Diferencias entre Inteligencia Artificial, Aprendizaje Automático y Aprendizaje Profundo


Hay ya muchas películas acerca de la I.A.; pero no creamos
odo lo que vemos en las películas…

Siguiento en la línea de publicaciones de los últimos días, hoy os hablaré sobre I.A., es decir, sobre Inteligencia Artificial y algún otro término relacionado, pues resulta que en esto de la I.A. ya hay toda una terminología y filosofía al respecto. No es que sea algo que podamos aplicar a nuestro día a día (al menos en los días en que venimos al c.i.f.nº1 a estudiar), pero quién sabe algún día…

La llegada de una tecnología cada vez más sorprendente, nuestros dispositivos están empezando a ser mucho más inteligentes. Dependiendo de dónde viva, es posible que haya visto vehículos que conducen de forma autónoma haciendo pruebas alrededor de su ciudad, y si ha utilizado la función de ayuda online al realizar un pedido, es posible que haya interactuado con un chatbot.

Un articulo publicado por Times Square Chronicles, explica cada uno de los términos para obtener una mejor idea de lo que significa: Inteligencia Artificial, el Aprendizaje Automático y el Aprendizaje Profundo y, cómo están conectados y si son diferentes, es necesario conocerlos más en detalle:

Inteligencia artificial

La inteligencia artificial, o IA, comenzó en 1956 cuando un grupo de científicos se le ocurrió el término en las Conferencias de Dartmouth. Los investigadores soñaron con un mundo donde las computadoras tendrían las mismas características que la inteligencia humana y pensarían como nosotros. Si bien todavía no hemos llegado a ese punto, tenemos una serie de tecnologías que sin duda hacen un trabajo decente al realizar una tarea específica tan bien o mejor que nosotros. Grandes ejemplos son el reconocimiento facial en Facebook, que le permitirá regresar a su cuenta si está bloqueado, asistentes personales virtuales como Siri y sitios web que sugieren artículos para que usted compre, en función de sus compras pasadas.

Aprendizaje automático

El aprendizaje automático toma el concepto de AI y lo expande un poco más. Mientras que AI se basa en la programación de computadoras, el aprendizaje automático involucra el uso de algoritmos complejos para analizar una gran cantidad de datos, recoger patrones y luego hacer una predicción, todo sin tener que programar el dispositivo con anticipación. Un gran ejemplo de aprendizaje automático es cuando se usa para identificar ciertos artículos. Si un dispositivo que es capaz de aprender máquinas incorrectamente dice que un tomate es una granada, el aprendizaje automático le permitirá reconocer patrones para mejorar con el tiempo, aprender de errores pasados ​​e identificar la fruta correctamente, como lo haría un ser humano. Además, el aprendizaje automático se puede encontrar en dispositivos portátiles que rastrean la salud; esto puede permitir la creación de objetivos de fitness realistas y específicos para el usuario.

 

Aprendizaje profundo

Así como el aprendizaje automático es un subconjunto de la IA, el aprendizaje profundo es un subconjunto del aprendizaje automático. El aprendizaje profundo es una clase específica de algoritmos de aprendizaje automático que utilizan redes neuronales complejas para llevar la idea de inteligencia informática a un nivel completamente nuevo. El aprendizaje profundo implica tomar una enorme cantidad de datos y computación para permitir que la computadora u otro dispositivo imite las redes neuronales profundas que tenemos en nuestros cerebros; estos nos permiten clasificar datos y encontrar conexiones entre ellos. Cuantos más datos tenga un dispositivo, más preciso será capaz de predecir qué cosas son. Volviendo a nuestro ejemplo de tomate / granada, mientras que el aprendizaje automático puede determinar la diferencia entre los dos tipos de fruta, el aprendizaje profundo examinará la gran cantidad de datos como la forma, el tamaño, el color y más, para determinar si el tomate es una cereza tomate, una variedad autóctona o un bistec.

Si bien la inteligencia artificial, el aprendizaje automático y el aprendizaje profundo tienen diferencias definidas, también comparten un rasgo común: ayudar a las máquinas a trabajar de forma más inteligente y obtener más información acerca de sus usuarios.

+INFO

 

Sin comentarios.