Descifrando las diferencias: IA

Con grandes avances en inteligencia artificial–desde los avances en el ámbito de los vehículos sin conductor, hasta dominar juegos como el póker y Go, y automatizar las interacciones de servicio al cliente–esta avanzada tecnología está lista para revolucionar los negocios. Pero los términos inteligencia artificial, aprendizaje automático y aprendizaje profundo a menudo se usan de manera indiscriminada e intercambiable, cuando en realidad hay diferencias clave entre cada tipo de tecnología. Aquí tienes una guía sobre las diferencias entre estas tres herramientas para ayudarte a dominar la inteligencia artificial.

ENCUESTA: Participa en esta encuesta sobre inteligencia artificial y aprendizaje automático y obtén una copia gratuita del informe de investigación

Inteligencia Artificial (IA)

La IA es la forma más amplia de pensar en la inteligencia avanzada de las computadoras. En 1956, en la Conferencia de Inteligencia Artificial de Dartmouth, se describió la tecnología de la siguiente manera: "Cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede describirse de manera tan precisa que una máquina pueda simularlo".

La IA puede referirse desde un programa de computadora que juega una partida de ajedrez, hasta un sistema de reconocimiento de voz como el Alexa de Amazon que interpreta y responde al habla. La tecnología se puede clasificar en tres grupos principales: IA estrecha, inteligencia artificial general (IAG) y IA superinteligente.

IBM's Deep Blue, que venció al gran maestro de ajedrez Garry Kasparov en 1996, o el AlphaGo de Google DeepMind, que en 2016 venció a Lee Sedol en Go, son ejemplos de IA estrecha, es decir, IA especializada en una tarea específica. Esto es diferente a la inteligencia artificial general (IAG), que es una IA considerada a nivel humano y puede realizar una variedad de tareas.

La IA superinteligente va un paso más allá. Como lo describe Nick Bostrom, es "un intelecto mucho más inteligente que los mejores cerebros humanos en prácticamente todos los campos, incluyendo la creatividad científica, la sabiduría general y las habilidades sociales". En otras palabras, es cuando las máquinas nos han superado en inteligencia.

Waymo: La guía completa de la tecnología que impulsa los autos sin conductor

Aprendizaje Automático (AA)

El aprendizaje automático es una subdisciplina de la IA. El principio básico aquí es que las máquinas toman datos y "aprenden" por sí mismas. Actualmente, es la herramienta más prometedora en el kit de IA para los negocios. Los sistemas de AA pueden aplicar rápidamente conocimientos y entrenamiento de grandes conjuntos de datos para destacar en el reconocimiento facial, el reconocimiento de voz, el reconocimiento de objetos, la traducción y muchas otras tareas. A diferencia de codificar manualmente un programa de software con instrucciones específicas para completar una tarea, el AA permite que un sistema aprenda a reconocer patrones por sí mismo y realizar predicciones.

Mientras que tanto Deep Blue como DeepMind son tipos de IA, Deep Blue se basaba en reglas y era dependiente de la programación, por lo que no era una forma de AA. En cambio, DeepMind sí lo era: venció al campeón mundial en Go al aprender por sí mismo a partir de un gran conjunto de datos de movimientos expertos.

¿Está interesado tu negocio en integrar aprendizaje automático en su estrategia? Amazon, Baidu, Google, IBM, Microsoft y otros ofrecen plataformas de aprendizaje automático que las empresas pueden utilizar.

Aprendizaje Profundo

El aprendizaje profundo es una subcategoría del AA. Utiliza algunas técnicas del AA para resolver problemas del mundo real al aprovechar redes neuronales que simulan la toma de decisiones humanas. El aprendizaje profundo puede ser costoso y requiere conjuntos de datos masivos para entrenarse. Esto se debe a que hay una gran cantidad de parámetros que deben entenderse mediante un algoritmo de aprendizaje, lo que puede generar inicialmente una gran cantidad de resultados falsos positivos. Por ejemplo, un algoritmo de aprendizaje profundo podría "aprender" cómo luce un gato. Sería necesario un conjunto de datos masivo de imágenes para que comprenda los detalles muy mínimos que distinguen a un gato, por ejemplo, de un guepardo, un leopardo o un zorro.

Como se mencionó anteriormente, en marzo de 2016 se logró una gran victoria de IA cuando el programa AlphaGo de DeepMind venció al campeón mundial Lee Sedol en 4 de los 5 juegos de Go utilizando aprendizaje profundo. El sistema de aprendizaje profundo funcionaba combinando "la búsqueda de árbol de Monte Carlo con redes neuronales profundas que habían sido entrenadas mediante aprendizaje supervisado a partir de juegos de expertos humanos, y mediante aprendizaje por refuerzo a partir de juegos de autojuego", según Google.

El aprendizaje profundo también tiene aplicaciones en los negocios. Puede tomar una gran cantidad de datos, como millones de imágenes, y reconocer ciertas características. Las búsquedas basadas en texto, la detección de fraudes, la detección de spam, el reconocimiento de escritura a mano, la búsqueda de imágenes, el reconocimiento de voz, la detección de Street View y la traducción son todas tareas que se pueden realizar mediante aprendizaje profundo. Por ejemplo, en Google, las redes de aprendizaje profundo han reemplazado muchos sistemas basados en reglas creadas manualmente.

Los 6 trabajos más demandados en el campo de la inteligencia artificial y sus salarios promedio

El aprendizaje profundo también es altamente susceptible al sesgo. Cuando el sistema de reconocimiento facial de Google fue lanzado inicialmente, por ejemplo, etiquetó muchas caras negras como gorilas. "Ese es un ejemplo de lo que sucede si no tienes rostros afroamericanos en tu conjunto de entrenamiento", dijo Anu Tewary, director de datos de Mint en Intuit. "Si no tienes afroamericanos trabajando en el producto. Si no tienes afroamericanos probando el producto. Cuando tu tecnología se encuentra con rostros afroamericanos, no sabrá cómo comportarse".

Algunos también creen que el aprendizaje profundo está sobrevalorado. Por ejemplo, Sundown AI ha logrado dominar las interacciones automatizadas con los clientes utilizando una combinación de AA y algoritmos de grafo de políticas, no aprendizaje profundo.

También te puede interesar...

• Las 6 avances más emocionantes en IA de 2016 (Newsmatic)
• 3 grandes tendencias de IA para observar en 2017 (Newsmatic)
• El nuevo avance de Microsoft: IA tan buena como los humanos escuchando... por teléfono (ZDNet)
• Cinco formas en que tu empresa puede comenzar a implementar IA y AA (ZDNet)
• Investigación: el 63% dice que las empresas se beneficiarán de la IA (Tech Pro Research)
• Cómo DeepMind de Google venció al juego de Go, que es aún más complejo que el ajedrez (Newsmatic)
• Las máquinas inteligentes están a punto de gobernar el mundo: así es cómo prepararte (Newsmatic)
• Por qué la IA podría destruir más empleos de los que crea y cómo salvarlos (Newsmatic)
• 7 tendencias de inteligencia artificial en 2016: "Como 2015, pero en esteroides" (Newsmatic)

En Newsmatic nos especializamos en tecnología de vanguardia, contamos con los artículos mas novedosos sobre Inteligencia artificial, allí encontraras muchos artículos similares a Descifrando las diferencias: IA , tenemos lo ultimo en tecnología 2023.