Para ver este sitio web deber tener activado JavaScript en tu navegador. Haz click aqui para ver como activar Javascript

“Gracias a estos patrones, la IA puede tomar decisiones de forma autónoma, o ayudar a que sean las personas las que aprovechen la información generada para decidir qué acción tomar”

Los algoritmos de machine learning está llamados a transformar la forma de diagnosticar y tratar las enfermedades.

En el artículo anterior vimos cómo la IA (Inteligencia Artificial) se alimenta de datos a través de los cuales los algoritmos pueden detectar patrones que una persona no podría descubrir por sí misma. Gracias a estos patrones, la IA puede tomar decisiones de forma autónoma, o ayudar a que sean las personas las que aprovechen la información generada para decidir qué acción tomar.

Es indiscutible que la IA tiene un papel fundamental en la transformación digital de la sociedad; de hecho, se ha convertido en una prioridad para la UE, quien la divide en dos grandes grupos: de software e integrado.

Las de software se utilizan habitualmente en asistentes virtuales o chatbots, análisis de imágenes, motores de búsqueda y sistemas de reconocimiento de voz y rostro. Por otro lado, las integradas se relacionan con la tecnología del Internet de las cosas (IOT), robots, drones o vehículos autónomos.

En realidad, hay otras clasificaciones, por ejemplo, en función de su funcionamiento, según se basen en funcionalidades y el desarrollo de capacidades. A continuación, veremos unos ejemplos.

Basada en funcionalidades

Se trata de un tipo de IA con la capacidad de resolver problemas concretos; sin embargo, carece de memoria, por tanto no es capaz de aprender de su propia experiencia. Un ejemplo es la computadora Deep Blue, diseñada por IBM, la cual, analizando todas las posibilidades que ofrecen las piezas sobre un tablero de ajedrez, fue capaz de derrotar a Garri Kasparov, considerado el mejor ajedrecista del momento.

Basada en capacidades

A diferencia de la anterior, este tipo de IA sí cuenta con memoria, aunque esta es limitada, restringiendo su uso a acciones concretas. Un ejemplo pueden ser los coches autónomos, los cuales, son capaces de reconocer que hay un bache en un determinado punto de una vía. Cada vez que vuelva a pasar por ahí, el vehículo se acordará de la incidencia y podrá moderar la velocidad, o directamente esquivar el socavón.

Machine learning o aprendizaje automático

Como su nombre indica, es un tipo de IA cuya base es su capacidad de aprendizaje, pudiendo mejorar los resultados a base de entrenamiento. Digamos que la “máquina” aprende reconociendo patrones en función de los datos disponibles. A medida que aumenta el flujo de datos, mejora su capacidad para hacer predicciones, pudiendo tomar decisiones más exactas.

Uno de los campos más desarrollados es el de la medicina, donde la IA tiene el potencial de revolucionar la forma en que se diagnostican y tratan las enfermedades. Un ejemplo es el tratamiento de imágenes médicas. Comparando miles de imágenes sobre una determinada enfermedad en distintos estadios, los algoritmos pueden detectar patrones que los médicos podrían haber pasado por alto. Esto puede conducir a diagnósticos más precoces y precisos.

Además, la IA puede ayudar a los médicos a tomar decisiones más exactas sobre el tratamiento a realizar. Analizando grandes cantidades de datos, historias clínicas y pruebas médicas de millones de pacientes, puede ofrecer al médico soluciones mucho más personalizadas para cada paciente.

No hay comentarios todavía

Los comentarios están cerrados