La inteligencia artificial, definida como la inteligencia exhibida por las máquinas, tiene muchas aplicaciones en la sociedad actual. Más específicamente, es la IA débil, la forma de IA en la que se desarrollan los programas para realizar tareas específicas, la que se utiliza para una amplia gama de actividades que incluyen diagnóstico médico, comercio electrónico, control de robots y sensores remotos. AI se ha utilizado para desarrollar y promover numerosos campos e industrias, incluidas las finanzas, la atención médica, la educación, el transporte y mucho más.
AI para bien
AI for Good es un movimiento en el que las instituciones emplean a AI para abordar algunos de los mayores desafíos económicos y sociales del mundo. Por ejemplo, la Universidad del Sur de California lanzó el Centro de Inteligencia Artificial en la Sociedad, con el objetivo de utilizar la IA para abordar problemas socialmente relevantes, como la falta de vivienda. En Stanford, los investigadores están utilizando la IA para analizar imágenes de satélite para identificar qué áreas tienen los niveles más altos de pobreza.
Aviación
La División de Operaciones Aéreas (AOD) utiliza AI para los sistemas expertos basados en reglas. El AOD se usa para inteligencia artificial para operadores sustitutos para simuladores de combate y entrenamiento, ayudas para la gestión de la misión, sistemas de soporte para la toma de decisiones tácticas y el procesamiento posterior de los datos del simulador en resúmenes simbólicos.
El uso de inteligencia artificial en simuladores está demostrando ser muy útil para el AOD. Los simuladores de aviones utilizan inteligencia artificial para procesar los datos tomados de vuelos simulados. Aparte del vuelo simulado, también hay una guerra de aviones simulada. Las computadoras pueden presentar los mejores escenarios de éxito en estas situaciones. Las computadoras también pueden crear estrategias basadas en la ubicación, tamaño, velocidad y fuerza de las fuerzas y contra fuerzas. Los pilotos pueden recibir ayuda en el aire durante el combate con computadoras. Los programas inteligentes artificiales pueden ordenar la información y proporcionar al piloto las mejores maniobras posibles, sin mencionar deshacerse de ciertas maniobras que serían imposibles de realizar para un ser humano. Se necesitan múltiples aeronaves para obtener buenas aproximaciones para algunos cálculos, por lo que se utilizan pilotos simulados por computadora para recopilar datos. Estos pilotos simulados por computadora también se utilizan para capacitar a futuros controladores de tráfico aéreo.
El sistema utilizado por la AOD para medir el rendimiento fue el Sistema interactivo de diagnóstico y aislamiento de fallas, o IFDIS. Es un sistema experto basado en reglas que se recopila mediante la recopilación de información de los documentos del TF-30 y el asesoramiento de expertos de los mecánicos que trabajan en el TF-30. Este sistema fue diseñado para ser utilizado para el desarrollo del TF-30 para el RAAF F-111C. El sistema de rendimiento también se utilizó para reemplazar a los trabajadores especializados. El sistema permitió a los trabajadores regulares comunicarse con el sistema y evitar errores, errores de cálculo o tener que hablar con uno de los trabajadores especializados.
El AOD también utiliza inteligencia artificial en el software de reconocimiento de voz. Los controladores de tráfico aéreo están dando instrucciones a los pilotos artificiales y el AOD quiere que los pilotos respondan a los ATC con respuestas simples. Los programas que incorporan el software de voz deben estar capacitados, lo que significa que utilizan redes neuronales. El programa utilizado, el Verbex 7000, todavía es un programa muy temprano que tiene mucho margen de mejora. Las mejoras son imperativas porque los ATC utilizan un diálogo muy específico y el software debe poder comunicarse de manera correcta y rápida en todo momento.
La Inteligencia Artificial compatible con el Diseño de Aeronaves, o AIDA, se utiliza para ayudar a los diseñadores en el proceso de creación de diseños conceptuales de aeronaves. Este programa permite a los diseñadores enfocarse más en el diseño en sí mismo y menos en el proceso de diseño. El software también permite al usuario centrarse menos en las herramientas de software. El AIDA utiliza sistemas basados en reglas para calcular sus datos. Este es un diagrama de la disposición de los módulos AIDA. Aunque simple, el programa está demostrando ser efectivo.
