¿Qué es la inteligencia artificial?
La inteligencia artificial (IA) es una rama de la informática que se centra en la construcción y gestión de tecnología que puede aprender a tomar decisiones de forma autónoma y llevar a cabo acciones en nombre de un ser humano. Es decir, la inteligencia artificial es un campo, que combina la informática y conjuntos de datos robustos, para permitir la resolución de problemas.
Tipos de inteligencia artificial
- La IA reactiva se basa en datos en tiempo real para tomar decisiones.
- Limited Memory AI se basa en datos almacenados para tomar decisiones.
- La teoría de la mente AI puede considerar elementos subjetivos como la intención del usuario al tomar decisiones.
- La IA autoconsciente posee una conciencia similar a la humana que es capaz de establecer objetivos de forma independiente y utilizar los datos para decidir la mejor manera de lograr un objetivo.
¿Cómo se ha desarrollado la inteligencia artificial?
El desarrollo de la inteligencia artificial se ha dado en gran medida al estudio de las neurociencias y también la llegada de procesadores más potentes y cantidades cada vez mayores de datos de entrenamiento. Una mejor comprensión de los cerebros biológicos, desempeña un papel vital en la construcción de máquinas inteligentes ya que el concepto tras ella son las redes neuronales.
¿Qué son las redes neuronales?
Las redes neuronales son modelos simples del funcionamiento del sistema nervioso. Las unidades básicas son las neuronas, que generalmente se organizan en capas y se conectan entre sí emulando las sinapsis. En sí, una red neuronal es un modelo simplificado que emula el modo en que el cerebro humano procesa la información.
¿Cómo funcionan?
Funcionan a través de organizar las unidades de procesamiento en capas, teniendo una capa de entrada de los datos, una serie de capas ocultas y una capa de salida. Las unidades se conectan con fuerzas de conexión variables (o ponderaciones).
¿Cómo se le enseña a la red?
La red aprende examinando los registros individuales, generando una predicción para cada registro y realizando ajustes a las ponderaciones cuando realiza una predicción incorrecta. Este proceso se repite muchas veces y la red sigue mejorando sus predicciones hasta haber alcanzado uno o varios criterios de parada.Al principio, todas las ponderaciones son aleatorias y las respuestas que resultan de la red son, posiblemente, disparatadas. La red aprende a través del entrenamiento.
¿Cuál es su relación con la bioinformática?
Las aplicaciones bioinformáticas son principalmente herramientas de software que ayudan a generar y almacenar conocimiento biológico útil al integrarlas con la tecnología de IA pueden ayudar a generar esa información mucho más rápido y también ayudar a hacer predicciones a partir de eso. Las herramientas bioinformáticas de IA facilitan la creación de métodos avanzados para la comparación de secuencias biológicas, la gestión del conocimiento y la interacción proteína-proteína.
¿Qué tipo de análisis pueden utilizar machine learning?
- Secuenciación del genoma
- Análisis de expresión génica
- Clasificación de proteínas
- Modelado estructural de proteínas
- El diseño de fármacos
Referencia:
- Savage N. How AI and neuroscience drive each other forwards. Nature. 2019 Jul;571(7766):S15-S17. doi: 10.1038/d41586-019-02212-4. PMID: 31341311.
- Majhi V., Paul S. (2020) Artificial Intelligence in Bioinformatics. In: Jain S., Sood M., Paul S. (eds) Advances in Computational Intelligence Techniques. Algorithms for Intelligent Systems. Springer, Singapore. https://doi.org/10.1007/978-981-15-2620-6_12
