Next Web: web 3.0, web semántica y el futuro de internet > ia

    sortFiltrar Ordenar
    7 results

    Hyperlink

    /

    Published on 2.10.2019 by Equipo GNOSS

    El potencial de los Grafos de Conocimiento en los mercados financieros para descubrir conexiones entre conjuntos de datos

    En el complejo mundo digital actual, la capacidad de organizar y establecer enlaces entre diversos tipos de datos tiene el potencial de resolver desafíos comerciales reales en toda la industria financiera.

    El crecimiento en volumen y variedad de datos está impulsando a las empresas de todas las industrias a buscar formas automatizadas de generar información y decisiones a partir de estos datos.

    Una forma de lograr esto es mediante la aplicación del procesamiento del lenguaje natural (PNL) y la tecnología Knowledge Graph a conjuntos de datos, para etiquetar y presentar información (particularmente difícil de manejar conjuntos de datos textuales) para descubrir conexiones y conocimientos previamente ocultos.

    Este es el escenario que nos presentan Geoff Horrell, Director de Innovación Aplicada de London Lab, y Edin Zajmovic, Director de soluciones BOLD (Big, Open, Linked, Data) en este artículo publicado en Refinitiv, que recoge las ventajas que la tecnología de procesamiento y comprensión del lenguaje natural (NLP/NLU) y los grafos de Conocicmiento, aportan a los mercados financieros.

    Lee la totalidad del artículo en el siguiente enlace: 

    https://www.refinitiv.com/perspectives/ai-digitalization/helping-data-scientists-to-map-a-knowledge-graph-future/

     

    ...

    Hyperlink

    /

    Published on 22.8.2019 by Equipo GNOSS

    Los grafos de conocimiento de nuevo en 2019 el 'Hype Cycle for Emerging Technologies de Gartner

    Los Grafos de Conocimiento siguen en 2019 en la zona de subida del Hype Cycle for Emerging Technologies 2019 de Gartner. Los encontramos por primera vez en los 'hype cycle' de Gartner el año pasado tanto en el de Emerging Technologies como en el de Inteligencia Artificial 2018.

    Este año agrupa las tecnologías emergentes en 5 tendencias:

    • Sensorización y movilidad.
    • Humanos aumentados.
    • Computación y comunicación "postclásicas".
    • Ecosistemas digitales.
    • Inteligencia Artificial avanzada y analítica.

    Gartner publicó su informe el 2 de agosto de 2019 en: https://www.gartner.com/en/documents/3956015 (puedes ver el resumen y la tabla de contenidos más abajo) y el 29 de agosto un resumen de su informe en el que comenta las novedades respecto a estas cinco tendencia. Puedes leer el artículo en el siguiente enlace: https://www.gartner.com/smarterwithgartner/5-trends-appear-on-the-gartner-hype-cycle-for-emerging-technologies-2019/

    Published: 06 August 2019

    ID: G00370466

    Analyst(s): David Smith , Brian Burke

    Summary:

    The 2019 Hype Cycle highlights the emerging technologies with significant impact on business, society and people over the next five to 10 years. This year includes technologies that promise to deliver a global low-latency internet, create a virtual map of the real world and mimic human creativity.

    Table of contents:

    Analysis

    • What You Need to Know
    • The Hype Cycle
    • The Priority Matrix
    • Off the Hype Cycle
    • On the Rise
      • Biotech — Cultured or Artificial Tissue
      • Immersive Workspaces
      • AR Cloud
      • Decentralized Web
      • Generative Adversarial Networks
      • Adaptive ML
      • DigitalOps
      • Decentralized Autonomous Organization
      • Nanoscale 3D Printing
      • Augmented Intelligence
      • Flying Autonomous Vehicles
      • Transfer Learning
      • Emotion AI
      • Light Cargo Delivery Drones
      • Synthetic Data
      • Knowledge Graphs
      • Personification
      • Explainable AI
    • At the Peak
      • Edge AI
      • Low Earth Orbit Satellite Systems
      • Autonomous Driving Level 5
      • Edge Analytics
      • AI PaaS
      • Biochips
      • 5G
      • Graph Analytics
    • Sliding Into the Trough
      • Next-Generation Memory
      • 3D Sensing Cameras
      • Autonomous Driving Level 4
    • Appendixes
      • Hype Cycle Phases, Benefit Ratings and Maturity Levels

    ...

