Seminarios de investigación en tecnología. Carrera de Arquitectura. Semestre Primavera 2022

Seminarios de investigación en tecnología – Semestre Primavera 2022 326 2.2. Tecnología en función de los procesos de diseño Inteligencia artificial y redes neuronales Figura 3: Subconjuntos de la inteligencia artificial. Elaboración propia La inteligencia artificial (IA) es un conjunto de técnicas que permiten a las máquinas imitar el comportamiento humano inteligente a partir de algoritmos. Esta nos permite automatizar funciones que aplicadas al diseño pueden sintetizar geometrías y generar soluciones a partir de una base de datos. El machine learning (ML) es un subconjunto de IA que utiliza algoritmos para aprender desde datos sin ser explícitamente programado y que puede mejorar en base a la experiencia. Se diferencia por tener la capacidad de hacer predicciones y generar reglas a partir de datos y ejemplos de resultados. Figura 4: Diferencia entre un modelo clásico de IA y un modelo de ML. Elaboración propia a partir de Chollet, F. 2011. El ML tiene 4 subconjuntos según el grado de supervisión de la máquina, en un espectro desde donde todos los valores son supervisados por el humano hasta donde no existe supervisión sino solo el input de datos (Alpaydın, 2010), y cualquiera de ellos puede ser denominado aprendizaje profundo (Deep Learning) al implementar redes neuronales artificiales (ANN). La implementación de las ANN le permite a la máquina entrenarse a sí misma para llevar a cabo su objetivo y permiten trabajar con tareas más complejas gracias al procesamiento mediante capas y nodos. Esta arquitectura de capas y nodos posibilita mayores combinaciones de características y valores de las bases de datos, a su vez permitiendo jerarquización (Goodfellow, 2016). Un problema generalizado de los algoritmos de machine learning es la cantidad de datos que requiere para obtener una mayor precisión, es por esto que Deng, Rainey, Zhang y Lu (2020)