No, ML es un subconjunto de IA,
DL es un subconjunto de ML,
a continuación se detallan a continuación:
- ¿Cuánto tiempo lleva la compilación de código para los programas de inteligencia artificial más desarrollados (como Siri, Cortana, AI en videojuegos)?
- ¿Es posible crear un robot con IA usando un cuerpo humano artificial con tejido humano genéticamente clonado?
- ¿Qué haríamos si desarrollamos una IA que se sabe que es más inteligente que nosotros y que tomó decisiones de vida radicalmente diferentes a las de cualquier humano?
- ¿Cuáles son algunas posibles aplicaciones altruistas de la visión por computadora, el procesamiento del lenguaje natural y la inteligencia artificial en su conjunto?
- Inteligencia artificial: ¿una IA debe tener una memoria de procedimiento?
Inteligencia artificial:
Hoy en día, la frase inteligencia artificial, o solo IA, se usa de manera amplia y general para referirse a cualquier tipo de programa de aprendizaje automático. En ese sentido, está comenzando a suplantar “big data” y sus suspensiones, “análisis avanzado” y “análisis predictivo”. Para aquellos que odian el término “big data”, esto probablemente sea algo bueno.
Pero algunas personas prefieren reservar la frase AI para lo estrictamente definido que puede replicar muchos aspectos de la inteligencia humana y convertirse en una entidad por derecho propio. Todavía no hemos llegado a esa etapa, y es posible que nunca la alcancemos, aunque puede que no sea una apuesta que desee hacer. Hace un año, el CEO de Facebook, Mark Zuckerberg, predijo que estábamos a 5 o 10 años de desarrollar una IA que pudiera “comprender realmente lo que significa el contenido”.
La IA , ampliamente definida, se ocupa de cualquier clase de algoritmos o técnicas que permitan que una computadora realice alguna tarea de manera racional.
Aprendizaje automático :
Es una técnica poderosa en inteligencia artificial que utiliza datos y ejemplos para aprender patrones y estructuras en el entorno.
En su nivel más básico, el aprendizaje automático se refiere a cualquier tipo de programa de computadora que puede “aprender” por sí mismo sin tener que ser programado explícitamente por un humano.
Hoy en día, el aprendizaje automático es un término ampliamente utilizado que abarca muchos tipos de programas que se ejecutarán en análisis de datos grandes y minería de datos. Al final del día, los “cerebros” que realmente impulsan la mayoría de los programas predictivos, incluidos los filtros de spam, los recomendadores de productos y los detectores de fraude, son algoritmos de aprendizaje automático.
Aprendizaje profundo:
El aprendizaje profundo es una forma de aprendizaje automático que puede utilizar algoritmos supervisados o no supervisados, o ambos. Si bien no es necesariamente nuevo, el aprendizaje profundo ha visto recientemente un aumento en la popularidad como una forma de acelerar la solución de ciertos tipos de problemas informáticos difíciles, especialmente en los campos de visión por computadora y procesamiento del lenguaje natural (PNL).
El aprendizaje profundo se basa en la rama del aprendizaje de representación (o aprendizaje de características) de la teoría del aprendizaje automático. Al extraer abstracciones complejas de alto nivel como representaciones de datos a través de un proceso de aprendizaje jerárquico, los modelos de aprendizaje profundo producen resultados más rápidamente que los enfoques estándar de aprendizaje automático. En inglés simple, un modelo de aprendizaje profundo aprenderá las características que son importantes por sí mismas, en lugar de requerir que el científico de datos seleccione manualmente las características pertinentes, como el puntiagudo de las orejas que se encuentran en las imágenes de los gatos (porque de alguna manera siempre se trata de gatos fotos al final).