Caso Práctico II. IA EN LA COMUNICACIÓN AUDIOVISUAL
IA EN LA COMUNICACIÓN AUDIOVISUAL.
RESUMEN.
En este apartado vamos a tratar sobre la aplicación de la IA en todos los sectores, centrándonos especialmente en el campo de la comunicación audiovisual, viendo sus características, ventajas e inconvenientes en el mundo audiovisual.
También vamos a tratar sobre las técnicas que se llevan a cabo en este mundo para sacar el máximo partido a nuestro contenido, como la historia de la evolución de la IA en general.
Además, esta inteligencia artificial se ha llegado a incluir en los algoritmos de recomendaciones de las plataformas o la censura o eliminación de contenido inapropiado en las redes sociales, así como las imágenes y videos generados a partir de ella.
DESARROLLO DEL CONTENIDO.
La IA en la actualidad es un término bastante utilizado para referirse a aplicaciones que llevan a cabo tareas complejas en las que anteriormente era necesaria la participación humana.
A menudo, los desarrolladores utilizan la inteligencia artificial para ejecutar sus tareas de una manera más eficiente, ahorrando tiempo y sin necesidad de prestar mucha atención a la tarea. Aunque para hacer que funcionen esos algoritmos que consiguen que la IA funcione sin ningún problema se necesita una experiencia previa en matemáticas.
Respecto a su historia, esta comienza en 1943, con el artículo “A Logical Calculus of Ideas Immanent in Nervous Activity” de Walter Pitts y Warren McCullough, en dicho documento se presentaba el modelo pionero matemático para la creación de una red neuronal. Siguiendo a este artículo, en 1950 se diseñó y creó el primer ordenador de red neuronal, el Snarc por Marvin Minsky y Dean Edmonds.
En los años siguientes se sentaron las bases de la IA, ideando aparatos que conseguían pensar y comunicarse de manera inteligente. Más tarde, los investigadores decidieron centrarse en desarrollar sistemas expertos que utilizaran reglas y conocimientos específicos. Uno de los primeros ejemplos del éxito de este estudio fue “Eliza”, un programa de inteligencia artificial presentado en 1966 por Joseph Weizenbaum.
Después de estos inventos se produjo el “Invierno de la IA”, una década donde se disminuyó en gran parte la financiación para estas investigaciones centradas en la IA. A partir de 1980 comienzan los avances en las redes neuronales, especialmente en el aprendizaje automático a través de ellas. Siguiendo a 1990 aparece el boom de la IA, con la creación de aplicaciones para el móvil y la aplicación de la inteligencia artificial en distintos sectores como la medicina o el marketing.
Llegando a la actualidad, la IA a pegado un salto increíble en esta última década, en estos últimos años las empresas de varios sectores utilizan el Deep Learning y el Machine Learning para numerosas aplicaciones en su sector.
- APLICACIÓN EN EL CAMPO AUDIOVISUAL.
Otro sector donde la IA busca introducirse es en las cadenas televisivas, esto se quiere llevar a cabo para conocer más a fondo las audiencias, como sus comportamientos o necesidades, así como sus gustos o aficiones. Aunque esto de las audiencias ya lo ha implementado YouTube, exponiéndote videos basados en tus gustos, así como TikTok con sus propios algoritmos.
Otro de los campos que dentro de poco va a estar afectado por la IA es el de la imagen y el video. Esto es gracias a las creaciones de aplicaciones para la mejora de calidad de las fotos y videos, a las aplicaciones generativas de videos e imágenes, etcétera. En estas aplicaciones la inteligencia artificial entiende lo que le pides y lo procesa perfectamente según la calidad de los datos que tú la hayas otorgado.
- RECONOCIMIENTO DE OBJETOS.
Para llevar a cabo esta identificación se necesita una red neuronal artificial para ayudar a esas máquinas a poder detectar esos objetos y así poder clasificar el medio audiovisual en el cual aparecen. Para que estas redes neuronales funcionen es necesario entrenarlas mediante varios datos de imágenes, llevando a cabo un aprendizaje profundo.
La inteligencia artificial ve la imagen o el video como un conjunto de pixeles, por ello en la categorización de cada imagen se extraen las características físicas, los pixeles, y después de ello se procede a la clasificación de esa imagen con las respectivas etiquetas.
