Los términos Inteligencia artificial y Aprendizaje automático se usan frecuentemente como si fueran lo mismo.

Muchas compañías afirman que usan inteligencia artificial y en realidad el término no se aplica a las tecnologías que lo usan. Existe cierta confusión entre la inteligencia artificial y el Aprendizaje automático, sin siquiera mencionar el Aprendizaje profundo. Vamos a recordar los fundamentos de cada término para evitar confusiones y hablar como es correcto.

La inteligencia artificial

La inteligencia artificial (IA) es el concepto más amplio. Según Andrew Moore (ex director de educación de la Facultad de Ciencias de la Computación de la Carnegie Mellon University), "AI" se refiere a la capacidad de diseñar y construir ordenadores con comportamientos que hasta hace poco parecían ser exclusivos de la inteligencia humana. A partir de ahí, las tecnologías de la información como el análisis predictivo, el modelado y la simulación, así como el aprendizaje automático pueden incluirse en la IA.

Un aspecto importante de esta definición es la temporalidad del concepto: de hecho, lo que se identifica como IA evoluciona con la tecnologías. Hace unas décadas, un ordenador ya era capaz de jugar al ajedrez y se le consideraba AI. Para Zachary Lipton, profesor asistente e investigador en la Universidad Carnegie Mellon, AI es en esencia "un objetivo en evolución", donde se busca replicar las habilidades que poseen los humanos, pero no las máquinas (aún) ...

Por lo tanto, las aplicaciones que describimos hoy como IA, como los asistentes de voz o los algoritmos predictivos, se considerarán en unos pocos años como tecnologías básicas.

El aprendizaje automático

El aprendizaje automático es una sub-rama de la IA, que consiste en crear algoritmos que pueden mejorar automáticamente con la experiencia. En este caso también hablamos de sistemas de autoaprendizaje.

El aprendizaje automático implica el uso de conjuntos de datos de diferentes tamaños para identificar similitudes, correlaciones y diferencias. El aprendizaje automático se usa con frecuencia en sistemas de recomendaciones, que se basan en lo que el usuario ve, escucha, compra, pero también evita sugerir otros productos que puedan interesarle.

Hay tres tipos principales de aprendizaje automático:

  • En el aprendizaje supervisado, los algoritmos se basan en conjuntos de datos ya categorizados, para comprender los criterios utilizados para la clasificación y reproducirlos.
  • En el aprendizaje no supervisado, los algoritmos se entrenan a partir de datos sin procesar, de los cuales intentan extraer patrones.
  • Aprendizaje por refuerzo, el algoritmo funciona como un agente autónomo, observando su entorno y aprendiendo a medida que ocurren interacciones con él.

¿Y el Aprendizaje Profundo?

Deep Learning es en sí mismo un subdominio de Machine Learning, en el que desarrollamos algoritmos capaces de reconocer conceptos abstractos, como un niño pequeño a quien se le enseña a distinguir un perro de caballo.

Para el reconocimiento de imágenes, los algoritmos se centran en el análisis de contornos, formas y colores.