Antes de entrar en Inteligencia Artificial y Aprendizaje Automático, uno debe tener un buen conocimiento de varios algoritmos y debe tener cierta experiencia en la codificación de lenguajes como C, C ++, Java … etc. Durante mucho tiempo hemos escuchado la frase Inteligencia Artificial , más aún debido a películas emocionantes como Matrix y The Terminator. Estas películas nos acercaron a la realidad de la Inteligencia Artificial.
Ahora, desde el pasado reciente, estamos escuchando otra frase: Machine Learning. Arthur Samuel acuñó la frase Aprendizaje automático en 1959, la definió como “el campo de estudio que brinda a las computadoras la capacidad de aprender sin ser programado explícitamente”.
Ahora, puede preguntar cómo hace eso la máquina. ¿Cómo aprende sin ser programado? Aquí es donde entran los datos, las máquinas reciben grandes cantidades de datos, lo que ayuda al conjunto definido de algoritmos a entrenarse para realizar una tarea automáticamente.
- ¿Sería útil para un ingeniero de verificación de diseño de chips aprender aprendizaje automático / IA?
- ¿Cuáles son algunas aplicaciones novedosas para el aprendizaje profundo?
- ¿Qué es lo mejor para entrenar una red neuronal artificial, un algoritmo de retropropagación o un algoritmo genético?
- ¿Cómo se relaciona la inteligencia artificial con la inteligencia empresarial?
- ¿Cuáles son los principios del aprendizaje automático?
Según la forma en que aprenden los algoritmos, se clasifican en supervisados y no supervisados. El más utilizado es el aprendizaje supervisado. En el aprendizaje supervisado, el algoritmo aprende de un conjunto de datos de entrenamiento; el científico de datos funciona como el “maestro”, que guía el algoritmo hacia el logro de las conclusiones deseadas. Como su nombre indica, todo el proceso está supervisado.
Luego, están los algoritmos no supervisados, que no necesitan interferencia humana en el camino. Existe un fuerte debate entre los principales científicos de datos sobre sus posibles aplicaciones e implicaciones. Esto se considera la inteligencia artificial más cercana a la verdadera, la misma que se ha ilustrado en las películas que mencioné anteriormente. La máquina aprende a través de un algoritmo no supervisado, que se alimenta de datos de forma indefinida.
A diferencia del aprendizaje supervisado, todos los datos no están etiquetados y los algoritmos aprenden por sí mismos; el científico de datos no define el resultado. No hay orientación o intervención humana. Entonces, ahora vemos que Machine Learning es literalmente un aprendizaje automático para realizar tareas por sí mismo, ya sea con orientación o sin ella.
La inteligencia artificial se puede definir como cualquier código, técnica o algoritmo que permita a una máquina imitar procesos cognitivos humanos; así, la frase “inteligencia artificial”. Usted puede preguntar, ¿cómo imita una máquina los procesos cognitivos humanos? ¿Cómo imita un salto evolutivo biológico tan complejo?
Aquí es donde entran nuevamente los datos, los datos que se envían a las máquinas para el aprendizaje lo permiten. ¿Puedes trazar una línea que corte los datos, el aprendizaje automático y la inteligencia artificial, a partir de la explicación anterior? Los datos alimentados por un científico de datos facilitan el aprendizaje automático, mientras que el aprendizaje automático es un método que facilita la IA.
Ahora, ¿realmente diferenciamos entre inteligencia artificial y aprendizaje automático? Es obvio que hay una diferencia, pero no podemos separarlos. Para concluir, diría que repitamos y recordemos que “el aprendizaje automático es un enfoque para lograr la inteligencia artificial”.
Espero que esto ayude.