Una de las aplicaciones de esta tecnología más conocida es el reconocimiento facial, esto se consigue gracias al aprendizaje que lleva a cabo la IA con la amplitud de la boca, la distancia de los ojos, entre otras muchas características del rostro humano. Esta tecnología también se usa en tiendas, con ello pueden escanear automáticamente sus productos y facturarlos inmediatamente, ahorrándose tiempo, los sistemas de vigilancia también pueden utilizarlos, etc.
Esto en el campo de comunicación audiovisual nos puede servir para conseguir las imágenes y videos que queremos para nuestro trabajo, conseguir que nuestras creaciones se cataloguen con una etiqueta y así poder llegar a más gente si utiliza el buscador investigando esa etiqueta, entre otras muchas cosas. Además de ser una herramienta imprescindible para inspirarnos en otros trabajos audiovisuales y sacar el máximo partido a nuestra creatividad.
- TÉCNICAS IA EN CONTENIDO AUDIOVISUAL.
Empezando por la segmentación y compresión de escenas en imágenes y videos, esta sirve para interpretar el contenido audiovisual de estas. Dentro de la segmentación hay tres tipos.
La segmentación semántica añade una etiqueta de características a cada píxel de una imagen, generando una representación densa y coherente de la escena, siendo útil para la detección de objetos como hemos visto anteriormente. Para esta segmentación se utilizan redes neuronales profundas como las convolucionales, CNNs, o las redes totalmente convolucionales, FCNs. Estas redes neuronales son enseñadas a extraer formas y predecir etiquetas a partir de conjuntos de imágenes anteriormente introducidas en ellas.
La segmentación de instancias añade a las etiquetas una representación detallada de la escena que analizan, como el seguimiento o el recuento. Esta segmentación se lleva a cabo por extensiones de la anterior, la segmentación semántica, como Mark R-CNN, la cual agrega otra rama más a esta red para crear máscaras de cada instancia.
Por último, la segmentación panóptica armoniza las dos anteriores en un marco único que establece una etiqueta de clase y un identificador de instancia a cada pixel. Gracias a ello se genera una representación completa de la escena, ayudando a tareas como el razonamiento o la planificación de la escena. Para esta segmentación se utilizan métodos de fusión como el FPN panóptico, este asimila como resolver dificultades y optimizan la calidad de esta segmentación.
Una aplicación que usa esta técnica de IA es SAM, Seggment Anything Model. Esta aplicación ha sido desarrollada por Meta y está centrada en la segmentación de imágenes, utilizando técnicas de procesamiento de imágenes y aprendizaje automático. Utiliza la red neuronal convolucional anteriormente vista.
SAM se está volviendo famosa debido a sus novedosas características como su capacidad de identificar y segmentar objetos, permite a los consumidores interactuar con las imágenes de una forma más creativa y personalizada. También puede aplicarse a diversos campos como la mejora del procesamiento de las imágenes y el análisis de datos, además de su inclusión en la realidad aumentada. Su última característica por destacar es su gran progreso tecnológico y su capacidad de amoldarse a nuevos conjuntos de datos.
Siguiendo con la transcripción de voz, este proceso que antes se hacía manualmente ahora también se ha incorporado la IA, convirtiéndose en una tarea rápida de hacer y sin requerir demasiado esfuerzo.
Esto en el campo audiovisual aporta muchas ventajas, ya que en los medios de comunicación o en las entrevistas de los periodistas es muy difícil pasar toda la información dicha directamente a texto, por ello gracias a estas herramientas podemos grabar el audio, meterlo en una aplicación y que esta nos lo pase directamente a texto.
Una buena aplicación para la transcripción automática es Sonix. La aplicación utiliza las más novedosas técnicas de la IA con un procesamiento de lenguaje natural para conseguir esas transcripciones todavía más precisas.
Cuando un usuario sube un archivo de audio o video, seleccionando el idioma, Sonix introduce ese archivo en su tecnología, convirtiéndolo en una transcripción precisa, este paso dura algunos minutos. Por último, cuando ese archivo esté listo se le envía un correo al usuario para que lo pueda descargar y, además, editar las áreas si ven alguna problemática.
Esta herramienta nos sirve para poder sacar el texto de un video y así poder inspirarnos en el guion, poder añadir subtítulos a nuestras creaciones, poder traducir lo que explicamos en el video, entre otras cosas.
- RECOMENDACIONES IA.
Hay distintos tipos de sistema de recomendación, uno de ellos es el filtrado corporativo, este sistema analiza el comportamiento de distintas personas para predecir los gustos de cada uno. Se basa en el historial de búsqueda, la lista de deseos, su carrito de la compra online.
