Entender la diferencia entre Machine Learning e Inteligencia Artificial

A inteligencia artificial y aprendizaje automático son palabras de moda en la industria de la tecnología en los últimos años, pero ¿qué significan exactamente? Aquí puede consultar una publicación que hicimos explicando en detalle qué es el aprendizaje automático, pero la pregunta que queremos abordar aquí es cómo podemos diferenciar estos dos términos.

aprendizaje digital

Los dos términos a menudo se confunden y se usan incorrectamente por las empresas que quieren hacer que su tecnología sea más sofisticada. De hecho, la inteligencia artificial y el aprendizaje automático son muy diferentes, con diferentes implicaciones sobre lo que pueden hacer las computadoras y cómo interactúan con nosotros.

O aprendizaje automático es el paradigma informático que impulsa el crecimiento de "Grandes datos" e IA. Se basa en el desarrollo de redes neuronales y aprendizaje profundo. Esto generalmente se describe como una imitación de la forma en que los humanos aprenden, pero esto es incorrecto. El aprendizaje automático realmente se relaciona con el análisis estadístico y el aprendizaje iterativo.

En lugar de construir un programa tradicional compuesto por declaraciones lógicas e árboles de decisión, una red neuronal está diseñado específicamente para el entrenamiento y el aprendizaje utilizando una red paralela de neuronas, cada una configurada para un propósito específico.

La naturaleza de cualquier red neuronal en particular puede ser muy complicada, pero la clave de su funcionamiento es aplicar ponderaciones (o factores de importancia) a algún atributo de la entrada. Usando redes de varios pesos y capas, es posible producir una probabilidad o estimación de que su entrada coincida con una o más de las salidas definidas.

El problema con este tipo de cálculo, como con la programación normal, es la dependencia de cómo lo configura el programador humano, y reajustar todos estos pesos para afinar la precisión de la salida puede llevar muchas horas de trabajo para que sea factible. Una red neuronal pasa al dominio del aprendizaje automático una vez que se introduce un ciclo de retroalimentación correctiva.

“Entrenando” la máquina

Al monitorear la salida, compararla con la entrada y reducir gradualmente el peso de las neuronas, una red puede entrenarse para mejorar la precisión. La parte importante aquí es que un algoritmo de aprendizaje automático puede aprender y actuar sin programadores, especificando todas las posibilidades dentro del conjunto de datos.

El entrenamiento de una red se puede realizar de varias maneras diferentes, pero todas implican un enfoque iterativo de fuerza bruta para maximizar la precisión de salida y entrenar las rutas óptimas a través de la red. Sin embargo, este autoaprendizaje sigue siendo un proceso más eficiente que la optimización manual de un algoritmo y permite que los algoritmos cambien y clasifiquen cantidades mucho mayores de datos en tiempos mucho más rápidos de lo que sería posible de otro modo.

Una vez entrenado, un algoritmo de aprendizaje automático puede clasificar nuevas entradas en la red con gran velocidad y precisión en tiempo real. Esto la convierte en una tecnología esencial para la visión artificial, el reconocimiento de voz, el procesamiento del lenguaje y los proyectos de investigación científica.

Qué es y qué no es IA

El aprendizaje automático es una técnica de procesamiento inteligente, pero no tiene ninguna inteligencia real. Un algoritmo no necesita comprender exactamente por qué se corrige a sí mismo, sino cómo puede ser más preciso en el futuro.

Un algoritmo de aprendizaje automático que puede filtrar una base de datos de imágenes e identificar el objeto principal en la imagen realmente no parece inteligente, porque no está aplicando esa información de una manera "humana".

Las inteligencias artificiales se pueden dividir en dos grandes grupos, aplicado ou general. En inteligencia artificial aplicada es mucho más viable ahora. Está más vinculado a los ejemplos de aprendizaje automático anteriores y está diseñado para realizar tareas específicas. Esto podría ser un inventario comercial, administrar el tráfico en una ciudad inteligente o ayudar a diagnosticar pacientes.

A inteligencia artificial general es, como su nombre lo indica, más amplio y más capaz. Es capaz de manejar una gama más amplia de tareas, comprender prácticamente cualquier conjunto de datos y, por lo tanto, parece pensar de manera más amplia, al igual que los humanos. En teoría, la IA general podría aprender fuera de su conjunto de conocimientos original, lo que podría conducir a un crecimiento descontrolado de sus habilidades.

De ojo en el futuro

A pesar de toda la jerga científica y la charla técnica, las aplicaciones de aprendizaje automático e inteligencia artificial ya están aquí. Todavía estamos muy lejos de convivir con la IA general, pero si usa Asistente de Google o Alexa de Amazon, ya está interactuando con una forma de IA aplicada.

El aprendizaje automático utilizado para el procesamiento del lenguaje es uno de los habilitadores clave de los dispositivos inteligentes de hoy en día, aunque ciertamente no son lo suficientemente inteligentes como para responder a todas sus preguntas.

El hogar inteligente es solo el último caso de uso. El aprendizaje automático se ha empleado en el dominio de big data desde hace un tiempo, y estos casos de uso están invadiendo cada vez más el territorio de la IA. O Google lo utiliza para las herramientas del motor de búsqueda. O Facebook utiliza para optimizar la publicidad.

Hay una gran diferencia entre el aprendizaje automático y la inteligencia artificial, aunque el primero es un componente muy importante de la segunda. Sin duda, seguiremos escuchando mucho sobre los dos a lo largo de 2018 y más allá.