Inteligencia
Artificial

En años recientes el concepto de Inteligencia Artificial (IA) se ha difundido ampliamente en todo tipo de medios de comunicación. Actualmente, un gran número de aparatos y programas de computadora (software) incluyen algún tipo de función automática que replica alguna función humana: reconocimiento y generación de lenguaje natural; planeación de rutas en un mapa; reconocimiento de sonrisas en las fotos. Dentro de los proyectos de aplicación de técnicas de IA tenemos: automóviles autónomos y; robots humanoides capaces de caminar, de interactuar con personas y de realizar tareas dentro de ambientes no estructurados (p. ej. dentro de hospitales). En muchos casos se utilizan redes neuronales profundas (deep neural networks) para realizar funciones humanas. Por ejemplo, las redes neuronales convolucionales se utilizan en secuencias de videos para detectar automáticamente objetos, animales y personas; también se pueden usar en robots, vehículos autónomos, cámaras de seguridad y análisis automático de imágenes médicas.

Las redes neuronales profundas han demostrado gran capacidad para la solución de problemas complejos (lenguaje, visión, planeación), y su amplia aplicación podría sugerir que la IA se constituye de diferentes arquitecturas de redes neuronales profundas. Sin embargo, en 1956 se le consideró como un área de investigación multidisciplinaria integrada por: ciencias cognitivas, electrónica, computación y matemáticas. Desde entonces, se ha desarrollado la teoría y las implementaciones prácticas para replicar algunas funciones humanas en computadora, dentro de áreas de estudio como: reconocimiento de patrones, aprendizaje computacional o aprendizaje automático, visión artificial, procesamiento de lenguaje natural y, recientemente, ciencia de datos.

TIES, Revista de Tecnología e Innovación en Educación Superior, incluye en este número, cinco trabajos de IA que presentan un panorama de los diferentes conocimientos matemáticos y computacionales que se utilizan para la implementación de funciones humanas en computadora. El primer artículo, “Las anomalías: ¿qué son?, ¿dónde surgen?, ¿cómo detectarlas?”, nos presenta un análisis de las anomalías que pueden ocurrir en los datos de entrenamiento y cómo el proceso adecuado puede contribuir a desarrollar mejores algoritmos de aprendizaje. El segundo artículo, “De redes neuronales recurrentes a modelos de lenguaje: la evolución del PLN en la generación de textos”, describe con detalle la evolución del procesamiento de lenguaje natural y la generación de texto basados en redes neuronales desde los años noventa. El trabajo: “Clasificación de poblaciones nativas de frijol utilizando visión artificial”, aborda la aplicación de técnicas de visión artificial en agricultura. Los dos artículos finales, “Aprendizaje computacional para análisis de imágenes de ultrasonido médico” y “Aprendizaje computacional aplicado a la detección de huesos, en cirugía ortopédica asistida por computadora”, aplican las técnicas de reconocimiento de patrones y aprendizaje automático en el análisis de imágenes médicas.


Dr. Fernando Arámbula Cosío
Editor invitado