Algoritmos de IA y Machine Learning

Reconocimiento y Clasificación- Robótica, Ing. Mecatrónica, Universidad de Sonora -

Raquel Torres Peralta, PhD

¿Qué es la Inteligencia artificial?

La teoría y el desarrollo de sistemas informáticos capaces de realizar tareas que normalmente requieren la inteligencia humana, tales como la percepción visual,

reconocimiento de voz, toma de decisiones, y la traducción entre lenguajes.

Su importancia en la Robótica

Un robot sin aprendizaje es sólo un mecanismo más.

Los androides de nuestros días requieren aprender de la experiencia, observaciones y su entorno para

mejorar su desempeño con el paso del tiempo.

¿Cómo aprende un Robot?

Los robots pueden adquirir conocimiento por medio de un módulo de aprendizaje basado en algoritmos

de Inteligencia Artificial y Machine Learning. Hay distintos enfoques de aprendizaje.

Este conocimiento trata de simular la inteligencia de los humanos, pero hasta ahora estamos lejos de tener

una máquina que piense como nosotros.

Tipos de algoritmosAprendizaje Supervisado: Se tienen muestras

Aprendizaje No-Supervisado: Se agrupan las muestras similares

Aprendizaje No Supervisado

Aprendizaje No Supervisado

Aprendizaje No Supervisado

Aprendizaje No Supervisado

Estos algoritmos son muy poderosos para clasificación automática de grupos con un gran número de elementos que tienen características en común

Aprendizaje No Supervisado

Google clasifica sus documentos con algoritmos de aprendizaje no supervisado de acuerdo a la similitud de sus contenidos

Aprendizaje No Supervisado

En medicina, para el modelaje de órganos en 3D de acuerdo a la respuesta a ondas de radio

Aprendizaje Supervisado

Aprendizaje SupervisadoTodo lo diferenciable para nosotros, puede serlo para una máquina

Aprendizaje SupervisadoLos vehículos autónomos distinguen elementos en un ambiente complejo.

La toma de decisiones es rápida y depende de la precisión y entrenamiento de los algoritmos de visión, control, entre otros.

Aprendizaje SupervisadoLa detección de cáncer

Aprendizaje Supervisado vs No Supervisado

No Supervisado: K-Means

Consiste en dividir N observaciones en K grupos, donde cada elemento se asigna al grupo cuya media le sea más cercana.

No Supervisado: K-Means

Ejemplo: Visión por computadora

Supervisado: Máquina de soporte de vectores (SVM)

Usa vectores para separar las clases

Supervisado: Máquina de soporte de vectores (SVM)

Ejemplo: reconocimiento gestual

SL: Series de tiempoClasificación y predicción de un fenómeno de acuerdo a su comportamiento en el tiempo

¿Preguntas?