Notas sobre aprendizaje por refuerzo (III): recompensas, trazas y valores
Hablo de trazas y recompensas en el contexto de modelos de decisión de Markov y aprendizaje por refuerzo (reinforcement learning).
Notas sobre aprendizaje por refuerzo (II): Visualizando el aprendizaje en procesos de Markov
Recordamos conceptos de aprendizaje por refuerzo y recordamos y visualizamos el aprendizaje en procesos de Markov
Notas sobre aprendizaje por refuerzo (I): Procesos de decisión de Markov
Como inicio de una serie dedicada al aprendizaje por refuerzo, en este post explico los Procesos de decisión de Markov
Tres enfoques para la adopción de modelos de machine learning
En este post describo tres posibles opciones para la adopción de modelos de machine learning por parte de las empresas y organizaciones.
Sobre el machine learning y las predicciones
Hablo sobre el machine learning y las predicciones, cómo éstas se apoyan en datos del pasado pero se pueden seguir considerando predicciones.
Machine Learning en producción: diferencias con la investigación
En este post comento cinco diferencias entre el Machine Learning en investigación y Machine learning en producción.
Apalancamiento cognitivo
La tecnología supone una forma de externalización para conseguir apalancamiento y con la IA esto se convierte en Apalancamiento cognitivo
Elementos del juicio humano e implementación en máquinas inteligentes
Con base en aportaciones filosóficas, se describen siete elementos del juicio humano y se explora si se pueden implementar en máquinas
Inteligencia artificial neurosimbólica: la tercera ola de la inteligencia artificial
En este post se presenta, sin profundidades, la inteligencia artificial neurosimbólica como una tercera ola en inteligencia artificial.
Los requisitos 3H para una inteligencia artificial segura
Se describe un esquema muy sencillo, los requisitos 3H del usuario, que sirven de marco para buscar una inteligencia artificial segura.