte y orientación continuos mediante el uso de algoritmos basados ​​en la lógica de comparación, la investigación y la probabilidad matemática. De esta manera, el chatbot es capaz de adquirir nuevos conocimientos por sí mismo comparando las preguntas que se le hacen y realizando investigaciones, ya sea en bases de datos de terceros, conversaciones en centros de contacto o en cualquier otro lugar. Sin embargo, excepto en ciertos casos específicos, esta capacidad no es indispensable: un bot no necesariamente tiene que ser de autoaprendizaje .

Procesamiento de lenguaje natural (NLP)

El procesamiento del lenguaje natural es la piedra angular de la inteligencia artificialel aprendizaje automático y la lingüística.

Es un elemento esencial de cualquier sistema de conversación, lo que le permite detectar las intenciones de los usuarios a través del análisis léxico, semántico y sintáctico. Como tal, puede servir para dar voz a una máquina .

FYI: Natural Language Processing actualmente se usa en asistentes de voz como Google Home y Amazon Alexa, en traducción automática, y como un medio para optimizar el nivel de comprensión de chatbots.

Un motor NLP emplea una secuencia de procesos matemáticos y comparaciones para “limpiar” la entrada del usuario, posiblemente corrigiendo ciertos errores o aplicando sinónimos, con el fin de identificar toda la información que es útil para fines de comprensión. Todo esto permite detectar la intención, en otras palabras, comprender las necesidades del usuario y posiblemente los atributos relacionados.

Por ejemplo…

Solicitud: ” Me gustaría pedir una pizza de queso para 2 personas para las 8:00. “

Esta solicitud contiene:

  • Una “intención”, que es “ordenar para comer”
  • Una secuencia de información, o “entidades”, que permiten especificar la intención (una pizza de queso, para 2 personas, para las 8:00)

Lo único que falta es la dirección de entrega, que el robot de chat puede preguntar al usuario. Si falta toda la información, el chatbot pacientemente hará todas las preguntas necesarias para realizar la transacción.

Comprensión del lenguaje natural (NLU)

Un subconjunto de Natural Language Processing , Natural Language Understanding es la cadena de procesamiento que dará sentido a la frase. Aquí es donde se identificará la intención (ver el ejemplo anterior) a través de un análisis gramatical de la frase, identificando un sujeto y un verbo, vinculando las palabras entre sí y correlacionando la solicitud con la base de conocimiento del chatbot.

Sin embargo, incluso si su análisis gramatical es perfecto, ¡un chatbot no puede proporcionar respuestas a consultas que no han sido capacitadas para responder!

Redes neuronales

El poder de una red neuronal se deriva del poder individual de cada neurona. Así es como funciona el cerebro humano: cada neurona realiza su propio cálculo simple, y la red formada por todas las neuronas multiplica el potencial de estos cálculos.

Las redes neuronales utilizadas en inteligencia artificial se basan en el mismo principio, pero con una excepción: las conexiones entre las neuronas se pueden ajustar para realizar una tarea determinada. Esta tecnología es particularmente útil en análisis predictivoreconocimiento de imágenes y procesamiento del habla.

Escenarios de aprendizaje

Los escenarios de aprendizaje son los parámetros que una persona ingresa en una máquina que le permite tomar una decisión racional.

Para que sea efectivo, el chatbot debe ser entrenado por un Chatbot Manager, basándose en escenarios relevantes que se adapten a las consultas recurrentes de los usuarios. Compuesto de múltiples ramas, este árbol de decisiones permite al robot iniciar un diálogo en el momento adecuado y responder a los usuarios de la mejor manera posible.

Estos escenarios no dependen necesariamente de la inteligencia artificial. Sin embargo, pueden aprovechar el aprendizaje automático , el procesamiento del lenguaje natural y el entendimiento del lenguaje natural para detectar con mayor precisión las intenciones de los usuarios, personalizar las conversaciones y, de ese modo, crear un compromiso .

Aprendizaje supervisado / aprendizaje no supervisado

El aprendizaje automático se puede dividir en dos modelos diferentes, los cuales implican entrenar una máquina en una base de datos que está integrada, estructurada y luego analizada (crujido de datos ).

  • En el aprendizaje supervisado, la máquina depende de la intervención humana. La persona proporciona las bases del conocimiento de la máquina para que pueda entender cómo usarlas y proponer mejoras, que serán validadas sistemáticamente por un ser humano antes de su implementación.
  • En el aprendizaje no supervisado, la máquina no requiere este componente de validación humana. Realiza la investigación, identifica nuevos conocimientos y los memoriza por sí solo, siempre que se respeten los umbrales matemáticos que se le proporcionan.

Prueba de Turing

Concebida por el matemático Alan Turing en los años cincuenta, la prueba de Turing consiste en evaluar la capacidad de una máquina para imitar a un ser humano en la medida en que es indistinguible de una persona de carne y hueso. La prueba de Turing todavía se considera el medio más válido para juzgar el nivel de inteligencia artificial alcanzado por una máquina.

 

 

Publica tu opinión

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

20 + 15 =