Por otro lado, están los sistemas de filtrado basados en contenido, se basan en la descripción del artículo que se va a vender y el perfil del usuario. Analizan la conducta de la persona y le muestran recomendaciones basadas en su perfil.
Un último sistema de recomendación es el sistema de recomendación híbrido. Este sistema combina las dos técnicas anteriormente vistas, ofreciendo las recomendaciones según su perfil y su comportamiento.
Estos sistemas también se utilizan en las plataformas de streaming o de películas y series como Netflix o HBO. Estas plataformas toman en cuenta las opiniones de otros usuarios, el historial de visualización, la edad, el género preferente, etcétera.
Implementar este servicio es imprescindible hoy en día en estas plataformas, gracias a ello, a los usuarios se les recomiendan series o películas que les interesen y que no tengan que estar indagando por la plataforma durante horas sin saber lo que les interesa, mejorando su experiencia.
Al igual que si los usuarios están conformes con lo que se les recomienda, no van a anular la suscripción a esa plataforma y van a seguir viendo las recomendaciones que les aparecen, fomentando su fidelidad a esa plataforma y no en otras. Además, que gracias a esa personalización de la experiencia se consiguen recoger más datos sobre los usuarios y así seguir modificando y mejorando ese sistema de recomendación.
Estos algoritmos también ayudan al usuario a descubrir contenido que pasarían por alto si no se les llega a recomendar, ayudando así a la exploración de la diversidad de secciones de películas y series.
Esto también tiene su parte mala, la protección de datos y la privacidad del usuario. La recopilación de datos o de gustos del usuario, como sus hábitos de consumo, plantea preguntas como qué se hace con esos datos o cómo se protegen, existiendo ese temor a la compraventa de datos de distintas plataformas sin el consentimiento de estos usuarios.
Por otro lado, la personalización llevada a un extremo puede llegar a crear “burbujas de filtro”, en las que los usuarios solo consumen contenido donde se refuerzan sus gustos y opiniones, sin dejar paso a distintos puntos de vista o distintos tipos de contenido.
Para mejorar estos desafíos, los usuarios deberían de tener acceso directo a todo lo que tenga que ver con sus datos, desde cómo se recopilan a qué van a hacer con ellos y cómo lo van a llevar a cabo. Por ello estas plataformas deberían certificar la seguridad de los datos con los que tratan, respetando la privacidad de los usuarios y evitando la manipulación de estos datos.
Para poner un ejemplo de plataformas que utilizan la IA para estos sistemas de recomendación, vamos a ver cómo funciona en Netflix. Esta plataforma utiliza un sistema de aprendizaje automático, analizando los datos de visualización, de las opiniones de otros usuarios y de incluso los clics. Además del uso de la filtración colectiva, analizando las interacciones entre usuarios y el contenido para identificar esas preferencias y patrones de visualización.
Asimismo, utiliza técnicas de procesamiento de lenguaje natural para analizar las descripciones de las películas o series, determinando así sus características, su género, entre otras cosas. Aunque el factor clave en la recomendación es la evaluación continua del rendimiento. Gracias a ello, ajustan y mejoran el algoritmo de recomendación para que se ofrezcan a los usuarios contenidos más precisos y relevantes.
El buen uso de la IA en las recomendaciones supone una ventaja competitiva de una plataforma respecto a las demás. Si se sabe cómo utilizarse y se toman buenas decisiones gracias a ella podemos llegar a nuestros consumidores mejor que la competencia y así poder diferenciarnos de ella.
- CONTENIDO INAPROPIADO IA.
La moderación por medio de la inteligencia artificial presenta muchas ventajas, elimina contenido dañino a los usuarios de forma rápida para que no llegue a demás usuarios, reduce el tiempo de moderación y de necesidad de multitud de trabajadores para ese trabajo y garantiza que la moderación se haga desde la más objetividad posible, ya que los algoritmos de IA van a actuar de igual manera en cualquier caso sin importar sus variantes.
Aunque bien es cierto que contiene otras desventajas como la dificultad que presenta la inteligencia artificial para diferenciar entre lo dañino y lo inofensivo, además de que debido a su aprendizaje por datos históricos puede prolongar el sesgo y la discriminación, ya que la IA lo vería como algo normal y natural.
Hay distintos tipos de moderación mediante la IA, el primer tipo es la premoderacion, se basa en que el sistema de la inteligencia artificial revise y apruebe los contenidos que el usuario va a subir a la plataforma antes de que estos se publiquen.
