UNIVERSIDAD MARIANO GALVEZ DE GUATEMALA
CURSO: INTELIGENCIA ARTIFICIAL
Laboratorio #4
Mario Augusto Avila Asigtuj
Defina Que es Reconocimiento de Patrones en la Inteligencia Artificial.
El reconocimiento de patrones es una tarea que consiste en identificar objetos o
comportamientos que se repiten. Se puede aplicar a una amplia gama de datos, desde
imágenes y audio hasta textos y datos financieros.
El objetivo del reconocimiento de patrones es extraer información útil de los datos. Por
ejemplo, un sistema de reconocimiento facial puede identificar a una persona en una imagen,
o un sistema de detección de fraudes puede identificar transacciones sospechosas.
Cuales son los elementos que conforman un sistema básico de reconocimiento de
patrones.
Los sistemas de reconocimiento de patrones con IA utilizan un proceso llamado aprendizaje
automático. El aprendizaje automático es una técnica que permite a las máquinas aprender
de los datos sin ser programadas explícitamente.
En el caso del reconocimiento de patrones, el aprendizaje automático se utiliza para
identificar patrones en los datos. Los sistemas de aprendizaje automático se alimentan de un
conjunto de datos de entrenamiento, que contiene ejemplos de los patrones que se buscan.
A medida que el sistema aprende de los datos de entrenamiento, es capaz de identificar
patrones en nuevos datos. Por ejemplo, un sistema de reconocimiento facial que se ha
entrenado en un conjunto de datos de caras humanas será capaz de identificar caras humanas
en nuevas imágenes.
También podemos definir Reconocimiento de Patrones como el acto de tomar datos sin
ningún sentido y clasificarlos de acuerdo a una acción basada en las categorías de un patrón
dado o previamente analizado. Siendo así las operaciones en un sistema de reconocimiento
son las siguientes (ver: figura 3):
Sensores
Los sensores son algún tipo de transductor o mecanismo que traduce algún tipo de energía
normalmente mecánica en diferencias de voltaje. Cada valor o diferencia es un dato y
dependen o del tiempo o del espacio. Las dificultades en utilización o diseño de sistemas con
sensores dependen de las características y las limitaciones del sensor, su ancho de banda,
resolución, sensibilidad, distorsión, radio de señal y ruido, latencia, etc...
Ejemplos de transductores típicos podrían ser una cámara, un micrófono, un alto parlante,
termómetros, barómetros, sensores de flexibilidad, piezzos, sonares, infrarrojos, proximidad
y muchos otros.
Segmentación y Agrupamiento
La operación de segmentación ocurre cuando el sistema determina o que un elemento, objeto
o muestra finaliza y da comienzo a otro. Los patrones individuales deben ser segmentados y
focalizados. Si se ha identificado un objeto como tarjeta, luego se puede proceder a analizar
su color, forma y posteriormente su validez. Es necesario saber cuando pasamos de una tarjeta
a otra.
Extracción de Características
La meta del extractor es caracterizar un objeto con medidas o cualidades cuyos ``valores''
tienden a ser similares. Para objetos en la misma categoría las diferencias son mínimas y por
lo tanto las características son invariables y poco relevantes a cambios en datos leídos por el
sensor. Sin embargo una categoría de tarjetas pude contener tarjetas de varios tamaños, varias
formas o geometría y podría ser leída al revés. En este caso el extractor debería estar
entrenado para casos similares para no obtener error.
Clasificación
El objetivo en la operación de clasificación es utilizar un ``vector'' con las características
provistas por el extractor para asignar el objeto (patrón) de la entrada a una categoría. En
muchos casos este paso de clasificar es lejanamente perfecto y por ende se convierte en un
trabajo en el que se averigua la probabilidad matemática de cada una de las categorías. Esto
quiere decir en nuestro ejemplo de la instalación de museo que de antemano podríamos saber
el numero de tarjetas que se han distribuido con diferentes colores y características. En este
caso la clasificación se simplificaría en predecir la siguiente tarjeta una vez que se han leído
varias tarjetas o un grupo de tarjetas.
Procesamiento a Posteriori
Un clasificador raramente existe al vacío, sin embargo en muchos casos es utilizado para
recomendar decisiones y acciones que dependen de un costo o riesgo particular. En el
procesamiento a posteriori se utiliza la descarga o resultado del clasificador para recomendar
una acción. En teoría esta etapa produce la tasa de aciertos o errores y califica al clasificador.
Por lo tanto y en este sentido el objetivo del post procesador es buscar un mínimo de errores
y fallas.
Defina Que es Reconocimiento de Voz.
El reconocimiento del habla es un sistema tecnológico que se utiliza cada vez más. Su utilidad
se ve reflejada en aquellas situaciones donde nuestras manos están ocupadas. Aunque
también se utiliza por temas de comodidad y rapidez, a pesar de tener las manos libres.
Hablar con nuestros dispositivos móviles, dictar órdenes a nuestro coche mientras
manejamos, y emitir mensajes a sistemas de voces instalados en nuestro hogar, son algunas
de las virtudes que el reconocimiento de voz nos proporciona.