En 2003, el Centro de Investigación de Vuelo Dryden de la NASA, y muchas otras compañías, crearon un software que podría permitir que un avión dañado continúe el vuelo hasta que se pueda llegar a una zona de aterrizaje segura. El software compensa todos los componentes dañados al confiar en los componentes no dañados. La red neuronal utilizada en el software demostró ser efectiva y marcó un triunfo para la inteligencia artificial.
El sistema integrado de gestión de la salud del vehículo, también utilizado por la NASA, a bordo de una aeronave debe procesar e interpretar los datos tomados de los diversos sensores de la aeronave. El sistema debe poder determinar la integridad estructural de la aeronave. El sistema también necesita implementar protocolos en caso de cualquier daño al vehículo.
Haitham Baomar y Peter Bentley están liderando un equipo del University College of London para desarrollar un Sistema de piloto automático inteligente (IAS) basado en inteligencia artificial, diseñado para enseñar a un sistema de piloto automático a comportarse como un piloto altamente experimentado que se enfrenta a una situación de emergencia como grave El tiempo, la turbulencia, o el fallo del sistema. Educar el piloto automático se basa en el concepto de aprendizaje automático supervisado «que trata al piloto automático joven como un aprendiz humano yendo a una escuela de vuelo». El piloto automático registra las acciones del piloto humano generando modelos de aprendizaje utilizando redes neuronales artificiales. El piloto automático recibe entonces el control total y el piloto lo observa mientras ejecuta el ejercicio de entrenamiento.
El Sistema Inteligente de Piloto Automático combina los principios del Aprendizaje de Aprendizaje y la Clonación del Comportamiento mediante el cual el piloto automático observa las acciones de bajo nivel requeridas para maniobrar el avión y la estrategia de alto nivel utilizada para aplicar esas acciones. La implementación de IAS emplea tres fases; Recopilación de datos piloto, formación y control autónomo. El objetivo de Baomar y Bentley es crear un piloto automático más autónomo para ayudar a los pilotos a responder a situaciones de emergencia.
Ciencias de la Computación
Los investigadores de AI han creado muchas herramientas para resolver los problemas más difíciles de la informática. Muchos de sus inventos han sido adoptados por la informática general y ya no se consideran parte de AI. (Ver efecto AI). Según Russell & Norvig (2003, p. 15), todos los siguientes se desarrollaron originalmente en los laboratorios de AI: tiempo compartido, intérpretes interactivos, interfaces gráficas de usuario y el ratón de la computadora, entornos de rápido desarrollo, el lista de estructura de datos, gestión automática del almacenamiento, programación simbólica, programación funcional, programación dinámica y programación orientada a objetos.
AI se puede utilizar para determinar potencialmente el desarrollador de binarios anónimos.
AI se puede utilizar para crear otros AI. Por ejemplo, alrededor de noviembre de 2017, el proyecto AutoML de Google para desarrollar nuevas topologías de redes neuronales creó NASNet, un sistema optimizado para ImageNet y COCO. Según Google, el rendimiento de NASNet superó todo el rendimiento de ImageNet publicado anteriormente.
Educación
Hay varias compañías que crean robots para enseñar temas a niños, desde biología hasta ciencias de la computación, aunque estas herramientas aún no se han generalizado. También ha habido un aumento de los sistemas de tutoría inteligente, o ITS, en la educación superior. Por ejemplo, un ITS llamado SHERLOCK enseña a los técnicos de la Fuerza Aérea a diagnosticar problemas de sistemas eléctricos en aeronaves. Otro ejemplo es DARPA, la Agencia de Proyectos de Investigación Avanzada de la Defensa, que utilizó AI para desarrollar un tutor digital para entrenar a sus reclutas de la Armada en habilidades técnicas en un período de tiempo más corto. Las universidades han tardado en adoptar tecnologías de IA debido a la falta de financiamiento o al escepticismo de la efectividad de estas herramientas, pero en los próximos años, más aulas utilizarán tecnologías como ITS para complementar a los maestros.
Los avances en el procesamiento del lenguaje natural, combinados con el aprendizaje automático, también han permitido la calificación automática de las tareas, así como una comprensión basada en los datos de las necesidades de aprendizaje de los estudiantes individuales. Esto llevó a una explosión en la popularidad de los MOOC, o cursos en línea masivos y abiertos, que permiten a los estudiantes de todo el mundo tomar clases en línea. Los conjuntos de datos recopilados de estos sistemas de aprendizaje en línea a gran escala también han permitido el análisis de aprendizaje, que se utilizará para mejorar la calidad del aprendizaje a escala. Los ejemplos de cómo se pueden utilizar los análisis de aprendizaje para mejorar la calidad del aprendizaje incluyen predecir qué estudiantes están en riesgo de fracaso y analizar el compromiso de los estudiantes.
