Unitat 4. Aplicació de la intel·ligència artificial

4.1. Intel·ligència artificial

L’IA es defineix com el conjunt de tècniques que permeten a les màquines dur a terme tasques que habitualment requereixen intel·ligència humana. Inclou des de sistemes que aprenen d’exemples (aprenentatge automàtic) fins a algorismes que poden raonar o entendre el llenguatge natural.

4.1.1. Exemples d’aplicació

Assistents virtuals (Siri, Alexa, Google Assistant).
Reconeixement d’imatges (visió per computador).
Vehicles autònoms i robòtica.
Xatbots i anàlisi de sentiments (Processament del Llenguatge Natural).
Anàlisi predictiu en màrqueting i finances.

4.2. Tipus d’IA

4.2.1. Intel·ligència artificial tipus I

IA reactiva: Responen a estímuls actuals, sense memòria ni aprenentatge.
IA amb memòria limitada: Poden aprendre de dades recents i millorar les decisions.

4.2.2. Intel·ligència artificial tipus II

Teoria de la ment: Sistemes que podrien entendre emocions i intencions humanes.
Autoconsciència: Hipotètica IA capaç de tenir consciència pròpia.

4.2.3. Robots socials

Robots dissenyats per interactuar de manera empàtica, interpretant gestos, expressions i comportaments humans. S’utilitzen en serveis d’atenció al client, assistència a gent gran, educació, etc.

4.3. Evolució de la IA

Des dels primers sistemes experts de la dècada de 1950, passant pels hiverns de la IA (moment de retallada d’inversions), fins a l’auge actual de l’aprenentatge profund (deep learning) gràcies al big data i a la major potència de càlcul. L’IA actual viu una etapa d’expansió gràcies a la disponibilitat de dades massives i a la computació distribuïda en el núvol.

4.4. La IA i les dades. Protecció de les dades

La major part de sistemes d’IA necessiten grans conjunts de dades per entrenar models. Això fa que la privacitat i la protecció de la informació siguin fonamentals. Normatives com el RGPD a Europa regulen l’ús, el tractament i la conservació de dades personals, assegurant que se’n faci un ús ètic i respectuós.

4.5. Relació de la IA amb els sectors productius o àrees d’aplicació

4.5.1. Impacte de l’automatització i de la IA

L’IA permet automatitzar processos repetitius o perillosos, augmentar la precisió i la velocitat de producció, i oferir serveis personalitzats. També planteja reptes en termes de reconversió laboral i formació.

4.5.2. Disrupció de la indústria

Indústria 4.0: Robòtica avançada, sensors i machine learning per al manteniment predictiu.
Sector financer: Detecció de frau, decisions de crèdit, assessorament automàtic.
Sanitat: Diagnòstic per imatge, ajuda en la presa de decisions clíniques.
Logística: Optimització de rutes, distribució i gestió d’estocs.

4.5.3. Impacte econòmic

Les empreses que adopten IA poden obtenir un avantatge competitiu i reduir costos, a més de crear nous productes i serveis basats en dades.

4.6. Intel·ligència artificial i tractament de les dades

Per a entrenar algorismes d’IA, cal recollir, netejar i organitzar les dades. L’èxit o fracàs d’un projecte d’IA depèn sovint de la qualitat i de la varietat d’aquestes dades, així com de la rigorositat en la seva gestió.

4.6.1. Mineria de dades

Processos d’extracció de coneixement a partir de grans conjunts de dades (detectant patrons, tendències o correlacions). És una etapa clau abans i durant l’entrenament de models d’IA.

4.7. Llenguatges de programació en IA

Python: El més comú, gràcies a llibreries com TensorFlow, PyTorch o Scikit-learn.
R: Popular en entorns estadístics.
Java/C++: Usats en àmbits on la velocitat és crítica (visió per computador, robòtica, sistemes en temps real).

Mapa conceptual

Es pot elaborar un esquema que relacioni els diferents tipus d’IA, els àmbits d’aplicació, les tècniques d’aprenentatge i la necessitat de dades massives per entrenar els models.

Activitats finals

Analitzar casos d’ús de la IA en la indústria local.
Implementació senzilla d’un model de machine learning amb Python.
Debat sobre l’impacte ètic i social de la IA.