Tres conceptos imprescindibles para entender la Inteligencia Artificial

Terraformacion fundamentos de la inteligencia artificial

Inteligencia Artificial Fuerte o Débil, Machine Learning, Deep Learning… Todos ellos son conceptos clave para entender el funcionamiento de la inteligencia artificial, términos básicos pero aparentemente difíciles de entender. En Terraformación nos encanta simplificar conceptos, así que vamos a ello.

¿Qué es la Inteligencia Artificial?

Definamos primero qué es la inteligencia humana. Entendemos por inteligencia humana a la facultad del hombre que le permite aprender, razonar y tomar decisiones.

La inteligencia artificial es la simulación de estos procesos, propios del ser humano, en máquinas. Es decir, consiste en dotar a sistemas informáticos de la capacidad de aprender (recabar información y establecer reglas para usarla) razonar (aplicar dichas reglas) y autocorrección.

Todo este proceso se centra en la consecución de un objetivo muy concreto. La inteligencia artificial de hoy en día solo consigue desempeñar tareas muy específicas y lo más importante opera dentro de un rango limitado previamente definido, fuera del cual no es capaz de actuar. Hablamos por tanto de una inteligencia artificial débil. La inteligencia artificial fuerte sería aquella que dotara a la máquina de la capacidad de improvisar y poder ofrecer soluciones a situaciones complejas no contempladas previamente. Algo que, al menos de momento, solo ocurre en las películas.

¿Qué es el Machine Learning?

Cuando hablamos de matchine learning nos referimos al proceso de aprendizaje automático, es la primera de las claves de la inteligencia artificial ya que sería imposible pre- programar todas las variables posibles que se encontrará el sistema.

La pregunta sería entonces ¿Cómo aprenden las máquinas? Pensemos de nuevo en nuestros propios procesos de aprendizaje  ¿cómo enseñamos a los niños? Lo hacemos a través de refuerzos, alabando las aptitudes positivas y recriminando las negativas. En estos aprendizajes tan básicos, se requiere por tanto de la intervención de un tercero, que valore y refuerce los comportamientos.

Las máquinas parten también de un aprendizaje supervisado, básicamente se trabaja con 4 tipos de algoritmos para el procesado de texto, reconocimiento de imágenes, reconocimiento de objetos y reconocimiento de voz a los que el humano debe definir los comportamientos correctos e incorrectos ,a través del entrenamiento.  Por ejemplo en una programación de un software que debe distinguir entre diferentes tipos de documentos, el “entrenador” deberá etiquetar un volumen notable de ejemplos, hasta que el sistema comience a identificarlos por si mismo, tras haber aprendido las combinaciones de características visuales que tiene cada uno de ellos.

Una vez que se ha construido el patrón de cada tipo de documento, el sistema comienza a hacer pruebas que deberán ser etiquetadas por el humano como correctas o incorrectas.

¿Qué es el Deep Learning?

El deep learning es un tipo de matching learning, que propone un proceso de aprendizaje especialmente sofisticado que trabaja por niveles o capas, es lo que se conoce como red neuronal.

Cada uno de estos niveles o capas procesa un tipo de información y genera un resultado ponderado. Siguiendo el ejemplo anterior en el caso del reconocimiento de tipos de documentos el primer nivel extraerá un resultado tipo: es una factura al 80% no es una factura al 20%. Este resultado se enviará a la segunda capa que lo filtrará en base a su propio juicio y obtendrá un segundo resultado que elevará a la tercera capa y así sucesivamente. De este modo la reducción del margen de error es notable.

 

Más información sobre IA en nuestro cursos online de inteligencia artificial.

 

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies