Aprendizaje automático frente a inteligencia artificial

Aprendizaje automático frente a inteligencia artificial

El mundo entero se encuentra actualmente bajo bloqueo debido a la pandemia de COVID-19. Se han cerrado escuelas, universidades e incluso oficinas para evitar una mayor propagación del virus. Si alguna vez quisiste mejorar tus habilidades con nuevas tecnologías o quieres saber más sobre ellas, este es el mejor momento.

Digamos que el aprendizaje automático (ML) y la inteligencia artificial (IA) son una de las habilidades o tecnologías que desea explorar, entonces está en el lugar correcto. Hay muchos cursos de inteligencia artificial y aprendizaje automático disponibles en la red mundial proporcionados por varios institutos de capacitación en línea. A diferencia de la mayoría de ellos, repasaremos los conceptos básicos de ML y AI en la mayoría de los términos simples. También veremos varias diferencias entre los dos en la sección de resumen. Sin más preámbulos, comencemos.

Inteligencia Artificial (IA):

Si ha visto alguna de las películas de Iron-Man o está utilizando un teléfono inteligente razonablemente moderno, probablemente haya oído hablar de la Inteligencia Artificial (IA). Para refrescarte, JARVIS en las películas de Iron-Man es una IA. Además, el Asistente de Google en tu dispositivo Android o Siri en tu dispositivo Apple, que todos conocemos, es el mejor ejemplo que se nos ocurre de Inteligencia Artificial. Sin embargo, la Inteligencia Artificial es mucho más que tu asistente.

Repasemos la definición para entender qué es la Inteligencia Artificial:

“ La informática define la investigación en Inteligencia Artificial como el aprendizaje de “ agentes inteligentes ”: cualquier dispositivo que se adapta a su entorno y realiza las acciones necesarias que maximizan sus posibilidades de lograr con éxito sus objetivos. Una definición más detallada describe la IA como "la capacidad de un sistema para comprender correctamente los datos derivados de los agentes externos, aprender de dichos datos y utilizar esos aprendizajes para lograr objetivos y tareas específicos a través de una adaptación flexible".

En términos sencillos, la IA es un sistema creado artificialmente que intenta imitar el comportamiento y las acciones humanas, especialmente al resolver problemas complejos como la clasificación de gatos y perros en función de imágenes, reconocimiento facial, investigación de medicamentos, creación de música, etc.

La mayoría de los cursos de inteligencia artificial y aprendizaje automático no nos presentan los siguientes tres tipos de sistemas de aprendizaje de inteligencia artificial:

• Narrow AI (AI débil) : Actualmente, todas las aplicaciones de IA y bombo están aquí. Es un sistema de Inteligencia Artificial que puede realizar una tarea específica igual o mejor que los humanos. Por lo general, no es capaz de experimentar la conciencia. Por ejemplo, detectores de rostros en las redes sociales, reconocimiento de objetos y formas, IA en juegos, etc.
• IA general (IA fuerte) : es un sistema de IA que ha alcanzado un estado general en el que puede realizar cualquier tarea intelectual con el mismo nivel de precisión que el de los humanos. Es capaz de experimentar la conciencia.
• Super AI (IA Teórica) : Es un sistema de IA que supera la inteligencia humana en todos los aspectos. Incluso puede vencer al humano más brillante. La mayoría de la gente está preocupada por este tipo de IA. Rostros famosos como Elon Musk sienten que estos sistemas de inteligencia artificial probablemente conducirán a la extinción humana.

Para resumir la parte de la IA :

Es un área amplia de la informática que permite que las máquinas tengan una inteligencia similar a la humana. La mayor parte del trabajo de IA se realiza actualmente en la categoría "IA estrecha". Estamos lejos de crear General o Super AI.

Aprendizaje automático (ML):

Si está siguiendo los anuncios recientes de cualquier gigante tecnológico importante, habrá escuchado este término. Al igual que Microsoft, anunció recientemente su trabajo en la función "BUSCAR" mejorada en MS-Word, que ahora usa ML para encontrar las palabras deseadas, incluso si cometió un error tipográfico en el cuadro de texto Buscar ("Ctrl + F").

Veamos primero la definición:

“ El aprendizaje automático es un estudio detallado de algoritmos informáticos que se ajustan automáticamente a través de la experiencia. “

Es una sección de AI. Permite que los sistemas aprendan y mejoren automáticamente a partir de su experiencia, sin ser programados explícitamente. Sucede porque ML se basa en un conjunto sofisticado de algoritmos, así como en datos estructurados y limpios con etiquetas (en su mayoría) . Los sistemas de ML intentan aprender las relaciones entre las características (columnas o atributos o piezas esenciales de datos) de los datos. Usted proporciona los datos al modelo ML.

La comprensión básica es utilizar las características esenciales y su relación con la etiqueta para derivar la solución de la tarea. Al aprender la relación, identifica patrones, la naturaleza inherente de los datos y cómo sus valores afectan el nombre. En función de lo que ha entendido al analizar los datos, toma decisiones informadas utilizando varios algoritmos. El modelo se entrena con los datos utilizados en el entrenamiento, se valida el rendimiento y la precisión de los datos de validación y se prueba con los datos de prueba.

Los sistemas ML, a diferencia de los métodos tradicionales, no necesitan una lógica codificada explícitamente para la solución. Por ejemplo, en lugar de que el programador codifique la fórmula/tesis para la predicción de ventas, el propio modelo aprende la filosofía basada en patrones y relaciones que absorbe durante la fase de entrenamiento. Hay tres tipos de algoritmos de ML:

• Aprendizaje supervisado : aquí, los datos de entrenamiento consisten en etiquetas. Actúa como supervisor del modelo ML. De ahí el nombre de Aprendizaje Supervisado. Por ejemplo, regresión lineal, árboles de decisión, etc.
• Aprendizaje no supervisado : aquí, los datos de entrenamiento no tienen etiquetas. En cambio, el modelo ML encuentra patrones y extrae funciones útiles por sí mismo en función de los datos. Se llama aprendizaje no supervisado, ya que no hay supervisor. Se utilizan comúnmente para agrupar, por ejemplo, agrupamiento de K-Means, asociación, etc.
• Aprendizaje por refuerzo : la mayoría de los cursos de inteligencia artificial y aprendizaje automático no brindan mucha información sobre este tipo. La idea clave es recompensar al agente por realizar las acciones correctas. Además, penalícelos por cada paso incorrecto. Siga el enfoque de prueba y error, al igual que los juegos, por ejemplo, Q-Learning.

Una aplicación típica de ML incluye: predicciones de ventas, pronósticos, detección de fraude, etc.

Resumen de IA frente a ML

AI

• Imita la inteligencia o el comportamiento humano.
• Un término más amplio
• Todavía es un campo de investigación.
• Actualmente está implantado en varios sectores y desarrollo de productos.

ML

• Es una técnica que permite a una computadora aprender de los datos existentes.
• La mayoría de las aplicaciones de ML ya están en uso en varios sectores y desarrollo de productos.

Por lo tanto, al seleccionar cualquier curso de IA y aprendizaje automático , verifique si todas estas secciones están cubiertas.