Una ventaja de este método es el alto nivel de control que tiene sobre el contenido que se va a publicar, haciendo que no se produzca un daño después de publicar ese contenido. Pero también tiene desventajas como que para que un contenido se publique se debe esperar un tiempo para que pase por el periodo de revisión.
Otro tipo es la post-moderación, en este caso la IA comprueba el contenido después de que este se haya subido a la plataforma, si el algoritmo detecta que infringe alguna norma lo elimina de la plataforma de inmediato. Esta moderación no tiene la desventaja del anterior, pero sí que no evita ese contenido inapropiado se suba a la plataforma.
La moderación reactiva consiste en la revisión de contenidos mediante las quejas de los usuarios, quienes los marcan como inapropiados para que se revisen. Después de la denuncia, la IA revisa ese contenido y acepta si debe ser eliminado o no, es decir, si infringe las normas establecidas o no. Esta moderación incentiva el poder de la comunidad, pero su eficacia depende de los usuarios y de sus capacidades para detectar si algo es realmente dañino.
Otra medida parecida a la anterior es la moderación distribuida, esta moderación confía en los usuarios para que ellos mismos voten si un contenido debe ser eliminado y ya después pasa por la IA para evaluar esos votos y opiniones y saber si verdaderamente se debe eliminar ese contenido.
Por último, está la moderación de contenidos con IA híbrida, que fusiona el aprendizaje automático con el crowdsourcing para que el análisis de los contenidos sea rápido y rentable. Además de que tiene la capacidad de adaptarse al continuo avance y la creación de tipos de contenido, generando un buen control de calidad.
La moderación de contenido influye de manera distinta según el tipo de contenido que sea, en los textos utiliza el proceso del lenguaje natural y los modelos de aprendizaje automático, gracias a ello clasifica las partes del texto en categorías de positivas, neutras o negativas, detectando así el discurso de odio en el texto.
Para moderar las grabaciones de voz, es decir, los audios, se necesita primero parar ese audio a texto y ya analizarlo como en el caso anterior para que se califique por puntos si es positiva, neutral o negativa.
En las imágenes y videos se utilizan algoritmos que tengan visión artificial y aprendizaje automático para poder examinar y filtrar ese contenido creado por usuarios y saber si contiene contenido inapropiado que pueda llegar a dañar a los demás usuarios.
La aplicación de la IA en la moderación en los contenidos es de vital importancia para que los usuarios consuman contenido que no sea dañino para ellos ni para nadie. Es importante tenerlo en cuenta en el mundo audiovisual ya que nos hace tener que seguir esas normas que indican las plataformas y no crear contenido al libre albedrio pudiendo herir a terceros.
- FUTURO DE LA IA.
Habrá distintos puestos de trabajo, como un gerente de productos IA, para que le pasen las demandas de los clientes y mediante la inteligencia artificial únicamente se puedan resolver. Otro trabajo será el de diseñadores de experiencia, estos se centrarán en que la relación usuario IA sea lo más satisfactoria posible. Además de estos dos trabajos se abrirán camino bastantes más que harán que el miedo hacia la inteligencia artificial para el empleo se vaya desvaneciendo.
Aunque también debe abordar diferentes desafíos, como las cuestiones éticas y sociales, la gestión de todavía más datos de los que contiene hoy en día y entre otras muchas cosas, la mejora de la relación entre la maquina y el usuario.
Para la cuestión ética se ha pensado programar una vez mas a la IA para que no llegue a profundizar en las desigualdades o en los sesgos, además de no influir en las tomas de decisiones jurídicas.
Otra estrategia es la creación de nuevos algoritmos de IA que la conviertan en un programa “explicable” y que así se pueda utilizar en otros ámbitos en los que la decisión de la inteligencia artificial influye en el usuario. La privacidad y la protección de datos es otro problema que preocupa a la gran mayoría de personas, por ello se están desarrollando nuevas técnicas de privacidad que protejan esos datos que utilizan los sistemas de inteligencia artificial.
Centrándonos en el sector audiovisual, la generación de contenido automático es una de las herramientas más populares hoy en día, esta permite generar contenido automáticamente con la necesidad de un simple texto o características. Otra aplicación es la mejora de la calidad del contenido, la personalización, etcétera.
