Hola a todos, soy Victoria Martín, he estado realizando un proyecto centrado en la detección con IA del desarrollo anormal de los bebés mediante sus llantos.
Para que la IA pueda detectar los patrones necesarios para un diagnóstico más preciso, esta se debe entrenar. Debido a que esta nueva tecnología es útil para muchos ámbitos, existen varios tipos de entrenamientos.
En primer lugar, encontramos el aprendizaje supervisado que consiste en que la IA aprenda a partir de datos etiquetados y que, de esta manera, consiga detectar ciertos patrones, pero debe requiere muchos datos lo que podría ser considerado un inconveniente.
A continuación, encontramos el aprendizaje no supervisado donde busca patrones en datos no etiquetados, pero no garantiza respuestas precisas pues encuentra patrones sin saber el resultado final.
Finalmente, se encuentra el aprendizaje por refuerzo, que enseña con el método de ensayo y error, corrigiendo fallos, aunque es lento y costoso.
Específicamente, en mi trabajo, se entrenan a las redes neuronales de la IA mediante el aprendizaje supervisado ya que se dispondría de llantos de niños que acabaían teniendo un mal desarrollo. (Conseguir que la IA detecta anormalidades en los llantos que sean indicadores de un mal desarrollo)
A pesar de que la IA cada vez más consigue perfeccionar sus resultados, uno de los mayores desafíos y desventajas de esta es el denominado efecto de caja negra. Este consiste en la falta de transparencia en los algoritmos de la IA por lo que no sirve como método único de diagnóstico sino que debe estar seguido un especialista
https://immersia.eu/la-caja-negra-en-la-inteligencia-artificial/#:~:text=El%20Efecto%20de%20la%20Caja%20Negra&text=Este%20t%C3%A9rmino%20se%20refiere%20a,a%20ciertas%20conclusiones%20o%20predicciones¿Vosotros utilizáis algún método en vuestros proyectos?
Victoria