Financiar
Trading algorítmico
El comercio algorítmico implica el uso de sistemas de inteligencia artificial complejos para tomar decisiones comerciales a velocidades de varios órdenes de magnitudes superiores a las que cualquier humano puede realizar, a menudo realizando millones de transacciones en un día sin ninguna intervención humana. Los sistemas comerciales automatizados suelen ser utilizados por grandes inversores institucionales.
Análisis de mercado y minería de datos.
Varias grandes instituciones financieras han invertido en motores de inteligencia artificial para ayudarles con sus prácticas de inversión. El motor de AI de BlackRock, Aladdin, se utiliza tanto dentro de la empresa como a los clientes para ayudar con las decisiones de inversión. Su amplia gama de funcionalidades incluye el uso del procesamiento de lenguaje natural para leer textos como noticias, informes de corredores y feeds de redes sociales. A continuación, mide el sentimiento de las empresas mencionadas y asigna una puntuación. Los bancos como UBS y Deutsche Bank usan un motor de inteligencia artificial llamado Sqreem (Modelo de Extracción y Extracción Cuántica Secuencial) que puede extraer datos para desarrollar perfiles de consumidores y relacionarlos con los productos de administración de patrimonio que probablemente desearían. Goldman Sachs utiliza Kensho, una plataforma de análisis de mercado que combina computación estadística con big data y procesamiento de lenguaje natural. Sus sistemas de aprendizaje automático se explotan a través de acumulaciones de datos en la web y evalúan las correlaciones entre los eventos mundiales y su impacto en los precios de los activos. La extracción de información, parte de la inteligencia artificial, se utiliza para extraer información de noticias en vivo y para ayudar con las decisiones de inversión.
Finanzas personales
Están surgiendo varios productos que utilizan la inteligencia artificial para ayudar a las personas con sus finanzas personales. Por ejemplo, Digit es una aplicación desarrollada por inteligencia artificial que ayuda automáticamente a los consumidores a optimizar sus gastos y ahorros basados en sus propios hábitos y metas personales. La aplicación puede analizar factores como el ingreso mensual, el saldo actual y los hábitos de gasto, luego tomar sus propias decisiones y transferir dinero a la cuenta de ahorros. Wallet.AI, una próxima empresa emergente en San Francisco, crea agentes que analizan los datos que un consumidor dejaría atrás, desde los registros de teléfonos inteligentes hasta los tweets, para informar al consumidor sobre su comportamiento de gasto.
Gestión de la cartera
Robo-asesores se están utilizando más ampliamente en la industria de gestión de inversiones. Robo-asesores proporcionan asesoramiento financiero y gestión de cartera con una intervención humana mínima. Esta clase de asesores financieros trabaja sobre la base de algoritmos creados para desarrollar automáticamente una cartera financiera de acuerdo con los objetivos de inversión y la tolerancia al riesgo de los clientes. Puede ajustarse a los cambios en tiempo real en el mercado y, en consecuencia, calibrar la cartera.
Aseguramiento
Un prestamista en línea, Upstart, analiza grandes cantidades de datos de consumidores y utiliza algoritmos de aprendizaje automático para desarrollar modelos de riesgo crediticio que predicen la probabilidad de incumplimiento de un consumidor. Su tecnología se otorgará a los bancos para que aprovechen sus procesos de suscripción.
ZestFinance desarrolló su plataforma Zest Automated Machine Learning (ZAML) específicamente para la suscripción de créditos también. Esta plataforma utiliza el aprendizaje automático para analizar decenas de miles de variables tradicionales y no tradicionales (desde transacciones de compra hasta cómo un cliente completa un formulario) que se utiliza en la industria crediticia para calificar a los prestatarios. La plataforma es particularmente útil para asignar puntajes de crédito a aquellos con historiales de crédito limitados, como los millennials.
Geografía y ecología
Papadimitriou (2012), en lenguaje Prolog, da una solicitud con referencia a los paisajes mediterráneos.
