Entonces, si bien la mayoría de los miembros del público han oído hablar de la IA, muy pocos han oído hablar del aprendizaje automático. Entonces, cuando introduzco el aprendizaje automático en artículos dirigidos a un público amplio, lo describo como “la tecnología principal que sustenta los recientes avances en inteligencia artificial”.
La inteligencia artificial como campo en realidad incluye mucho más que el aprendizaje automático, es solo que recientemente muchos desafíos que se consideraron muy difíciles se han resuelto utilizando ideas del aprendizaje automático. El aprendizaje automático se usa realmente para muchas aplicaciones que podrían no considerarse como inteligencia artificial.
El aprendizaje automático también es una de las principales tecnologías que sustentan la * ciencia de datos *.
- ¿Cuánto de la canción escrita de AI 'Daddy's Car' es realmente el producto de AI?
- ¿Qué cosas necesito para desarrollar una inteligencia artificial?
- ¿Por qué la búsqueda A * se llama búsqueda A *?
- Cómo abordar el problema de la clasificación multicapa utilizando el aprendizaje profundo
- ¿Cuáles son algunos de los mejores algoritmos de IA para juegos de 2 jugadores como Ultimate Tic Tac Toe?
Y en la medida en que la IA sustenta la ciencia de datos, creo que lo hace * a través * del aprendizaje automático.
Entonces, hay dos componentes generales de lo que hace el aprendizaje automático: IA y ciencia de datos.
La ciencia de datos en sí también implica mucho más que solo aprendizaje automático, como lo hace la IA.
El aprendizaje automático es un enfoque basado en datos para la toma de decisiones y, por lo tanto, se superpone en gran medida con las estadísticas. En el pasado, cuando se me pidió que distinguiera entre estadísticas y aprendizaje automático, lo expresé de la siguiente manera:
“Las estadísticas están tratando de convertir a los humanos en computadoras, mientras que el aprendizaje automático está tratando de convertir las computadoras en humanos. Actualmente, ninguna de las tareas es posible, por lo que nos encontramos en algún punto intermedio”.
Lo que quiero decir con eso es lo siguiente: el objetivo principal del campo de las estadísticas (en sus inicios) era garantizar que las estadísticas no nos engañaran. Las estadísticas son solo números de resumen y el campo se llamaba estadística matemática. La gente estaba interesada en probar cosas sobre estadísticas particulares que podría calcular que le permitirían confiar en sus conclusiones sobre el mundo dada la información (¿las personas en Londres son más ricas o más pobres que las de Manchester?). Los humanos tienen sesgos inductivos naturales que nos hacen ver patrones donde no los hay. Una preocupación importante de las estadísticas es garantizar que una estadística particular no solo explote esta tendencia. En mi cita, la computadora representa un tomador de decisiones idealizado que no tendría ese sesgo, y los estadísticos trabajan para tratar de garantizar que se tomen decisiones importantes sin tales sesgos.
Los investigadores de aprendizaje automático, por otro lado, están fascinados por todas las cosas que los humanos pueden hacer que las computadoras no pueden hacer. Muchas de estas cosas son en realidad los efectos secundarios positivos de nuestros sesgos inductivos (nuestra tendencia a ver patrones). Por lo tanto, nos gustaría tener métodos que codifiquen estos sesgos.
Entonces, la filosofía de la estadística y el aprendizaje automático (ciertamente desde el principio) es bastante diferente y eso lleva a un énfasis diferente.
Tenga en cuenta que en todas estas discusiones no hay un campo correcto y un campo incorrecto. Solo estamos interesados en cosas ligeramente diferentes. ¡Es muy importante tener esto en cuenta cuando participe en una discusión interdisciplinaria, de lo contrario, la frustración y los resultados de las discusiones!
Desde una perspectiva personal, me encanta el hecho de que la investigación basada en datos es un paso para ‘acceder a todas las áreas’, por lo que la interfaz entre las estadísticas y el aprendizaje automático realmente me emociona. Y es fantástico que el aprendizaje automático haya sido tan influyente que se nos pide que contribuyamos a los debates tanto en ciencia de datos como en inteligencia artificial. ¡Espero que lo hagamos de manera constructiva!
