Inteligencia Artificial Descifrada: Aprendizaje Automático vs. Aprendiz aje Profundo

La inteligencia artificial: aprendizaje automático y aprendizaje profundo

La inteligencia artificial (IA) está omnipresente en la actualidad, pero los fundamentos de su funcionamiento pueden resultar confusos. El aprendizaje automático (ML) y su subcampo, el aprendizaje profundo (DL), son dos de los campos más importantes del desarrollo de la IA. Aquí tienes una explicación rápida de estas dos disciplinas y cómo están contribuyendo a la evolución de la automatización.

¿Qué es realmente la IA?

Los defensores de la IA esperan crear algún día una máquina que pueda pensar por sí misma. El cerebro humano es una máquina asombrosa, capaz de realizar cálculos que superan con creces la capacidad de cualquier máquina existente. Los ingenieros de software que trabajan en el desarrollo de la IA esperan crear una máquina que pueda hacer todo lo que un ser humano puede hacer intelectualmente, pero que también pueda superarlo.

Aplicaciones actuales de la IA

Actualmente, las aplicaciones de la IA en las empresas y los gobiernos se limitan en gran medida a algoritmos predictivos, como los que sugieren tu próxima canción en Spotify o intentan venderte un producto similar al que compraste en Amazon la semana pasada. Sin embargo, los evangelistas de la IA creen que la tecnología podrá razonar y tomar decisiones mucho más complejas en el futuro.

Aprendizaje automático (ML)

El aprendizaje automático es una amplia categoría de IA que se refiere al proceso mediante el cual se enseña a los programas informáticos a hacer predicciones o tomar decisiones. Un ingeniero de IBM, Jeff Crume, explica que el aprendizaje automático es "una forma muy sofisticada de análisis estadístico". Según Crume, este análisis permite a las máquinas hacer predicciones o tomar decisiones basadas en datos. "Cuantos más datos se introduzcan en el sistema, más capaz será de darnos predicciones precisas", afirma.

Aprendizaje profundo (DL)

El aprendizaje profundo es un subcampo del aprendizaje automático que, al igual que otras formas de ML, se centra en enseñar a la IA a pensar. A diferencia de otras formas de aprendizaje automático, el DL busca permitir que los algoritmos realicen gran parte de su trabajo por sí mismos. El DL está impulsado por modelos matemáticos conocidos como redes neuronales artificiales (RNA).

Redes neuronales artificiales (RNA)

Las RNA están formadas por lo que se denominan nodos. Según el MIT, una RNA puede tener miles o incluso millones de nodos. Estos nodos pueden ser un poco complicados, pero la explicación resumida es que, al igual que los nodos del cerebro humano transmiten y procesan información, en una red neuronal los nodos están dispuestos de forma organizada. Esto se conoce como capas. Por lo tanto, las redes de aprendizaje profundo implican múltiples capas de nodos.

Ventajas y desventajas de la IA

El aprendizaje automático y el aprendizaje profundo ayudan a entrenar a las máquinas para que realicen actividades predictivas e interpretativas que antes eran exclusivas de los humanos. Esto puede tener muchas ventajas, pero la desventaja obvia es que estas máquinas pueden utilizarse (y, seamos sinceros, se utilizarán inevitablemente) para cosas nefastas, no solo para cosas útiles, como sistemas de vigilancia gubernamentales y privados y la continua automatización de las actividades militares y de defensa. Obviamente, también son útiles para las sugerencias a los consumidores o para la codificación y, en el mejor de los casos, para la investigación médica y de salud. Como cualquier otra herramienta, el impacto de la inteligencia artificial en el mundo, ya sea bueno o malo, depende en gran medida de quién la esté utilizando.

Fuente: https://es.gizmodo.com/aprendizaje-automatico-frente-al-aprendizaje-profundo-1851487040