Búsqueda de trabajo
El mercado laboral ha experimentado un cambio notable debido a la implementación de la inteligencia artificial. Ha simplificado el proceso tanto para los reclutadores como para los que buscan empleo (es decir, Google for Jobs y la solicitud en línea). Según Raj Mukherjee de Indeed.com, el 65% de las personas inician una búsqueda de empleo nuevamente dentro de los 91 días de haber sido contratados. El motor impulsado por AI simplifica la complejidad de la búsqueda de empleo al operar información sobre habilidades laborales, salarios y tendencias de los usuarios, haciendo que las personas se unan a los puestos más relevantes. La inteligencia de la máquina calcula qué salarios serían apropiados para un trabajo en particular, extrae y destaca la información del currículum para los reclutadores que utilizan el procesamiento de lenguaje natural, que extrae palabras y frases relevantes del texto mediante software especializado. Otra aplicación es un generador de currículum vitae de AI que requiere 5 minutos para compilar un CV en lugar de pasar horas haciendo el mismo trabajo. En la era AI, los chatbots ayudan a los visitantes del sitio web y resuelven los flujos de trabajo diarios. Las herramientas revolucionarias de inteligencia artificial complementan las habilidades de las personas y permiten que los gerentes de recursos humanos se centren en tareas de mayor prioridad. Sin embargo, el impacto de la Inteligencia Artificial en la investigación de empleos sugiere que para 2030 los agentes y robots inteligentes pueden eliminar el 30% de la mano de obra humana del mundo. Además, la investigación demuestra que la automatización desplazará entre 400 y 800 millones de empleados. El informe de investigación de Glassdoor indica que se espera que el reclutamiento y los RR.HH. vean una adopción mucho más amplia de AI en el mercado laboral 2018 y más allá.
Industria pesada
Los robots se han vuelto comunes en muchas industrias y, a menudo, reciben trabajos que se consideran peligrosos para los humanos. Los robots han demostrado ser efectivos en trabajos que son muy repetitivos, lo que puede llevar a errores o accidentes debido a un lapso en la concentración y otros trabajos que los humanos pueden encontrar degradantes.
En 2014, China, Japón, Estados Unidos, la República de Corea y Alemania sumaron el 70% del volumen total de ventas de robots. En la industria automotriz, un sector con un grado particularmente alto de automatización, Japón tenía la mayor densidad de robots industriales en el mundo: 1.414 por cada 10.000 empleados.
Hospitales y medicina
Las redes neuronales artificiales se utilizan como sistemas de apoyo a la decisión clínica para el diagnóstico médico, como en la tecnología de Procesamiento de conceptos en el software EMR.
Otras tareas en la medicina que potencialmente pueden ser realizadas por inteligencia artificial y que están comenzando a desarrollarse incluyen:
Interpretación asistida por ordenador de imágenes médicas. Dichos sistemas ayudan a escanear imágenes digitales, por ejemplo, de tomografía computarizada, para apariencias típicas y para resaltar secciones visibles, como posibles enfermedades. Una aplicación típica es la detección de un tumor.
Análisis del sonido del corazón
Robots acompañantes para el cuidado de personas mayores.
Expedientes médicos mineros para brindar información más útil.
Diseñar planes de tratamiento.
Asistir en trabajos repetitivos incluyendo manejo de medicamentos.
Proporcionar consultas.
Creación de drogas
Uso de avatares en lugar de pacientes para entrenamiento clínico.
Predecir la probabilidad de muerte por procedimientos quirúrgicos
Predecir la progresión del VIH
Actualmente, hay más de 90 startups de IA en la industria de la salud que trabajan en estos campos.
La primera solución de IDx, IDx-DR, es el primer sistema de diagnóstico autónomo basado en AI autorizado por la FDA para su comercialización.
Recursos humanos y reclutamiento.
Otra aplicación de la IA es en el espacio de recursos humanos y reclutamiento. Hay tres formas en que los recursos humanos y los profesionales de reclutamiento utilizan la IA. AI se utiliza para seleccionar currículums y clasificar candidatos según su nivel de calificación. Ai también se usa para predecir el éxito del candidato en roles dados a través de plataformas de búsqueda de trabajo. Y ahora, AI está implementando bots de chat que pueden automatizar tareas de comunicación repetitivas.
