5 términos de inteligencia artificial que necesitas saber
La inteligencia artificial (IA) está invadiendo rápidamente cada área de nuestra vida digital, escogiendo las historias de las redes sociales que vemos, identificando a nuestros amigos y mascotas en fotos e incluso asegurándonos de evitar accidentes en la carretera. Sin embargo, si deseamos comprender la IA, debe comenzar con los términos que la sustentan.
Así que a continuación se presenta un glosario con cinco de las palabras y frases clave que ayudarán a entender mejor esta tecnología en constante mejora.
I. Algoritmos
Los algoritmos son conjuntos de reglas que los programas de computadora pueden seguir, por lo que si uno de tus mejores amigos publica una foto tuya en Facebook, las reglas dicen que debería subir en la parte superior de tu feed de noticias. O si necesita obtener de A a B en Google Maps, un algoritmo puede ayudarlo a encontrar la ruta más rápida.
Las reglas son seguidas por las computadoras, pero generalmente las establecen los humanos, por lo que los ingenieros de Facebook eligen lo que hace que una historia sea importante o qué carreteras son las más rápidas. Donde AI comienza a entrar es al ajustar estos algoritmos usando el aprendizaje automático, por lo que los programas comienzan a adaptar estas reglas por sí mismos. Google Maps podría hacer esto si comienza a recibir datos de retroalimentación de que un camino en particular está cerrado.
Cuando los sistemas de reconocimiento de imágenes se equivocan, por ejemplo, es un ejemplo de un algoritmo o conjunto de reglas en funcionamiento: se han aplicado las mismas reglas pero se ha llegado al resultado incorrecto, por lo que se obtiene un perro parecido a un gato en lugar de uno real gato. En muchos sentidos, los algoritmos son los componentes básicos del aprendizaje automático.
II.Inteligencia artificial
La inteligencia artificial (IA), también llamada inteligencia computacional, es la inteligencia exhibida por máquinas. En ciencias de la computación, una máquina «inteligente» ideal es un agente racional flexible que percibe su entorno y lleva a cabo acciones que maximicen sus posibilidades de éxito en algún objetivo o tarea. Coloquialmente, el término inteligencia artificial se aplica cuando una máquina imita las funciones «cognitivas» que los humanos asocian con otras mentes humanas, como por ejemplo: "aprender" y "resolver problemas".
III. Aprendizaje profundo (Deep Learning)
El aprendizaje profundo es un tipo o un subconjunto del aprendizaje automático, que es la razón por la cual los dos términos a menudo se mezclan y se pueden usar correctamente para describir la misma IA en muchos casos. Es un aprendizaje automático, pero diseñado para ser aún más inteligente, con más matices y más capas, y destinado a funcionar más como lo hace el cerebro humano.
El aprendizaje profundo ha sido posible gracias a dos avances tecnológicos clave: más datos y hardware más potente. Es por eso que recientemente se puso de moda, aunque sus raíces originales se remontan a décadas atrás. Si lo considera como el aprendizaje automático llegó a nivel 11, puede entender por qué se está volviendo más inteligente a medida que las computadoras se vuelven más poderosas.
El aprendizaje profundo a menudo hace uso de redes neuronales para agregar esta capa adicional de inteligencia. Por ejemplo, tanto el aprendizaje profundo como el aprendizaje automático pueden reconocer a un gato en una imagen escaneando un millón de imágenes de gatos, pero mientras que el aprendizaje automático necesita saber qué características conforman un gato, el aprendizaje profundo puede determinar cómo se ve un gato, siempre y cuando haya suficientes datos sin procesar para trabajar.
IV. Aprendizaje automático
El software y el hardware de programación para hacer nuestra oferta están muy bien, pero el aprendizaje automático es la próxima etapa, y es exactamente lo que parece. Son las máquinas que aprenden por sí mismas, en lugar de tener todo específicamente escrito para ellas cada vez.
Uno de los ejemplos más conocidos es con reconocimiento de imágenes. Dé a un sistema de aprendizaje automático suficientes imágenes de un gato, y eventualmente podrá detectar a un gato en una nueva imagen por sí mismo, sin ningún indicio de un operador humano. Puedes pensar que las redes de IA van más allá de su programación original, habiendo sido entrenadas primero en resmas de datos.
El programa AlphaGo de Google es otro buen ejemplo: es impartido por humanos, pero puede tomar decisiones por sí mismo en función de su capacitación. Lo que AlphaGo también muestra es que muchos tipos de IA son muy específicos: ese motor es fantástico para jugar a Go, pero sería inútil en un auto sin conductor.
V. Redes neuronales
Estrechamente ligada a la idea del aprendizaje profundo, las redes neuronales intentan imitar los procesos del cerebro humano, o la mayor parte del cerebro humano, tal como lo entendemos en este momento. De nuevo, el desarrollo de redes neuronales solo ha sido posible en los últimos años con procesadores de alta gama.
Esencialmente significa muchas capas. En lugar de mirar una imagen y decidir si es una imagen de gato, por ejemplo, la red neuronal considera varias características diferentes de la imagen y los gatos, asignando diferentes niveles de importancia a cada uno de ellos, antes de tomar una decisión final. El resultado final es un motor de reconocimiento de gatos que es mucho más preciso (de ahí que el reconocimiento de imágenes haya mejorado mucho en los últimos años).
Si no puede captar por completo la idea, no se preocupe: las redes neuronales no son un concepto que pueda comprender completamente a partir de una breve definición de tres párrafos. Pero si lo piensas como otra herramienta de aprendizaje automático, diseñada para crear algunas de las sutilezas de la inteligencia humana, entonces tienes lo básico.
Comentarios