    Pdf

    /

    Published on 25.6.2019 by Equipo GNOSS

    ProFuturo y la UNESCO presentan los seis retos de  la IA en la educación

    La Fundación Telefónica ha presentado en un evento oficial su informe 'Inteligencia Artificial en Educación: retos y oportunidades para el desarrollo', un documento estructurado en tres partes que aborda los seis retos principales que presenta la Inteligencia Artificial como motor para el desarrollo de la educación, enfocado a entornos vulnerables. 

    Tal y como nos presenta Profuturo en la introducción del documento, la primera parte trata sobre cómo la IA puede ayudar a mejorar la educación y la enseñanza a través de casos prácticos, ofreciendo ejemplos sobre el modo en que la tecnología de IA puede ayudar a los sistemas educativos a utilizar datos para mejorar la calidad y equidad educativas en los países en vía de desarrollo.

    La segunda sobre la preparación de los estudiantes para prosperar en un futuro saturado de IA así como el cambio necesario en el sistema educativo para afrontar un mundo con la IA, explorando experiencias de gobiernos e instituciones educativas.

    La tercera cierra con un resumen de los 6 principales retos e implicaciones en política pública para la introducción de la IA en educación y de cómo preparar a los estudiantes para un contexto impulsado por la IA. Estos retos se basan en: desarrollar una política pública exhaustiva sobre la IA para el desarrollo; garantizar un uso inclusivo y equitativo de la IA en la educación; preparar a los profesores para una educación impulsada por la IA; desarrollar sistemas de datos inclusivos y de calidad; conseguir que la investigación sobre la IA en educación sea significativa y el último sobre la ética y la transparencia en la recopilación, uso y divulgación de los datos.

    Finalmente, el documento acaba con una invitación para abrir nuevos debates en torno a los usos, posibilidades y riesgos de la IA en la educación para el desarrollo.

    ...

    Video

    /

    Published on 1.10.2018 by Equipo GNOSS

    Don't fear intelligent machines. Work with them (Garry Kasparov. TED)

    Debemos enfrentar nuestros temores si queremos aprovechar al máximo la tecnología, y debemos vencer esos temores si queremos sacar lo mejor de la humanidad, dice Garry Kasparov. Uno de los mejores jugadores de ajedrez de la historia, Kasparov perdió un partido memorable con la supercomputadora IBM Deep Blue en 1997. Ahora comparte su visión de un futuro donde las máquinas inteligentes nos ayudan a convertir nuestros sueños más grandiosos en realidad.

    Kasparov señala en esta charla TED  que "la inteligencia artificial avanza tan rápido, que de hecho no es el futuro, sino el presente que ya vivimos. [...] Como alguien que se enfrentó con máquinas, puedo decirles que estas son excelentes noticias. Eventualmente, cada profesión tendrá que sentir esta presión, o bien significará que la humanidad ha dejado de hacer progresos. No podemos elegir cuándo o dónde se detiene el progreso tecnológico, no podemos retrasarlo. De hecho, tenemos que acelerarlo”.
     

    ...

    Categorías:

    Hyperlink

    /

    Published on 1.8.2018 by Equipo GNOSS

    La construcción del Grafo de Conocimiento en Linkedin

    El director de Inteligencia Artificial de Linkedin explica en este artículo como Linkedin está construyendo su Grafo de Conocimiento.

    LinkedIn knowledge Graph es una gran base de conocimiento construida sobre "entidades" en LinkedIn, como miembros, trabajos, títulos, habilidades, compañías, ubicaciones geográficas, escuelas, etc. Estas entidades y las relaciones entre ellas forman la ontología del mundo profesional y son utilizados por LinkedIn para mejorar sus sistemas de recomendación, búsqueda, monetización y productos de consumo, negocios y análisis del consumidor.