Por lo general, la selección del currículum implica que un reclutador u otro profesional de recursos humanos escanee a través de una base de datos de currículos. Ahora, nuevas empresas como Pomato, están creando algoritmos de aprendizaje automático para automatizar los procesos de selección de currículum. La evaluación de currículum vitae de Pomato AI se centra en automatizar la validación de solicitantes técnicos para firmas de personal técnico. La IA de Pomato realiza más de 200,000 cálculos en cada currículum en segundos y luego diseña una entrevista técnica personalizada basada en las habilidades minadas. KE Solutions, fundada en 2014, ha desarrollado sistemas de recomendación para clasificar los puestos de trabajo de los candidatos y los currículos de los empleadores. jobster.io, desarrollado por KE Solutions utiliza una búsqueda basada en conceptos, ha aumentado la precisión en un 80% en comparación con el ATS tradicional. Ayuda a los reclutadores a superar las barreras técnicas.
De 2016 a 2017, la empresa de bienes de consumo Unilever utilizó inteligencia artificial para evaluar a todos los empleados de nivel de entrada. La IA de Unilever usó juegos basados en neurociencia, entrevistas grabadas y análisis facial / del habla para predecir el éxito de la contratación. Unilever se asoció con Pymetrics y HireVue para habilitar su novedoso examen basado en IA y aumentó sus solicitantes de 15,000 a 30,000 en un solo año. El reclutamiento con AI también produjo la «clase más diversa hasta la fecha» de Unililever. Unilever también redujo el tiempo de contratación de 4 meses a 4 semanas y ahorró más de 50,000 horas de tiempo de reclutamiento.
Desde la selección de currículums hasta la neurociencia, el reconocimiento del habla y el análisis facial … está claro que AI está teniendo un impacto masivo en el campo de los recursos humanos. Otro desarrollo más en la IA es el reclutamiento de chatbots. TextRecruit, una nueva empresa de Bay Area, lanzó Ari (interfaz de reclutamiento automático). Ari es un chatbot de reclutamiento que está diseñado para mantener conversaciones bidireccionales de mensajes de texto con candidatos. Ari automatiza la publicación de trabajos, la apertura de anuncios, la selección de candidatos, la programación de entrevistas y el fomento de las relaciones de los candidatos con actualizaciones a medida que avanzan a lo largo del embudo de contratación. Ari se ofrece actualmente como parte de la plataforma de participación de candidatos de TextRecruit.
Márketing
Los campos del marketing y la inteligencia artificial convergen en sistemas que ayudan en áreas como la previsión del mercado y la automatización de los procesos y la toma de decisiones, junto con una mayor eficiencia de las tareas que normalmente realizan los humanos. La ciencia detrás de estos sistemas se puede explicar a través de redes neuronales y sistemas expertos, programas de computadora que procesan la información y proporcionan una salida valiosa para los vendedores.
Los sistemas de inteligencia artificial derivados de la tecnología de computación social pueden aplicarse para comprender las redes sociales en la Web. Las técnicas de minería de datos se pueden utilizar para analizar diferentes tipos de redes sociales. Este análisis ayuda a un comercializador a identificar actores o nodos influyentes dentro de las redes, información que luego puede aplicarse para adoptar un enfoque de marketing social.
Medios de comunicación
Algunas aplicaciones de inteligencia artificial están orientadas al análisis de contenido de medios audiovisuales como películas, programas de televisión, videos publicitarios o contenido generado por el usuario. Las soluciones a menudo involucran la visión por computadora, que es un área de aplicación importante de la IA.
Los escenarios de casos de uso típicos incluyen el análisis de imágenes mediante el reconocimiento de objetos o técnicas de reconocimiento facial, o el análisis de video para reconocer escenas, objetos o caras relevantes. La motivación para utilizar el análisis de medios basado en la inteligencia artificial puede ser, entre otras cosas, la facilitación de la búsqueda de medios, la creación de un conjunto de palabras clave descriptivas para un elemento de medios, el monitoreo de políticas de contenido de medios (como la verificación de la idoneidad del contenido para un particular). Tiempo de visualización de TV), discurso a texto para archivar u otros fines, y la detección de logotipos, productos o rostros de celebridades para la colocación de anuncios relevantes.
Análisis de medios Las empresas de inteligencia artificial suelen ofrecer sus servicios a través de una API REST que permite el acceso automático a la tecnología basado en la máquina y permite la lectura automática de los resultados. Por ejemplo, IBM, Microsoft, Amazon y la compañía de video AI Valossa permiten el acceso a su tecnología de reconocimiento de medios mediante el uso de API RESTful.
