Glosario de Termos e expresións relacionados coa IA

Generative Adversarial Network (GAN) é un dos exemplos máis populares e coñecidos de IA xerativa.

É un tipo de algoritmo de aprendizaxe profunda que consiste en dúas redes neuronais que compiten
entre si para xerar contido novo.

 No ámbito educativo, a tecnoloxía GAN pódese utilizar para crear contidos de aprendizaxe personalizados
 e adaptables para cada alumno ou para crear ambientes virtuais experienciais para a aprendizaxe
baseada en xogos ou en simulación.

As redes neuronais artificiais son redes computacionais inspiradas libremente no cerebro humano.

Unha RNA consta de tres tipos de capas: unha capa de entrada onde recibe os datos iniciais,
 unha capa oculta entre a capa de entrada e a de saída onde realiza cálculos complexos
 e unha capa de saída onde produce o resultado.

 Podes ver como funcionan as redes neuronais aquí: Xogar cunha rede neuronal

 As redes neuronais profundas (DNN) son un tipo de ANN, pero teñen máis dunha capa oculta.
 Requiren grandes cantidades de datos etiquetados para adestrar de forma eficaz, mentres que as ANN
requiren conxuntos máis pequenos de datos e técnicas de aprendizaxe automática sen supervisión.

 En educación, os ANN pódense adestrar sobre os datos recollidos das avaliacións dos estudantes para
identificar os puntos fortes e débiles dos estudantes e despois xerar plans de estudo personalizados
para todos e cada un dos estudantes.

 Ademais, as ANN pódense utilizar para analizar grandes cantidades de datos dos estudantes para detectar
tendencias e patróns que poden informar as prácticas de ensino e aprendizaxe.

A robótica pódese definir como "AI en acción no mundo físico" ou IA incorporada.

Exemplos de robots que inclúen manipuladores robóticos (por exemplo, manexo seguro de materiais perigosos),
vehículos autónomos (por exemplo, coches, drons, taxis voadores), robots humanoides, aspiradores robóticos, etc.

Os avances na percepción fiable das máquinas, incluíndo visión por ordenador, forza, e a percepción táctil,
seguirán sendo facilitadores fundamentais para avanzar nas capacidades da robótica.

 No ámbito educativo, o uso da robótica pode axudar aos estudantes a experimentar conceptos e ideas de
forma interactiva, para que poidan comprender e reter a información máis facilmente.