Las relaciones que hay entre la Inteligencia Artificial y Aprendizaje Automático


¿Alguna vez has escuchado a alguien describir la inteligencia artificial como aprendizaje automático? ¿O alguna vez has escuchado a alguien describir el aprendizaje automático como inteligencia artificial? Tal vez solo haya escuchado uno de estos términos y esté completamente perdido en este punto. Hemos notado que las personas intercambian ambos términos y estamos aquí para despejar el aire.

Una definición corta

La inteligencia artificial, o IA, fue un término desarrollado por John McCarthy en 1956. McCarthy y otro programador, Arthur Samuel, teorizaron si sería posible programar una máquina para aprender sobre el entorno circundante en lugar de crear representaciones pre programadas del mundo. La IA describe máquinas que pueden realizar tareas que reflejan la inteligencia humana. Algunas tareas asociadas con la IA son cosas como la planificación, la comprensión del lenguaje, el reconocimiento del entorno, el aprendizaje y la resolución de problemas. La única forma en que la IA puede lograr cualquier cosa de manera eficiente y productiva es a través del Aprendizaje Automático.

Aprendizaje automático

El aprendizaje automático permite a los robots tener inteligencia artificial. Arthur Samuel, en 1959, definió el aprendizaje automático como «La capacidad de aprender sin programación explícita». Sería posible crear un robot con IA sin utilizar técnicas de aprendizaje automático, pero requeriría una gran cantidad de tiempo y recursos (requeriría que los programadores escriban manualmente millones de líneas de código con reglas complejas y árboles de decisión).

Básicamente, la razón por la que desea permitir que la IA aprenda es para reducir la cantidad de tiempo que les tomaría a los individuos codificar. El aprendizaje automático es una forma de «entrenar» a una máquina sobre cómo crear un algoritmo que se pueda aplicar a cada situación que se presente. La IA de entrenamiento solo significa que a los robots se les alimenta con grandes cantidades de datos y se les permite ajustarse para mejorar el algoritmo.

Por ejemplo, una máquina tiene la tarea de identificar si las imágenes contienen una flor, un árbol o ninguno de los dos. Los programadores les pedirían a las personas que etiqueten millones de fotos con una flor, un árbol o ninguna etiqueta (los programadores podrían tener que hacer estas etiquetas por su cuenta). La máquina tomará esos millones de fotos y luego intentará construir un modelo que etiquetaría con precisión una imagen como un árbol, una flor o ninguno de los dos.

Una vez que se considera que el nivel de precisión es adecuado, la máquina ahora ha «aprendido» cómo completar una tarea y tiene inteligencia artificial.

Otro enfoque para el aprendizaje automático se llama aprendizaje profundo. El aprendizaje profundo trata de imitar la estructura y las funciones del cerebro humano. Las máquinas pueden lograr muchas cosas a través del aprendizaje profundo, como la creación y el uso de árboles de decisión, la programación de lógica inductiva y el refuerzo del conocimiento previo.

El aprendizaje profundo intenta funcionar como la forma en que funcionan las neuronas interconectadas en el cerebro. También conocidas como Redes Neuronales Artificiales, o ANN, estas estructuras consisten en algoritmos que imitan la estructura del cerebro. Una manera fácil de pensarlo es imaginando los algoritmos en estas máquinas como las neuronas en nuestros cerebros. El aprendizaje profundo ocurre cuando las máquinas crean algoritmos que consisten en una densidad de código interconectados.

Estas máquinas funcionan en un sistema de probabilidad. Según los datos de entrada, las máquinas de aprendizaje profundo pueden hacer afirmaciones, decisiones o predicciones con cierto grado de certeza. Estos sistemas también aplican bucles de retroalimentación que les permiten «aprender» al detectar o que se les diga si la decisión o las decisiones tomadas fueron el resultado deseado. La máquina también puede hacer ajustes basados ​​en la precisión de las predicciones.

El aprendizaje automático y la IA no son términos intercambiables, sino que están relacionados entre sí. Podría haber IA sin aprendizaje automático, pero las máquinas con IA tardarían una eternidad en desarrollarse y costarían una enorme cantidad de tiempo y dinero. El aprendizaje automático permite a la máquina aprender por sí misma y completar tareas. Para que la IA se desarrolle rápidamente y completen con precisión las tareas, la máquina debe poder aprender para cualquier y todas las situaciones.

La forma más fácil de pensar acerca de la diferencia entre la IA y el aprendizaje automático es que la IA es el concepto más amplio de máquinas con la capacidad de completar tareas de manera humana. El aprendizaje automático hace que sea más fácil para las máquinas acceder e interpretar datos por su cuenta.

Source: The PPP Economy

GrupoUnetcom