![\"vector](\"https:\/\/www.donalba.com\/OrquestaMedia2023Donalba\/wp-content\/uploads\/2022\/03\/vector_coreavi.jpg\")
<\/p>\n<\/p>\n
\u00bfSabes que el \u00e1lgebra, y los vectores en particular, son el combustible que necesitan todos los algoritmos de Inteligencia Artificial? As\u00ed es. Los vectores y las matrices son el coraz\u00f3n del procesamiento de datos de la Inteligencia Artificial hoy d\u00eda. <\/p>\n
Pero, \u00bfqu\u00e9 tiene de especial un vector? Para entenderlo primero debes saber qu\u00e9 es un vector. <\/p>\n
Cuando pensamos en procesamiento de datos, nos referimos a la habilidad de tomar informaci\u00f3n y modificarla. En algunos casos necesitamos transformarla de forma que podamos extraer conocimiento de ella; en otros casos la podemos coger para modificarla, o para extraer informaci\u00f3n sobre su estructura. En otras ocasiones, los datos son no visuales. <\/p>\n
En cualquier caso, los datos son un conjunto de unidades de informaci\u00f3n compuesto por una lista de caracter\u00edsticas que describen ese conjunto. En el caso de la imagen, por ejemplo, son los p\u00edxeles. En el caso de un paciente m\u00e9dico, son los atributos que lo describen (sexo, edad, historial\u2026). Si entendemos cada conjunto de datos como una colecci\u00f3n de caracter\u00edsticas, entenderemos lo que es un vector. <\/p>\n
Convertir los conjuntos de datos en vectores es muy \u00fatil porque encapsula una lista de caracter\u00edsticas de forma que es m\u00e1s f\u00e1cil relacionar cada grupo por separado; y porque la interpretaci\u00f3n de vectores geom\u00e9trica ayuda a revelar informaci\u00f3n sobre c\u00f3mo los conjuntos se relacionan entre ellos en una ficha t\u00e9cnica. <\/p>\n
En este sentido, lo que hace especial a los vectores es que, cuando los interpretamos geom\u00e9tricamente, aquellos vectores que apuntan en una misma direcci\u00f3n tienen propiedades similares. <\/p>\n
Por ejemplo, cuando interpretamos im\u00e1genes de coches y peatones como vectores en un espacio multidimensional, aunque no podamos visualizar las direcciones a las cuales el vector apunta, s\u00ed que podemos calcularlas para despu\u00e9s comparar los vectores que pertenecen a im\u00e1genes de coches con los que corresponden a im\u00e1genes de peatones. Los vectores de coches apuntar\u00e1n en una misma direcci\u00f3n, y los de los peatones, en otra. <\/p>\n
As\u00ed pues, crear un algoritmo que pueda aprender autom\u00e1ticamente las diferencias entre los coches y los peatones supondr\u00e1 manipular esos vectores matem\u00e1ticamente para entender la direcci\u00f3n en la que apuntan y encontrar as\u00ed la l\u00ednea que divide el espacio donde los coches y los peatones se separan. Una vez encontrado ese hiperplano, el algoritmo puede clasificar una imagen totalmente nueva porque sabe en qu\u00e9 lado del vector est\u00e1: el de los coches o el de los peatones. <\/p>\n
Por eso los algoritmos de Inteligencia Artificial terminan por llevar a cabo un n\u00famero muy copioso de operaciones con vectores. Por lo tanto no es una sorpresa que el otro tipo de dato estructurado com\u00fanmente empleado en Inteligencia Artificial sea la matriz: una matriz es una colecci\u00f3n de vectores apilados unos sobre otros. <\/p>\n
De hecho, en algunos casos es \u00fatil combinar varios vectores como una matriz para poder procesar un set de vectores al mismo tiempo.<\/p>\n