Viendo el futuro de esta IA en el sector audiovisual podemos pensar en la generación de aplicaciones que lleven a otro nivel esa generación de contenido. Asimismo, su aplicación en la producción futura que puede llegar a generar nuevas oportunidades en la creación de esos contenidos o en la mejora de estos.
Las ventajas que proporciona seguir utilizando esta IA en el futuro son su eficacia, la precisión que genera, más creatividad todavía. Pero por otro lado presenta otras dificultades como la necesidad de datos específicos para ese entrenamiento de la IA, la necesidad de familiarizarse con las nuevas herramientas que brinda la inteligencia artificial para saber como utilizarlas, entre más cosas.
CONCLUSIÓN.
Teniendo en cuenta todo lo explicado en este trabajo, podemos observar como la inteligencia artificial está cambiando todos los sectores, incluido el de la comunicación audiovisual.
Aunque la aplicación de la IA en los distintos sectores ha creado miedo sobre la perdida de puestos de trabajo en el mundo audiovisual, bien es cierto que la aplicación de estos algoritmos ayuda a las distintas tareas que hay que llevar a cabo en los distintos sectores ayudan a la mejora de la calidad de los contenidos, el ahorro de tiempo y de recursos y mil innumerables cosas más.
Por ello podemos concluir que, aunque lo desconocido, en este caso los avances de la IA, nos pueda dar miedo e incertidumbre, la inteligencia artificial ha llegado a este mundo para hacernos la vida más fácil y ayudarnos a tareas audiovisuales que cuestan hacer.
REFERENCIAS Y BIBLIOGRAFÍA.
¿Cómo funciona la transcripción automática? (s.f.). Obtenido de Sonix: https://sonix.ai/resources/es/como-funciona-la-transcripcion-automatica/
¿Cuáles son las técnicas más efectivas para la comprensión y segmentación de escenas en IA? (16 de diciembre de 2023). Obtenido de Linkedin: https://es.linkedin.com/advice/0/what-most-effective-techniques-scene-understanding-tetif?lang=es
¿Qué es el reconocimiento de imágenes por IA y cómo funciona? (17 de mayo de 2022). Obtenido de Shaip: https://es.shaip.com/blog/what-is-ai-image-recognition-and-how-does-it-work/
¿Qué es la IA? Conoce la inteligencia artificial. (s.f.). Obtenido de Oracle: https://www.oracle.com/es/artificial-intelligence/what-is-ai/
¿Qué es la inteligencia artificial (IA)? (s.f.). Obtenido de IBM: https://www.ibm.com/es-es/topics/artificial-intelligence
¿Qué puede hacer la Inteligencia Artificial por el sector audiovisual? (s.f.). Obtenido de Telefónica Servicios Audiovisuales: https://www.telefonicaserviciosaudiovisuales.com/articulos-de-divulgacion/que-puede-hacer-la-inteligencia-artificial-por-el-sector-audiovisual/
Blaso, J. L. (29 de mayo de 2023). SAM: La IA que revoluciona la segmentación de imágenes. Obtenido de OpenWebinars: https://openwebinars.net/blog/sam-la-ia-que-revoluciona-la-segmentacion-de-imagenes/
Breve historia visual de la inteligencia artificial. (2 de diciembre de 2020). Obtenido de National Geographic España: https://www.nationalgeographic.com.es/ciencia/breve-historia-visual-inteligencia-artificial_14419
Castillo, A. (3 de julio de 2023). El impacto revolucionario de la IA en la producción audiovisual. Obtenido de Linkedin: https://es.linkedin.com/pulse/el-impacto-revolucionario-de-la-ia-en-producci%C3%B3n-
Corcobado, A. (2017). La Inteligencia Artificial en el ámbito de la Comunicación Audiovisual. Obtenido de Tecnologías de los Medios: https://tecnologiadelosmedios.wordpress.com/2017/04/01/la-inteligencia-artificial-en-el-ambito-de-la-comunicacion-audiovisual/
El futuro de la generación de contenido audiovisaul gracias a la Inteligencia Artificial. (24 de mayo de 2023). Obtenido de howSpot: https://showspot.com/el-futuro-del-contenido-audiovisual-con-inteligencia-artificial/
emBlue. (16 de mayo de 2023). Desde sus inicios: La evolución de la inteligencia artificial. Obtenido de Linkedin: https://es.linkedin.com/pulse/desde-sus-inicios-la-evoluci%C3%B3n-de-inteligencia-artificial
