Cinco ideas para superar los mitos sobre la inteligencia artificial
En este post se revisa una propuesta para superar los mitos sobre la inteligencia artificial que parecen dominar el discurso técnico, ético y regulatorio.
Inteligencia Artificial: machine learning, deep learning, redes neuronales, sistemas expertos, algoritmos genéticos
En este post se revisa una propuesta para superar los mitos sobre la inteligencia artificial que parecen dominar el discurso técnico, ético y regulatorio.
En este post se recuerda la naturaleza del problema de explicabilidad y se proporciona un mapa de explicabilidad de algoritmos.
Es indudable que en mayor o menor medida, la robótica y la inteligencia artificial se han inspirado en la naturaleza y, muy en concreto, en el sistema nervioso en general y el cerebro humano en particular. No es casual, ni del todo desacertado, el nombre que reciben algunas técnicas y algoritmos como las propias redes neuronales o los algoritmos genéticos. Y es…
En este post se analizan las diferencias entre los datos de texto e imagen de acra a su procesamiento mediante deep learning
En este post se repasan tres argumentos que aporta David Foster para explicar por qué los modelos generativos son importantes en el desarrollo de la IA
En este artículo explico de forma simple los autocodificadores variacionales, un caso de modelo generativo que demuestra el ingenio humano.
En este post aporto algunos principios muy básicos de los llamados modelos generativos, un área de la inteligencia artificial con aparente creatividad.
El machine learning y los algoritmos de explicabilidad de la inteligencia artificial se pueden combinar para ofrecer un gran truco de magia.
El diseño de medicamentos es también un área de trabajo del deep learning. Si, además, le añadimos explicabilidad, los resultados son más que interesantes.
Se hace una distinción conceptual algo fina entre lo que es la interpretabilidad y lo que se entiende como explicabilidad en Inteligencia Artificial.