La inteligencia artificial (IA) y el aprendizaje automático (ML) son dos palabras muy de moda en estos momentos, y a menudo parecen usarse indistintamente.
No son exactamente lo mismo, pero la percepción de que lo son a veces puede generar confusión. Por eso pensé que valdría la pena escribir un artículo para explicar la diferencia.
Ambos términos aparecen con mucha frecuencia cuando el tema es Big Data, análisis y las olas más amplias de cambio tecnológico que están arrasando nuestro mundo.
En resumen, la mejor respuesta es que:
La inteligencia artificial es el concepto más amplio de máquinas capaces de realizar tareas de una manera que consideraríamos “inteligente”.
Y,
El aprendizaje automático es una aplicación actual de la IA basada en la idea de que deberíamos poder dar a las máquinas acceso a los datos y dejar que aprendan por sí mismas.
Los primeros días
La inteligencia artificial existe desde hace mucho tiempo: los mitos griegos contienen historias de hombres mecánicos diseñados para imitar nuestro comportamiento. Las primeras computadoras europeas se concibieron como «máquinas lógicas» y, al reproducir capacidades como la aritmética básica y la memoria, los ingenieros consideraron que su trabajo consistía, fundamentalmente, en intentar crear cerebros mecánicos.
A medida que la tecnología y, sobre todo, nuestra comprensión del funcionamiento de nuestras mentes han avanzado, nuestro concepto de lo que constituye la IA ha cambiado. En lugar de cálculos cada vez más complejos, el trabajo en el campo de la IA se ha centrado en imitar los procesos humanos de toma de decisiones y en realizar tareas de forma cada vez más humana.
Las inteligencias artificiales (dispositivos diseñados para actuar de forma inteligente) suelen clasificarse en dos grupos fundamentales: aplicadas o generales. La IA aplicada es mucho más común: los sistemas diseñados para operar con acciones o maniobrar un vehículo autónomo de forma inteligente entrarían en esta categoría.
Las IA generalizadas (sistemas o dispositivos que, en teoría, pueden realizar cualquier tarea) son menos comunes, pero es aquí donde se producen algunos de los avances más emocionantes. También es el área que ha impulsado el desarrollo del aprendizaje automático. A menudo se le denomina un subconjunto de la IA, pero es más preciso considerarlo el estado actual del arte.
El auge del aprendizaje automático
Dos avances importantes llevaron al surgimiento del aprendizaje automático como el vehículo que impulsa el desarrollo de la IA a la velocidad que tiene actualmente.
Una de ellas fue la constatación –atribuida a Arthur Samuel en 1959– de que en lugar de enseñar a las computadoras todo lo que necesitan saber sobre el mundo y cómo realizar tareas, podría ser posible enseñarles a aprender por sí mismas.
El segundo, más reciente, fue el surgimiento de Internet y el enorme aumento de la cantidad de información digital que se genera, almacena y pone a disposición para su análisis.
Una vez que estas innovaciones estuvieron en marcha, los ingenieros se dieron cuenta de que en lugar de enseñar a las computadoras y máquinas cómo hacer todo, sería mucho más eficiente codificarlas para que pensaran como seres humanos y luego conectarlas a Internet para darles acceso a toda la información del mundo.
Redes neuronales
El desarrollo de redes neuronales ha sido clave para enseñar a las computadoras a pensar y comprender el mundo como lo hacemos nosotros, pero conservando las ventajas innatas que tienen sobre nosotros, como la velocidad, la precisión y la falta de sesgos.
Una red neuronal es un sistema informático diseñado para clasificar la información de forma similar a como lo hace el cerebro humano. Se le puede enseñar, por ejemplo, a reconocer imágenes y clasificarlas según los elementos que contienen.
En esencia, funciona con un sistema de probabilidad: basándose en los datos que recibe, puede emitir afirmaciones, tomar decisiones o predecir con cierto grado de certeza. La adición de un bucle de retroalimentación permite el «aprendizaje»: al percibir o recibir información sobre si sus decisiones son correctas o incorrectas, modifica su enfoque futuro.
Las aplicaciones de aprendizaje automático pueden leer texto y determinar si quien lo escribió presenta una queja o una felicitación. También pueden escuchar una pieza musical, decidir si puede alegrar o entristecer a alguien y encontrar otras piezas musicales que se ajusten a ese estado de ánimo. En algunos casos, incluso pueden componer su propia música expresando los mismos temas o sabiendo que probablemente será apreciada por los admiradores de la pieza original.
Todas estas son posibilidades que ofrecen los sistemas basados en aprendizaje automático (ML) y redes neuronales. Gracias, en gran medida, a la ciencia ficción, también ha surgido la idea de que deberíamos poder comunicarnos e interactuar con dispositivos electrónicos e información digital con la misma naturalidad con la que lo haríamos con otro ser humano. Por ello, otro campo de la IA, el Procesamiento del Lenguaje Natural (PLN), se ha convertido en una fuente de innovación enormemente emocionante en los últimos años, y que depende en gran medida del ML.
Las aplicaciones de PNL intentan comprender la comunicación humana natural, ya sea escrita o hablada, y comunicarse con nosotros mediante un lenguaje natural similar. El aprendizaje automático se utiliza aquí para ayudar a las máquinas a comprender los amplios matices del lenguaje humano y a aprender a responder de una manera que probablemente comprenda un público específico.
¿Un caso de marca?
La inteligencia artificial, y en particular el aprendizaje automático (ML) hoy en día, sin duda tiene mucho que ofrecer. Con su promesa de automatizar tareas rutinarias y ofrecer perspectivas creativas, industrias de todos los sectores, desde la banca hasta la salud y la manufactura, están cosechando los beneficios. Por lo tanto, es importante tener en cuenta que la IA y el ML son algo más: son productos que se venden de forma consistente y lucrativa.
El aprendizaje automático ha sido sin duda una oportunidad para los profesionales del marketing. Tras tanto tiempo de existencia de la IA, es posible que se haya empezado a considerar algo anticuado, incluso antes de que se alcanzara su máximo potencial. Ha habido algunos intentos fallidos en el camino hacia la "revolución de la IA", y el término "aprendizaje automático" sin duda ofrece a los profesionales del marketing algo nuevo, prometedor y, sobre todo, con una sólida base actual.
El hecho de que eventualmente desarrollaremos una IA similar a la humana se ha considerado a menudo inevitable por parte de los tecnólogos. Sin duda, hoy estamos más cerca que nunca y avanzamos hacia ese objetivo a un ritmo cada vez mayor. Gran parte del emocionante progreso que hemos visto en los últimos años se debe a los cambios fundamentales en la forma en que concebimos el funcionamiento de la IA, impulsados por el aprendizaje automático. Espero que este artículo haya ayudado a algunas personas a comprender la diferencia entre IA y aprendizaje automático.
_____
by bernardo marr
Fuente: forbes.com