Música
Si bien la evolución de la música siempre se ha visto afectada por la tecnología, la inteligencia artificial ha permitido, a través de los avances científicos, emular, en cierta medida, la composición de tipo humano.
Entre los notables esfuerzos iniciales, David Cope creó una IA llamada Emily Howell que logró ser conocida en el campo de la música computacional algorítmica. El algoritmo detrás de Emily Howell está registrado como una patente estadounidense.
The AI Iamus creó en 2012 el primer álbum clásico completo completamente compuesto por una computadora.
Otros esfuerzos, como AIVA (Artista Virtual Intelligence Artist), se centran en la composición de música sinfónica, principalmente música clásica para partituras de películas. Logró una primicia mundial al convertirse en el primer compositor virtual en ser reconocido por una asociación musical profesional.
Las inteligencias artificiales pueden incluso producir música utilizable en un entorno médico, con el esfuerzo de Melomics por usar música generada por computadora para aliviar el estrés y aliviar el dolor.
Además, iniciativas como Google Magenta, llevadas a cabo por el equipo de Google Brain, quieren descubrir si una inteligencia artificial puede ser capaz de crear arte convincente.
En el laboratorio de investigación CSL de Sony, su software Flow Machines ha creado canciones pop aprendiendo estilos de música de una enorme base de datos de canciones. Al analizar combinaciones únicas de estilos y técnicas de optimización, puede componer en cualquier estilo.
Otro proyecto de composición musical de inteligencia artificial, The Watson Beat, escrito por IBM Research, no necesita una gran base de datos de música como los proyectos Google Magenta y Flow Machines, ya que utiliza Reinforcement Learning y Deep Belief Networks para componer música en una semilla simple. Entrada de melodía y un estilo selecto. Desde que el software ha sido abierto, músicos de origen, como Taryn Southern, han estado colaborando con el proyecto para crear música.
Noticias, publicaciones y redacción.
La compañía Narrative Science hace que las noticias y los informes generados por computadora estén disponibles comercialmente, incluido el resumen de los eventos deportivos en equipo basados en datos estadísticos del juego en inglés. También crea informes financieros y análisis de bienes raíces. Del mismo modo, la empresa Automated Insights genera resúmenes personalizados y vistas previas para Yahoo Sports Fantasy Football. Se proyecta que la compañía genere mil millones de historias en 2014, frente a 350 millones en 2013.
Echobox es una compañía de software que ayuda a los editores a aumentar el tráfico publicando artículos «inteligentemente» en plataformas de redes sociales como Facebook y Twitter. Al analizar grandes cantidades de datos, aprende cómo audiencias específicas responden a diferentes artículos en diferentes momentos del día. Luego elige las mejores historias para publicar y los mejores momentos para publicarlas. Utiliza datos históricos y en tiempo real para comprender lo que ha funcionado bien en el pasado y lo que actualmente es una tendencia en la web.
Otra compañía, llamada Yseop, utiliza inteligencia artificial para convertir datos estructurados en comentarios y recomendaciones inteligentes en lenguaje natural. Yseop puede escribir informes financieros, resúmenes ejecutivos, ventas personalizadas o documentos de marketing y más a una velocidad de miles de páginas por segundo y en varios idiomas, incluyendo inglés, español, francés y alemán.
Boomtrain es otro ejemplo de AI que está diseñado para aprender cómo involucrar mejor a cada lector individual con los artículos exactos, enviados a través del canal correcto en el momento adecuado, que serán los más relevantes para el lector. Es como contratar un editor personal para cada lector individual para curar la experiencia de lectura perfecta.
También existe la posibilidad de que AI escriba el trabajo en el futuro. En 2016, una IA japonesa coescribió un cuento y casi ganó un premio literario.
Servicio de atención al cliente en línea y por teléfono.
La inteligencia artificial se implementa en asistentes automatizados en línea que pueden verse como avatares en las páginas web. Puede servir a las empresas para reducir su costo de operación y capacitación. Una importante tecnología subyacente a tales sistemas es el procesamiento del lenguaje natural. Pypestream utiliza el servicio al cliente automatizado para su aplicación móvil diseñada para agilizar la comunicación con los clientes.
Actualmente, las principales empresas están invirtiendo en inteligencia artificial para manejar clientes difíciles en el futuro. El desarrollo más reciente de Google analiza el lenguaje y convierte el habla en texto. La plataforma puede identificar clientes enojados a través de su idioma y responder adecuadamente.