Guevara, G. (26 de junio de 2023). Los algoritmos de recomendación y la recopilación de datos en la televisión digital. Obtenido de Linkedin: https://es.linkedin.com/pulse/los-algoritmos-de-recomendaci%C3%B3n-y-larecopilaci%C3%B3n-datos-guevara
Inteligencia artificial : definición, historia, usos, peligros. (10 de agosto de 2022). Obtenido de DataScientest: https://datascientest.com/es/inteligencia-artificial-definicion
La Guía Definitiva de Sistemas de Recomendación en Películas y Series en España. (s.f.). Obtenido de Prompts: https://prompt.uno/sistemas-de-recomendacion/sistemas-de-recomendacion-en-peliculas-y-series/
La inteligencia artificial: El futuro de la postproducción de video. (15 de marzo de 2024). Obtenido de VideoPro: https://www.videoproperu.com/blogs/noticias/el-futuro-es-ahora-inteligencia-artificial-en-la-postproduccion-de-video
Mele, M. (30 de enero de 2024). El futuro de la inteligencia artificial: impacto en empleo y consumo. Obtenido de Inboundcycle: https://www.inboundcycle.com/blog-de-inbound-marketing/el-futuro-de-la-inteligencia-artificial
Moderación de contenidos con IA para la reputación online de tu marca. (2024). Obtenido de IntuitMailChimp: https://mailchimp.com/es/resources/ai-content-moderation/
Moderación de contenidos con IA: La guía definitiva para moderar contenidos en línea con IA. (8 de febrero de 2024). Obtenido de Membrace: https://membrace.ai/es/blog/ai-content-moderation
Nodd3r. (5 de julio de 2022). Netflix utiliza la inteligencia artificial para personalizar sus recomendaciones. Obtenido de Nodd3r: https://nodd3r.com/blog/netflix-utiliza-la-inteligencia-artificial-para-personalizar-sus-recomendaciones
OBSERVATORIO EUROPEO DEL AUDIOVISUAL: INFORME SOBRE INTELIGENCIA ARTIFICIAL EN EL SECTOR AUDIOVISUAL. (28 de enero de 2021). Obtenido de Europa Creativa Media: https://oficinamediaespana.eu/noticias/item/2494- observatorio-europeo-del-audiovisual-informe-sobre-inteligencia-artificial-en-el-sector-audiovisual
Papel de la IA en la moderacion y censura de contenidos. (1 de marzo de 2024). Obtenido de Faster Capital: https://fastercapital.com/es/contenido/Papel-de-la-IA-en-la-moderacion-y-censura-de-contenidos.html
Pérez, Á. (14 de marzo de 2023). El potencial de la Inteligencia Artificial en el sector audiovisual. Obtenido de Marketing Directo: https://www.marketingdirecto.com/especiales/conectados/potencial-inteligencia-artificial-sector-audiovisual-conectados
Pérez, L. (23 de mayo de 2023). Descubre la magia de la IA: Reconocimiento de Imágenes Revolucionario. Obtenido de Neuroflash: https://neuroflash.com/es/blog/descubre-la-magia-de-la-ia-reconocimiento-de-imagenes-revolucionario/
Polo, J. D. (24 de septiembre de 2023). El futuro de la IA: 5 cosas a esperar en los próximos 5 años. Obtenido de Muy Interesante : https://www.muyinteresante.com/tecnologia/61524.html
Qué es la transcripción de audio: definición y casos de uso. (17 de enero de 2024). Obtenido de Transkriptor: https://transkriptor.com/es/que-es-la-transcripcion-de-audio/
Reconocimiento de Objetos en Seguridad: Todo lo que Debes Saber. (7 de septiembre de 2023). Obtenido de Algotive: https://www.algotive.ai/es-mx/blog/reconocimiento-de-objetos-en-seguridad#ancla5
Sistemas de recomendación | Qué son, tipos y ejemplos. (s.f.). Obtenido de Graph Everywhere: https://www.grapheverywhere.com/sistemas-de-recomendacion-que-son-tipos-y-ejemplos/
Sistemas de recomendación basados en ia. (s.f.). Obtenido de ICCSI: https://iccsi.com.ar/sistemas-de-recomendacion-inteligenciaartificial/?shared=false#sistemas_de_filtrado_colaborativo
Soto, M. G. (s.f.). Futuro y desafios de la IA, según la IA. Obtenido de Linkedin: https://es.linkedin.com/pulse/futuro-y-desafios-de-la-ia-seg%C3%BAn-marvin-g-soto-1wm6
Comentarios
Publicar un comentario