A su vez, los beneficios que aporta en el ámbito profesional y empresarial es altamente
destacable, pues su utilidad radica en el ahorro de tiempo y recursos en aquellas situaciones
que lo ameritan.
En la medicina, por ejemplo, ayuda a redactar informes de manera más rápida, los
diagnósticos son más veloces, y la gestión general del trabajo médico es más óptima.
El reconocimiento de voz o reconocimiento del habla es una rama de la inteligencia artificial
cuya finalidad es posibilitar la comunicación entre humanos y sistemas informáticos.
Un sistema de reconocimiento de voz tiene la capacidad de detectar y entender las palabras
que un ser humano emite de forma natural.
Existen sistemas de reconocimientos de voz más o menos sofisticados, habiendo aquellos
que entienden las palabras de manera fácil, y otros con más dificultades para comprender el
habla de los humanos.
Indique que tipos de aprendizaje hay en el Reconocimiento de Voz.
Por un lado un aprendizaje deductivo que consiste en la transferencia de conocimientos del
hombre a un sistema informático;
Y por otro lado un aprendizaje inductivo, aquí se trata de que el sistema sea capaz de obtener
esos conocimientos a través de ejemplos. La evolución de los sistemas de reconocimiento de
voz hacen que la máquina pueda interpretar como un “sí” no solo si oye esa palabra, sino
también si escucha expresiones equivalentes. Lo que facilita el reconocimiento del lenguaje
natural tal y como lo haría un ser humano, con una exactitud por encima del 90%
Los programas o sistemas de reconocimiento automático de voz también se clasifican según
los siguientes parámetros:
Según su entrenabilidad, aquí entraría en juego si un sistema puede usarse directamente o
requiere un entrenamiento previo del usuario antes de usarse.
Según la dependencia del hablante, sería si el sistema debe entrenarse o no para cada
usuario diferente.
Según la continuidad, si el sistema reconoce el habla natural o requiere de pausas entre
palabras.
Según la robustez, si funciona correctamente en ambientes ruidosos o con otras voces de
fondo o no.
Y según el tamaño del dominio, si el sistema puede o no reconocer el lenguaje de un
dominio reducido o extenso, por ejemplo si está diseñado para una compañía de telefonía y
está adaptado a determinado número de palabras relacionadas.
Estos avances se han plasmado en la mejora de las diversas tecnologías relacionadas con los
programas de reconocimiento de voz, como pueden ser los que se usan en el ámbito médico
para el dictado de recetas o informes médicos. La tecnología del reconocimiento automático
de voz, aplicado a ámbitos como la radiología o la anatomía patológica, aumenta
considerablemente la eficiencia del trabajo ahorrando considerables cantidades de tiempo.
Aplicaciones del reconocimiento de voz
Sistemas de coche: Para controlar algunas operaciones dentro del coche. Como, por ejemplo,
activar el GPS, realizar una llamada, o reproducir una canción.
Dictado de voz: El dictado de voz es un sistema que escribe automáticamente todo lo que
dictamos. Es la aplicación más común en el reconocimiento de voz.
Control por comandos: Consta de una serie de órdenes para controlar el ordenador. La
cantidad de comandos que identifica es baja.
Ámbito telefónico: Permite ejecutar órdenes mediante el habla en una conversación
telefónica a un agente no humano, en lugar de pulsar botones físicos o táctiles.
Dispositivos móviles: Puede utilizarse, también, en dispositivos de tamaño reducido y móvil
(relojes inteligentes, teléfonos móviles, acelerómetros, etc.) para emitir órdenes y evitar
manipularlos en situaciones incómodas.
Sistemas para personas con discapacidad: Dependiendo del tipo de discapacidad que una
persona posea, utilizará un dispositivo u otro, y de acuerdo a este dispositivo, se puede utilizar
un sistema de reconocimiento de voz para ayudar a manejar su problema.
Como se clasifican los sistemas de reconocimiento de voz.
Los sistemas de reconocimiento de voz se pueden clasificar de diferentes formas
dependiendo de varios criterios. Aquí tienes una clasificación común de los sistemas de
reconocimiento de voz:
1. Según el tipo de tecnología utilizada:
- Reconocimiento basado en patrones.
- Reconocimiento basado en redes neuronales.
- Reconocimiento basado en modelos acústico-lingüísticos.
2. Según su capacidad para reconocer voz en tiempo real:
- Sistemas en tiempo real.
- Sistemas fuera de línea.
3. Según su aplicación:
- Sistemas de reconocimiento de voz para asistentes virtuales.
- Sistemas de reconocimiento de voz para dictado de texto.
- Sistemas de reconocimiento de voz para automatización de procesos.
4. Según la precisión del reconocimiento:
- Sistemas de reconocimiento de voz de alta precisión.
- Sistemas de reconocimiento de voz de baja precisión.
5. Según el idioma o dialecto reconocido:
- Sistemas de reconocimiento de voz en un solo idioma.
- Sistemas de reconocimiento de voz multilingües.
