1.- Descripción de la tarea.
Caso práctico
Max ya ha estudiado algunas técnicas avanzadas de aprendizaje automático, pero le gustaría conocer y entender bien de dónde viene la inspiración de las técnicas actuales de inteligencia artificial. ¿Cómo se aplica la relación causa-efecto en el machine learning?¿Cómo cambia el problema según la relación de las variables causales?¿Podemos estar perdiendo información valiosa si nos fijamos solo en relaciones obvias?
El Teorema de Bayes se aplica a través de una fórmula que no es nada atractiva, pero Max está decidida a pasar por el proceso de aplicarla y analizar los resultados. De momento, su profesor, Antonio, la anima a hacerlo sin programar, paso a paso y con calculadora. "Cuando quieras extrapolar ésto a un conjunto de datos, ya tendrás que recurrir al código y funciones que agilicen los cálculos" le advierte Antonio.
¿Qué te pedimos que hagas?
Vas a aplicar procedimientos que, aunque son efectivos en modelos de inteligencia artificial débil, van orientados a modelizar problemas tal y cómo se comportan en el mundo real, que es el primer paso hacia una inteligencia artificial fuerte.
- Apartado 1: Aplica el Teorema de Bayes a un problema de diagnóstico de cáncer
-
En un determinado grupo poblacional, la probabilidad de tener cáncer es del 0,02%. Por otro lado, existe una prueba para detectarlo que no siempre es precisa. En caso de tener cáncer, arroja un resultado positivo el 85% de las veces, y en caso de no tener cáncer, arroja un resultado negativo el 95% de las veces.
-
Calcular la probabilidad de que se tenga cáncer si la prueba da positiva. Es decir: P(Cancer = Verdadero | Prueba = Positiva)
-
Para ayudar a resolver el problema nos facilitan el porcentaje de pruebas positivas que sería 5.016%. Es decir P(Prueba = Positiva) = 0.05016
-
Como ampliación se propone resolver el problema en el caso de no conocer el porcentaje de pruebas positivas. Para ello se deberá usar la siguiente fórmula
-
Entra en la web de cálculo del Teorema de Bayes para comprobar si tus cálculos son correctos
-
-
- Escribe los razonamientos de tus cálculos y añade captura de pantalla del uso de la calculadora de Bayes.
-
- Apartado 2: Aplicación de proceso KNN a una distribución de datos.
(CC BY-SA)
- Dada la distribución de datos de la imagen, aplica, de forma gráfica, la clasificación KNN con un K=3 para los siguientes puntos:
- (2.5, 7)
- (5.5, 4.5).
- Analiza cuál tendría que ser el valor de K mínimo para que hubiese empate entre ambas clases para cualquiera de los dos puntos.
- Dada la distribución de datos de la imagen, aplica, de forma gráfica, la clasificación KNN con un K=3 para los siguientes puntos:
- Apartado 3: Reflexión sobre la factibilidad de una inteligencia artificial fuerte.
- En función de lo visto en la unidad de trabajo, piensa en el concepto de IA Fuerte.
- ¿Crees que realmente sería posible llegar a desarrollar una IA general que supere la inteligencia humana?
NOTA IMPORTANTE
Debes presentar un documento explicativo describiendo cada paso o análisis que hayas hecho e incluyendo capturas de pantalla de las herramientas que hayas utilizado.
Licencia: otras licencias de software libres