¿Inteligencia Artificial o Machine Learning?

¿Inteligencia Artificial o Machine Learning?

Existe un error bastante frecuente al momento de hablar sobre inteligencia artificial, el cual es confundirlo con los términos, machine Learning (aprendizaje automático) y deep learning (aprendizaje profundizada), las cuales son las bases que sustentan la IA.

Para entender la diferencia entre ellas, es necesario conocer en que consisten y saber como es su funcionamiento.

¿Qué es inteligencia artificial?

La inteligencia artificial (IA) se refiere al estudio y desarrollo de técnicas informáticas, la cuales permiten a las computadoras imitar la inteligencia humana con la finalidad de realizar tareas de cierto grado de complejidad. Por ejemplo:

  • Identificar objetos y reconocer sus significados.
  • Analizar y resolver problemas.
  • Aprender a realizar nuevas tareas.
  • Reconocer imágenes

Diferencia entre inteligencia artificial y machine learning

En términos generales la IA es la facultad de una computadora de mostrar una habilidad o un comportamiento «inteligente». Por otra parte machine learning es la técnica para desarrollar y mejorar esas habilidades, mediante un entrenamiento automático basado en una exposición continua de datos.

Por ejemplo, se podría programar una computadora para identificar a un animal como un perro, se puede desarrollar un código que indique al programa seleccionar un «perro» al momento que se muestre una imagen del mismo. Esto funcionaría si la imagen que ve la computadora es de un único perro, pero en el caso de que existan mas imágenes de diferentes animales y tuviera que identificar cual es el perro, no funcionaria.

Inteligencia Artificial

El machine learning entra en juego en estos casos, donde pueden entrenarse de diferentes maneras, en una de ellas se le muestra al programa diversas imagenes de varios animales, cada uno identificado con su nombre correspondiente. El programa aprenderá a identificar a todos los animales que se parecen a un perro sin haberlo programado previamente para identificar a un único perro. Para ello el programa debe aprender a reconocer y diferenciar las diferentes combinaciones de características visuales. Por ejemplo, tamaño y forma de los cuerpos, haciendo al perro visualmente diferente a otros animales. Una vez que se ha construido el modelo de perro , un programa de Machine Learning realiza pruebas al tratar de identificar a los perros en un conjunto de imágenes que no ha visto antes.

El programa mide el éxito obtenido en la identificación de los nuevos perros y utiliza esta información para ajustar el modelo, de forma que la próxima vez obtendrá mejores resultados.

Redes neuronales y machine learning

Algunos modelos de machine learning utilizan «redes neuronales» para obtener un mejor desarrollo del «aprendizaje automático». Estos sistemas imitan las redes neuronales biológicas, responsables del aprendizaje en el ser humano.

Las redes neuronales funcionan a través de capas de neuronas. Mientras mas capas existan mas capacidad de aprendizaje y procesamiento desarrolla .

El Deep Learning surge cuando cuando la red neuronal alcanza un nivel muy profundo donde se utilizan un gran  numero de capas. Al utilizar esta técnica  los sistemas basados en IA pueden no solo aprender conceptos, sino también pueden comprender contextos y entornos bastante complejos.

De hecho, este tipo de tecnologías son las utilizadas en los vehículos autónomos. La forma en que un vehículo sin conductor comprende las realidades en la carretera y cómo responder a ellas, ya sea una señal de tránsito, semáforo, personas u otro vehículo, es a través de algoritmos de deep learning.

Si te gustan nuestros artículos y deseas apoyarnos para seguir con nuestra web puedes realizar tu aporte en la sección de donaciones

Deja una respuesta