Diferencia entre IA, aprendizaje automático y aprendizaje profundo -

En los últimos años, junto con la explosión de la revolución industrial 4.0, términos como inteligencia artificial (IA), aprendizaje automático y aprendizaje profundo se están volviendo populares y se convierten en conceptos que los ciudadanos de la era 4.0 deben dominar.

La relación entre estos tres conceptos se puede explicar pensando en ellos como círculos, donde la IA, la idea más antigua, es el círculo más grande, seguida por el aprendizaje automático, el concepto que viene después, y finalmente el aprendizaje profundo, que está impulsando la corriente. AI boom: es el círculo más pequeño.

Por supuesto, construir un sistema de IA es extremadamente complicado, pero entenderlo no es tan difícil. La mayoría de las inteligencias artificiales actuales son simplemente buenas máquinas de adivinar (similares a nuestros cerebros). Le das al sistema un grupo de datos (como los dígitos del 1 al 10) y le pides al sistema que cree un modelo (x + 1, comenzando en 0) y haga predicciones. (El próximo número será el once). No hay magia, esto es lo que hace el cerebro humano todos los días: usar lo que sabemos para hacer conjeturas sobre lo desconocido.

Lo que diferencia a la IA de otros programas informáticos es que en lugar de tener que crear programas específicos para cada caso, podemos enseñar completamente la IA (aprendizaje automático), y además tiene la capacidad de realizar un aprendizaje profundo automático. Estos tres conceptos se pueden definir básicamente de la siguiente manera:

Inteligencia artificial (IA):  una máquina que puede imitar el comportamiento y el pensamiento humanos.

Aprendizaje automático:  una función de IA que permite a los expertos entrenar la IA para reconocer patrones de datos y hacer predicciones.

Aprendizaje profundo:  una pequeña técnica de aprendizaje automático que permite que las máquinas se entrenen a sí mismas.

¿Qué es la IA (Inteligencia Artificial)?

La IA se puede definir como una rama de la informática que se ocupa de la automatización de comportamientos inteligentes. La IA es parte de la informática y, por lo tanto, debe basarse en principios teóricos sólidos y aplicables del campo. En pocas palabras: es la inteligencia de las máquinas creadas por humanos. Esta inteligencia puede pensar, pensar, aprender,... como la inteligencia humana. Procese datos a un nivel más grande, más escalado, sistemático, científico y más rápido que los humanos.

Sin embargo, en la actualidad, la tecnología de IA es todavía muy limitada. Por ejemplo, Alexa, una gran ama de llaves, uno de los íconos más populares de las aplicaciones de inteligencia artificial, pero aún no puede pasar la prueba de Turing.

En resumen, lo que estamos haciendo con la IA hoy está en el concepto de "IA estrecha". Esta tecnología es capaz de realizar tareas específicas de manera similar o mejor que los humanos. Los ejemplos de “IA estrecha” en la práctica incluyen la tecnología de clasificación de imágenes de Pinterest o el reconocimiento facial para etiquetar amigos en Facebook.

Estas tecnologías representan algún aspecto de la inteligencia humana, pero ¿cómo puede ser eso? ¿De dónde viene esa sabiduría? Pasemos al siguiente círculo: aprendizaje automático.

¿Qué es el aprendizaje automático?

Aprendizaje automático: un enfoque de IA

Machine Learning es un término amplio que se refiere al acto de enseñarle a una computadora para mejorar una tarea que está realizando. Más específicamente, el aprendizaje automático se refiere a cualquier sistema en el que el rendimiento de una computadora al realizar una tarea mejora después de completar esa tarea muchas veces. En otras palabras, la habilidad más básica del aprendizaje automático es usar un algoritmo para analizar la información disponible, aprender de ella y luego tomar una decisión o predicción sobre algo relacionado. En lugar de crear software con instrucciones y acciones detalladas para realizar una tarea específica, las computadoras se "entrenan" utilizando grandes cantidades de datos y algoritmos para aprender cómo realizar la tarea.

Sin el aprendizaje automático, la IA actual sería bastante limitada porque le da a las computadoras el poder de resolver cosas sin ser programadas explícitamente. Como ejemplo de un tipo de aprendizaje automático, digamos que desea que un programa pueda identificar gatos en imágenes:

• Primero, le das a la IA un conjunto de características del gato para que la máquina las reconozca, como el color del pelaje, la forma del cuerpo, el tamaño, etc.
• A continuación, envía algunas imágenes a la IA, donde algunas o todas las imágenes pueden etiquetarse como "gato" para que la máquina pueda seleccionar de manera más efectiva características y detalles relacionados con el gato. .
• Una vez que la máquina ha recibido todos los datos necesarios del gato, debe saber cómo encontrar un gato en una imagen: “Si la imagen contiene ciertos detalles X, Y o Z, existe un 95 % de posibilidades de encontrar un gato en una imagen. Tal vez sea un gato".

En general, la aplicación del aprendizaje automático hoy en día es extremadamente popular y su utilidad es indiscutible.

¿Qué es el aprendizaje profundo?

Aprendizaje profundo: una técnica de aprendizaje automático

Se puede decir que hasta ahora, la IA ha logrado muchos grandes avances. Piense en ello como una especie de aprendizaje automático con "redes neuronales" profundas que pueden procesar datos de manera similar a como lo hace un cerebro humano. La principal diferencia aquí es que los humanos no tendrán que enseñarle a un programa de aprendizaje profundo cómo es un gato, sino darle todas las imágenes necesarias de gatos, y lo descubrirá por sí solo. , autoaprendizaje. Los pasos a realizar son los siguientes:

• Dale a la máquina muchas fotos de gatos.
• El algoritmo verificará la imagen para ver las características y detalles comunes entre las imágenes.
• Cada imagen se decodificará en detalle en muchos niveles, desde formas generales grandes hasta mosaicos cada vez más pequeños. Si una forma o líneas se repiten muchas veces, el algoritmo las etiquetará como una propiedad importante.
• Después de analizar suficientes imágenes necesarias, el algoritmo ahora sabe qué patrones proporcionan la evidencia más sólida de los gatos, y todo lo que los humanos tienen que hacer es proporcionar los datos sin procesar.

En resumen: el aprendizaje profundo es un tipo de aprendizaje automático en el que la máquina se entrena a sí misma. El aprendizaje profundo requiere mucha más entrada de datos y poder de cómputo que el aprendizaje automático, pero ya ha comenzado a ser implementado por grandes empresas tecnológicas como Facebook y Amazon. Entre ellos, uno de los nombres más famosos en el aprendizaje automático es AlphaGo, una computadora que puede jugar Go contra sí misma hasta que puede predecir los movimientos más precisos para vencer a muchos campeones mundiales.

Concluir

El aprendizaje profundo ha permitido la aplicación de muchos problemas de máquinas reales al tiempo que expande el campo general de la inteligencia artificial. El aprendizaje profundo interrumpe la forma en que los humanos trabajan al hacer que todo tipo de máquinas de asistencia funcionen, sean similares o idénticas a los humanos. Automóviles sin conductor, mejor atención médica... Todo se realiza en la actualidad. La IA es el presente y el futuro del mundo. Con la ayuda del aprendizaje profundo, la IA puede hacer realidad el sueño de ciencia ficción que hemos imaginado durante mucho tiempo.