Sensores
La inteligencia artificial se ha combinado con muchas tecnologías de sensores, como Digital SpectrometryTM de IdeaCuria Inc., que permite muchas aplicaciones, como el monitoreo de la calidad del agua en el hogar.
Mantenimiento de telecomunicaciones
Muchas empresas de telecomunicaciones hacen uso de la búsqueda heurística en la administración de sus fuerzas de trabajo, por ejemplo, BT Group ha implementado la búsqueda heurística en una aplicación de programación que proporciona los horarios de trabajo de 20,000 ingenieros.
Juguetes y juegos
En la década de 1990 se produjeron algunos de los primeros intentos de producir en masa tipos de Inteligencia Artificial básica con fines domésticos para la educación o el ocio. Esto prosperó enormemente con la Revolución digital, y ayudó a introducir a las personas, especialmente a los niños, a una vida de tratar con varios tipos de Inteligencia Artificial, específicamente en forma de Tamagotchis y Giga Pets, iPod Touch, Internet y el primer robot ampliamente lanzado. , Furby. Apenas un año después, se lanzó un tipo mejorado de robot doméstico en forma de Aibo, un perro robótico con características inteligentes y autonomía.
Compañías como Mattel han estado creando una variedad de juguetes habilitados para la IA para niños desde los tres años. Usando motores de IA y herramientas de reconocimiento de voz patentados, pueden entender conversaciones, dar respuestas inteligentes y aprender rápidamente.
La IA también se ha aplicado a los videojuegos, por ejemplo, los robots de videojuegos, que están diseñados para presentarse como oponentes donde los humanos no están disponibles o no desean.
Transporte
Se han desarrollado controladores lógicos difusos para cajas de cambios automáticas en automóviles. Por ejemplo, el 2006 Audi TT, VW Touareg y VW Caravell cuentan con la transmisión DSP que utiliza Fuzzy Logic. Algunas variantes de Škoda (Škoda Fabia) también incluyen actualmente un controlador basado en lógica difusa.
Los automóviles de hoy cuentan con funciones de asistencia al conductor basadas en la IA, como el estacionamiento y los controles avanzados de crucero. La IA se ha utilizado para optimizar las aplicaciones de gestión de tráfico, que a su vez reduce los tiempos de espera, el uso de energía y las emisiones hasta en un 25 por ciento. En el futuro, se desarrollarán autos totalmente autónomos. Se espera que AI en el transporte proporcione un transporte seguro, eficiente y confiable al tiempo que minimiza el impacto en el medio ambiente y las comunidades. El mayor desafío para desarrollar esta IA es el hecho de que los sistemas de transporte son sistemas intrínsecamente complejos que involucran un gran número de componentes y partes diferentes, cada una con objetivos diferentes y con frecuencia en conflicto.
Otro
Varias herramientas de inteligencia artificial también se están implementando ampliamente en seguridad nacional, reconocimiento de voz y texto, minería de datos y filtrado de correo electrónico no deseado. También se están desarrollando aplicaciones para el reconocimiento de gestos (comprensión del lenguaje de señas por máquinas), reconocimiento de voz individual, reconocimiento de voz global (de una variedad de personas en una habitación ruidosa), reconocimiento de expresiones faciales para la interpretación de emociones y señales no verbales. Otras aplicaciones son la navegación con robots, la evitación de obstáculos y el reconocimiento de objetos.
Lista de aplicaciones
Problemas típicos a los que se aplican los métodos de IA.
Reconocimiento óptico de caracteres
Reconocimiento de escritura a mano
Reconocimiento de voz
Reconocimiento facial
Creatividad artificial
Visión por computador, realidad virtual y procesamiento de imágenes.
Manipulación de fotos y videos.
Diagnóstico (inteligencia artificial)
Teoría de juegos y planificación estratégica.
Juego de inteligencia artificial y bot de juegos de computadora.
Procesamiento de lenguaje natural, traducción y chatterbots.
Control no lineal y robótica.
Otros campos en los que se implementan métodos de IA.
Vida artificial
Razonamiento automatizado
Automatización
Informática de inspiración biológica.
Concepto de mineria
Minería de datos
Representación del conocimiento
Web semántica
Filtrado de correo no deseado
Robótica
Robótica basada en el comportamiento
Cognitivo
Cibernética
Robótica del desarrollo (epigenética)
Robótica evolutiva
Sistema inteligente hibrido
Agente inteligente
Control inteligente
Litigio