Edité la pregunta porque parece ser que era sintácticamente incorrecta. Espero que hayas dicho lo mismo.
Los estudios de inteligencia artificial son en realidad de dos tipos, IA estrecha e IA fuerte.
IA estrecha: los agentes de inteligencia artificial que se comportan racionalmente en un entorno particular o lo llaman herramientas de inteligencia artificial , que actúan como herramientas para resolver problemas en cualquier dominio en particular, no son inteligentes, solo algún tipo de algoritmos. Los ejemplos son, sea lo que sea que esté escuchando en estos días, que se basan en el enfoque conexionista (también denominado enfoque sub-simbólico) incluyendo GOFAI ( buena inteligencia artificial a la antigua) que se basaron en un enfoque simbólico.
IA fuerte: agentes de inteligencia artificial que son realmente agentes ( hay muchas controversias relacionadas con la definición, permítanme describirlo, es posible que hayan oído hablar del futurista Ray kurzweil, según él, la definición de IA fuerte está limitada por el comportamiento: cualquier inteligencia artificial sistema que muestra el comportamiento inteligente, pero el filósofo John Searle argumenta en su argumento de la sala china que el comportamiento de inteligencia no garantiza la inteligencia, por lo tanto, si un robot pasa la prueba de Turing no significa que el robot sea inteligencia, por lo tanto, la simulación no es la misma que duplicación, pero como puede encontrar en la literatura que todos creen que Searle dijo que la IA real no es posible, pero eso está mal, uno puede verificar su papel, en el que escribió que es posible), voy con Searle aquí, así que básicamente significaba que el agente de inteligencia artificial que no son herramientas pero en realidad tienen una mente, visualizo las herramientas como parte de un círculo, pero la mente es algo así como la recurrencia de la superficie cóncava e, no importa si no obtuvo la última declaración.
y el aprendizaje automático es un campo de inteligencia artificial que enseña a la máquina a aproximar una hipótesis (una función), principalmente hay tres tipos de ellas.
- Aprendizaje supervisado: en este caso, usted proporciona entradas y datos, es como darle a un niño ambas preguntas (aproximadamente) y respuestas, y depende de ellos qué posibles soluciones aproximan, y luego se prueban con nuevos datos, que deben devolver el error , por lo tanto, propagan el error hacia atrás ( piense en la propagación hacia atrás como un espía que le dice a uno que cuánto se modifica el rendimiento con respecto a alguna variable (los llaman pesos) y luego lo propaga hacia atrás) y, aunque el descenso del gradiente, se logra la función de pérdida más baja. se realiza principalmente en estos días AI, esto es bastante más rápido de aprendizaje automático con respecto a los demás.
- Aprendizaje no supervisado: en este paradigma, uno solo recibe datos y depende de la computadora cómo los caracterizó a través de la búsqueda de patrones en los datos (esto es más o menos lo que hacen los algoritmos de agrupación). la investigación continúa, porque parece proporcionar la forma de lograr una IA fuerte, porque parece que así es como los humanos aprenden cosas nuevas a través de la búsqueda de patrones.
- Aprendizaje de refuerzo: en este paradigma, el agente se encuentra en un entorno que podría ser virtual o real, y el agente logra algunos objetivos a través de recompensas y castigos ( que son solo una metáfora, el significado literal de recompensa es permitir la ejecución del mismo programa de clase, depender de el grado de recompensa ~ magnitud).
Espero que hayas entendido lo que quiero decir.
Los agentes de aprendizaje automático son una forma de agentes de IA estrecha, pero el aprendizaje automático también es necesario en la IA fuerte, pero eso no hace que toda la historia.