    En este artículo el autor explica como aplican técnicas de Machine Learning para resolver los desafíos al crear el grafo de conocimiento, que es esencialmente un proceso de estandarización de datos sobre contenido generado por el usuario y fuentes de datos externas, en el que el aprendizaje automático se aplica:

    • la construcción taxonómica de entidades
    • la inferencia de relaciones entre entidades,
    • la representación de datos para consumidores de datos descendentes
    • la penetración de conocimiento (información) a partir del grafo 
    • la adquisición activa de datos de los usuarios para validar nuestra inferencia y recopilar datos de capacitación.

    El grafo de conocimiento de LinkedIn es un grafo dinámico. Las nuevas entidades se agregan al grafo y las nuevas relaciones se forman continuamente. Las relaciones existentes también pueden cambiar. Por ejemplo, el mapeo de un miembro a su título actual cambia cuando tiene un nuevo trabajo. Por tanto, hay que actualizar el grafo de conocimiento de LinkedIn en tiempo real cuando se produzcan cambios en el perfil de los miembros y nuevas entidades emergentes.

    ...

    Hyperlink

    /

    Published on 1.5.2018 by Equipo GNOSS

    Proust y la IA: cómo la literatura puede ser valiosa para la analítica de datos. BBVA

    Ángel Pérez reflexiona en este artículo sobre los modelos literarios como una forma de aprendizaje para que las máquinas puedan entender mejor cómo pensamos los seres humanos.

    ...

    Note

    /

    Published on 26.5.2010 by Luis Criado

    TITULO DEL CURSO: Inteligencia Artificial en la Web

     

    Guadalajara, del miércoles 28/07/10 al viernes 30/07/10

    Departamento de INTELIGENCIA ARTIFICIAL, ESCUELA TÉC. SUP. DE INGENIERÍA INFORMÁTICA

     

    El curso pretende acercar al alumno, no necesariamente experto en tecnologías de la Web, al estado de la cuestión en la nueva concepción de la Web como un recurso distribuido de la inteligencia y del conocimiento.
    El curso explora las fronteras de la expresión de semántica en la Web como representación formal y distribuida de un conocimiento, y la aplicación de todo el paquete de técnicas propias de la Inteligencia Artificial (IA) que facilitan el modelado de ese conocimiento, su organización eficiente, y el razonamiento sobre el mismo, en su aplicación en la Web.

     

     

    Miércoles, 28 de julio

    11:00

    Inauguración del curso

    12:00

    Inteligencia Artificial en la Web. Ontologías y Web Semántica
    Rafael Martínez Tomás y Javier Macías del Campo

    17:00

    Aplicaciones de la IA en la Web
    José Manuel Molina López

     

     

    Jueves, 29 de julio

    10:00

    Descripción de semántica mediante lógicas descriptivas
    José Luis Fernández Vindel

    12:00

    Desde la búsqueda por términos hasta una verdadera búsqueda semántica
    Luis Criado Fernández

    17:00

    Interoperabilidad semántica. Aplicación en biomedicina
    María Jesús Taboada Iglesias

    19:00

    Agentes inteligentes en la Web
    Antonio Fernández Caballero

     

    Viernes, 30 de julio

    10:00

    Sistemas de agrupamiento automático (clustering) en documentos mediante técnicas de softcomputing: Aplicaciones de algoritmos genéticos
    José Raúl Fernández del Castillo Díez

    12:00

    Inteligencia Ambiental basada en tecnologías de la Web Semántica
    José Tomás Palma y Juan Botía Blaya

    14:00

    Clausura del curso y entrega de diplomas

     

    Información sobre la sede del curso: www.uned.es/ca-guadalajara

    Matrícula y otra información de interés: www.uned.es/cursos-verano

    Si precisa cualquier otra información o tiene alguna duda, está a su disposición el Coordinador del curso (Javier Macías del Campo) en el correo jmacias@guadalajara.uned.es

    ...