La inteligencia artificial, el aprendizaje automático y el aprendizaje profundo son ahora una parte integral de muchas empresas. A menudo, estos términos se usan como sinónimos.
La inteligencia artificial avanza a pasos agigantados, desde los logros en el campo de los vehículos no tripulados y la capacidad de vencer a una persona en juegos como el
póker y Go, hasta el servicio al cliente automatizado. La inteligencia artificial es una tecnología avanzada que está lista para revolucionar los negocios.
A menudo, los términos inteligencia artificial, aprendizaje automático y aprendizaje profundo se usan al azar como intercambiables, pero, de hecho, existen diferencias entre ellos. La diferencia exacta de estos términos se describirá más adelante.
Inteligencia Artificial (IA)
La inteligencia artificial es un concepto amplio con respecto a la inteligencia artificial avanzada. En 1956, en una conferencia sobre inteligencia artificial en Dartmouth, esta tecnología se describió de la siguiente manera: "Cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede, en principio, describirse con tanta precisión que una máquina pueda imitarlos".
La inteligencia artificial puede relacionarse con cualquier cosa, desde programas de computadora para jugar ajedrez hasta sistemas de reconocimiento de voz, como, por ejemplo, el asistente de voz
Amazon Alexa , que es capaz de percibir el habla y responder preguntas. En general, los sistemas de inteligencia artificial se pueden dividir en tres grupos: inteligencia artificial limitada (IA estrecha), inteligencia artificial general (AGI) e inteligencia artificial superinteligente.
El programa
Deep Blue de IBM, que derrotó a Garry Kasparov en el ajedrez en 1996, o el programa DeepMind
AlphaGo de Google, que derrotó al campeón mundial Guo Li Sedol en 2016, son ejemplos de inteligencia artificial limitada que puede resolver un problema específico. Esta es su principal diferencia con la Inteligencia Artificial General (AGI), que está a la par con la inteligencia humana y puede realizar muchas tareas diferentes.
La inteligencia artificial supramental está un paso por encima de la humana.
Nick Bostrom lo describe de la siguiente manera: es "una inteligencia que es mucho más inteligente que el mejor cerebro humano en casi todas las áreas, incluida la creatividad científica, la sabiduría general y las habilidades sociales". En otras palabras, esto es cuando los autos se vuelven mucho más inteligentes que nosotros.
Aprendizaje automático
El aprendizaje automático es una de las áreas de la inteligencia artificial. El principio básico es que las máquinas reciben datos y "aprenden" de ellos. Actualmente, es la herramienta más prometedora para los negocios basada en inteligencia artificial. Los sistemas de aprendizaje automático le permiten aplicar rápidamente el conocimiento adquirido durante la capacitación en grandes conjuntos de datos, lo que les permite sobresalir en tareas como el reconocimiento facial, el reconocimiento de voz, el reconocimiento de objetos, la traducción y muchos otros. A diferencia de los programas con instrucciones codificadas manualmente para realizar tareas específicas, el aprendizaje automático le permite al sistema aprender a reconocer patrones y hacer predicciones de manera independiente.
Si bien ambos programas, tanto Deep Blue como DeepMind, son ejemplos del uso de la inteligencia artificial, Deep Blue se creó sobre un conjunto de reglas preprogramadas, por lo que no tiene nada que ver con el aprendizaje automático. Por otro lado, DeepMind es un ejemplo de aprendizaje automático: el programa venció al campeón mundial en Go entrenándose en un gran conjunto de datos de movimientos realizados por jugadores experimentados.
¿Su empresa está interesada en
integrar el aprendizaje automático en su estrategia? Amazon, Baidu, Google, IBM, Microsoft y otros ya ofrecen plataformas de aprendizaje automático que las empresas pueden usar.
Aprendizaje profundo
El aprendizaje profundo es un subconjunto del aprendizaje automático. Utiliza algunos métodos de aprendizaje automático para resolver problemas reales utilizando redes neuronales que pueden imitar la toma de decisiones humanas. El aprendizaje profundo puede ser costoso y requiere grandes cantidades de datos de capacitación. Esto se debe al hecho de que hay una gran cantidad de parámetros que deben configurarse para los algoritmos de entrenamiento para evitar falsos positivos. Por ejemplo, el algoritmo de aprendizaje profundo puede recibir instrucciones de "aprender" cómo es un gato. Para producir entrenamiento, se requerirá una gran cantidad de imágenes para aprender a distinguir entre los detalles más pequeños que distinguen a un gato de, por ejemplo, un guepardo o una pantera, o un zorro.
Como se mencionó anteriormente, en marzo de 2016, se logró una gran victoria cuando el programa AlphaGo DeepMind derrotó al campeón mundial Guo Li Sedol en 4 de 5 juegos usando el aprendizaje profundo. Según Google, el sistema de aprendizaje profundo funcionó combinando el "
método de Monte Carlo para buscar un árbol con redes neuronales profundas que había sido entrenado con un maestro en juegos profesionales y reforzado el aprendizaje en juegos con ellos mismos".
El aprendizaje profundo también tiene aplicaciones comerciales. Puede tomar una gran cantidad de datos: millones de imágenes y, con su ayuda, identificar ciertas características. Búsqueda de texto, detección de fraude, detección de spam, reconocimiento de escritura a mano, búsqueda de imágenes, reconocimiento de voz, traducción: todas estas tareas se pueden lograr mediante el aprendizaje profundo. Por ejemplo, las redes de aprendizaje profundo de Google han reemplazado a muchos "sistemas basados en reglas que requieren trabajo manual".
Vale la pena señalar que el aprendizaje profundo puede ser bastante "parcial". Por ejemplo, cuando el sistema de reconocimiento facial de Google se implementó inicialmente, marcó muchas caras negras como gorilas. "Este es un ejemplo de lo que sucede si no tienes personas afroamericanas en tu conjunto de entrenamiento", dijo Anu Tewary, principal científico de datos de Mint en Intuit. "Si no tiene afroamericanos trabajando en el sistema, si no tiene afroamericanos probando el sistema, entonces cuando su sistema se encuentre con personas afroamericanas, no sabrá cómo comportarse".
Existe la opinión de que el
tema del aprendizaje profundo es muy publicitado .
Sundown AI , por ejemplo, proporciona interacciones automatizadas con los clientes mediante una combinación de aprendizaje automático y algoritmos de gráficos de políticas sin aprendizaje profundo.
El artículo original es "
Comprender las diferencias entre IA, aprendizaje automático y aprendizaje profundo ".