Inteligencia Artificial
La Inteligencia Artificial o simplemente IA, podría definirse como una tecnología que permite a las máquinas simular el aprendizaje, la comprensión, la resolución de problemas, la toma de decisiones, la creatividad y la autonomía humanas.
Más allá de esta introducción, no existe una definición única y simple de Inteligencia Artificial porque las herramientas de IA son capaces de realizar tareas en circunstancias variables e impredecibles sin una supervisión humana significativa y pueden aprender de la experiencia y mejorar el rendimiento cuando se exponen a conjuntos de datos.
LogicalDOC contiene un motor de IA de propósito general con el que podrás resolver incluso problemas no estrictamente relacionados con la gestión documental, pero con la ventaja de poder beneficiarte de todo el potencial de un Sistema de Gestión Documental para gestionar grandes volúmenes de datos necesarios para el entrenamiento.
Modelos
Los modelos de IA son programas que implementan un algoritmo diseñado para resolver un problema de la misma manera que lo haría un cerebro humano, también puedes verlos como cerebros artificiales que permiten que los sistemas aprendan de los datos y realicen tareas como análisis, predicción y generación de contenido.
Al momento de escribir este artículo, LogicalDOC proporciona este conjunto de modelos:
- Red neuronal: útil para predecir la categoría o naturaleza de un objeto a partir de datos de entrada.
- Clasificador: utiliza el procesamiento del lenguaje natural (PLN) para catalogar un texto escrito de forma natural.
- Detector de tokens: utiliza el procesamiento del lenguaje natural (PLN) para extraer tokens de un texto escrito de forma natural
Samplers
Los modelos no pueden hacer nada sin haber sido entrenados: como los niños, deben aprender de la experiencia para “entender” cómo resolver un problema determinado.
En IA, esta experiencia se construye a través de un proceso llamado entrenamiento que básicamente presenta al modelo un enorme conjunto de datos de ejemplos. El tamaño y la calidad del conjunto de datos, afectan la capacidad del modelo para identificar patrones en los datos y, por lo tanto, para comprender el problema.
Los samplers son aquellos objetos encargados de recuperar los datos utilizados en el entrenamiento de los modelos.