El aprendizaje automático (una subclase de inteligencia articular) brinda capacidades de aprendizaje a una máquina (computadora, dron, sistema de cámara, …). La máquina comienza con un conjunto preprogramado de funciones y procedimientos. Además de eso, puede aprender por sí mismo sin tener que ser programado para esa función específica. Utiliza datos para hacer el aprendizaje.
El aprendizaje automático se puede entrenar mostrando datos que coincidan con lo que debería aprender y luego procesando una gran cantidad de entrenamiento y datos indefinidos. Todavía necesita un buen conocimiento alimentado. El autoaprendizaje es que la máquina aprende sin esa referencia dada. Google Photos es capaz de detectar gatos en imágenes sin necesidad de mostrarles primero imágenes de gatos.
El aprendizaje profundo es un amplio espectro de algoritmos de aprendizaje de datos, subclase de aprendizaje automático. Bastante complejo, eran difíciles en el pasado, pero hoy existen soluciones HW dedicadas que pueden procesar cantidades gigantescas de datos con estos algoritmos. Profundo se refiere al número de capas jerárquicas en las redes neuronales (hoy en día utilizadas para DL), para el procesamiento de la visión, la jerarquía comienza en el nivel de píxeles y las combina (capas) a los objetos. Se dirige hacia el reconocimiento de objetos y la evitación de obstáculos y muchas otras aplicaciones.
- ¿Qué tipo de IA se usa en Mars Curiosity Rover?
- ¿Cómo invierte Salesforce en inteligencia artificial en 2017?
- ¿Qué es un agente de inteligencia?
- Cuando la Inteligencia Artificial alcanza la capacidad para hacerlo, ¿debería permitirse enseñar a los niños humanos?
- Si es posible crear vida artificial dentro de una computadora, ¿es posible crear vida artificial dentro de la imaginación?
El aprendizaje reforzado es también una subclase de aprendizaje automático donde la naturaleza humana se aplica a los algoritmos en un esquema de recompensa (zanahoria). La retroalimentación (recompensa) se utiliza para enseñar a la máquina a optimizar su rendimiento. Por lo tanto, se necesita interacción para este tipo de aprendizaje.