XM78 - Fábrica digital y automatizada

INTELIGENCIA ARTIFICIAL 19 2. Las redes neuronales recurrentes (RNN) se utilizan para modelos de aprendizaje profundo en los que las características y los patrones cambian con el tiempo. En lugar de ingerir y producir instantáneas de datos, las RNNs ingieren y producen secuencias de datos. Las RNNs impulsan aplicaciones emergentes como el recono- cimiento de voz y los coches sin conductor. APLICACIONES DEL DEEP LEARNING Las aplicaciones de Deep Learning en el mundo real forman parte de nuestra vida cotidiana, pero en la mayoría de los casos están tan bien integradas en los productos y servicios que los usuarios no son conscientes del complejo procesamiento de datos que tiene lugar en segundo plano. Algunos de estos ejemplos son los siguientes: Aplicación de la ley Los algoritmos de Deep Learning pue- den analizar y aprender de los datos de las transacciones para identificar patrones peligrosos que indiquen una posible actividad fraudulenta o delictiva. El reconocimiento del habla, la visión por computadora y otras aplicaciones de Deep Learning pueden mejorar la eficiencia y la efica- cia del análisis investigativo al extraer patrones y pruebas de grabaciones de sonido y vídeo, imágenes y docu- mentos, lo que ayuda a las fuerzas del orden a analizar grandes canti- dades de datos con mayor rapidez y precisión. Servicios financieros Las instituciones financieras utilizan regularmente el análisis predictivo para impulsar el comercio algorít- mico de acciones, evaluar los riesgos empresariales para la aprobación de préstamos, detectar el fraude y ayudar a gestionar las carteras de crédito e inversión de los clientes. Servicio de atención al cliente Muchas organizaciones incorporan la tecnología de aprendizaje profundo en sus procesos de servicio al cliente. Los robots de chat, utilizados en una variedad de aplicaciones, servicios y portales de atención al cliente, son una forma sencilla de IA. Los chatbots tra- dicionales utilizan un lenguaje natural e incluso reconocimiento visual, que se encuentra comúnmente en los menús de los centros de llamadas. Sin embargo, las soluciones más sofisticadas de los chatbots intentan determinar, a través del aprendizaje, si hay múltiples respuestas a preguntas ambiguas. Basándose en las respues- tas que recibe, el chatbot intenta entonces responder a esas preguntas directamente o agilizar la transición del diálogo a un usuario humano. Los asistentes virtuales como Siri de Apple, Amazon Alexa o Google Assistant añaden una tercera dimensión al concepto de chatbot al combinar las capacidades de aprendizaje profundo con la tecnología subyacente. Estas innovaciones de la ciencia de los datos permiten el reconocimiento de voz y respuestas personalizadas, dando como resultado una experiencia per- sonalizada para los usuarios. Asistencia sanitaria La industria de la salud se ha benefi- ciado enormemente de la capacidad de aprendizaje profundo desde la digi- talización de los registros e imágenes de los hospitales. Las aplicaciones de reconocimiento de imágenes pueden servir de apoyo a los especialistas en imágenes médicas y a los radiólogos, ayudándoles a analizar y evaluar más imágenes en menos tiempo. n