En una toma es
por definición nVidia su
- Si una startup usa los servicios de inteligencia artificial de Amazon o Google, ¿puede lanzarse como una startup de inteligencia artificial?
- ¿Qué distingue a las llamadas 'redes neuronales profundas' de las redes neuronales de antaño? ¿Por qué están mucho mejor ahora?
- ¿Cuál es la mejor manera de enseñarle a tu IA de bot de chat?
- ¿Cómo puede la inteligencia artificial estar bajo nuestro control?
- ¿Conoces el aprendizaje automático?
Voy a hacer esto corto
Inteligencia artificial – Inteligencia humana exhibida por máquinas
Aprendizaje automático : un enfoque para lograr la inteligencia artificial
Aprendizaje profundo : una técnica para implementar el aprendizaje automático
En largo
La inteligencia artificial es la forma más amplia de pensar en inteligencia informática avanzada. En 1956, en la Conferencia de Inteligencia Artificial de Dartmouth, la tecnología se describió como tal: “En principio, cada aspecto del aprendizaje o cualquier otra característica de la inteligencia se puede describir con tanta precisión que se puede hacer que una máquina simule”.
La IA puede referirse a cualquier cosa, desde un programa de computadora que juega un juego de ajedrez, a un sistema de reconocimiento de voz como Alexa de Amazon que interpreta y responde al habla. La tecnología se puede clasificar en términos generales en tres grupos: IA estrecha, inteligencia general artificial (AGI) e IA superinteligente.
Deep Blue de IBM, que venció al gran maestro de ajedrez Garry Kasparov en el juego en 1996, o AlphaGo de Google DeepMind, que en 2016 venció a Lee Sedol en Go, son ejemplos de inteligencia artificial reducida, inteligencia artificial que es experta en una tarea específica. Esto es diferente de la inteligencia general artificial (AGI), que es IA que se considera a nivel humano, y puede realizar una variedad de tareas.
La inteligencia artificial superinteligente lleva las cosas un paso más allá. Como Nick Bostrom lo describe, este es “un intelecto que es mucho más inteligente que los mejores cerebros humanos en prácticamente todos los campos, incluida la creatividad científica, la sabiduría general y las habilidades sociales”. En otras palabras, es cuando las máquinas nos han engañado.
Aprendizaje automático (ML)
El aprendizaje automático es un subcampo de la IA. El principio central aquí es que las máquinas toman datos y “aprenden” por sí mismos. Actualmente es la herramienta más prometedora en el kit de IA para empresas. Los sistemas ML pueden aplicar rápidamente el conocimiento y la capacitación de grandes conjuntos de datos para sobresalir en reconocimiento facial, reconocimiento de voz, reconocimiento de objetos, traducción y muchas otras tareas. A diferencia de la codificación manual de un programa de software con instrucciones específicas para completar una tarea, ML permite que un sistema aprenda a reconocer patrones por sí mismo y a hacer predicciones.
AlphaGo de Google vence a Lee Sedol en el juego de Go
Imagen: Captura de pantalla por Max Taves / CNET
Mientras que Deep Blue y DeepMind son ambos tipos de IA, Deep Blue estaba basado en reglas, dependía de la programación, por lo que no era una forma de ML. DeepMind, por otro lado, es: Venció al campeón mundial en Go entrenándose en un gran conjunto de datos de movimientos expertos.
¿Su empresa está interesada en integrar el aprendizaje automático en su estrategia? Amazon, Baidu, Google, IBM, Microsoft y otros ofrecen plataformas de aprendizaje automático que las empresas pueden usar.
Aprendizaje profundo
El aprendizaje profundo es un subconjunto de ML. Utiliza algunas técnicas de ML para resolver problemas del mundo real aprovechando las redes neuronales que simulan la toma de decisiones humanas. El aprendizaje profundo puede ser costoso y requiere conjuntos de datos masivos para entrenarse. Esto se debe a que hay un gran número de parámetros que deben ser entendidos por un algoritmo de aprendizaje, que inicialmente puede producir muchos falsos positivos. Por ejemplo, un algoritmo de aprendizaje profundo podría recibir instrucciones de “aprender” cómo se ve un gato. Se necesitaría un conjunto de imágenes de datos muy masivo para comprender los detalles muy pequeños que distinguen a un gato de, por ejemplo, un guepardo, una pantera o un zorro.
En marzo de 2016, se logró una gran victoria de la IA cuando el programa AlphaGo de DeepMind venció al campeón mundial Lee Sedol en 4 de 5 juegos de Go con aprendizaje profundo. La forma en que funcionó el sistema de aprendizaje profundo fue combinando “la búsqueda de árboles de Montecarlo con redes neuronales profundas que han sido entrenadas por aprendizaje supervisado, de juegos humanos expertos y por aprendizaje de refuerzo de juegos de auto-juego”, según Google.
El aprendizaje profundo también tiene aplicaciones comerciales. Puede tomar una gran cantidad de datos (millones de imágenes, por ejemplo) y reconocer ciertas características. Las búsquedas basadas en texto, la detección de fraude, la detección de spam, el reconocimiento de la escritura a mano, la búsqueda de imágenes, el reconocimiento de voz, la detección de Street View y la traducción son tareas que se pueden realizar a través del aprendizaje profundo. En Google, las redes de aprendizaje profundo han reemplazado a muchos “sistemas artesanales basados en reglas”, por ejemplo.
El aprendizaje profundo también es altamente susceptible al sesgo. Cuando el sistema de reconocimiento facial de Google se implementó inicialmente, por ejemplo, etiquetó a muchas caras negras como gorilas. “Ese es un ejemplo de lo que sucede si no tienes caras afroamericanas en tu conjunto de entrenamiento”, dijo Anu Tewary, director de datos de Mint en Intuit. “Si no tiene afroamericanos trabajando en el producto. Si no tiene afroamericanos probando el producto. Cuando su tecnología se encuentre con rostros afroamericanos, no sabrá cómo comportarse”.
Algunos también creen que el aprendizaje profundo está sobrevalorado. Sundown AI, por ejemplo, ha dominado las interacciones automatizadas con los clientes mediante una combinación de ML y algoritmos de gráficos de políticas, no un aprendizaje profundo.
Si todavía quieres ir a los océanos ¿Cuál es la diferencia entre el aprendizaje profundo, el aprendizaje automático y la inteligencia artificial?
para más ping me