Читать книгу Aprendizaje Automático En Acción - Alan T. Norman - Страница 9

Este libro trata sobre el aprendizaje automático, pero ese término se ajusta a un contexto más amplio. Dado que el aprendizaje automático está creciendo en popularidad, está recibiendo mucha cobertura de noticias. En esos artículos, los periodistas a menudo usan los términos inteligencia artificial, aprendizaje automático y redes neuronales de manera intercambiable. Sin embargo, hay ligeras variaciones entre los tres términos.

La inteligencia artificial es el más antiguo y más amplio de los tres términos. Acuñada a mediados del siglo XX, la inteligencia artificial se refiere a cualquier momento en que una máquina observa y responde a su entorno. La inteligencia artificial contrasta con la inteligencia natural en humanos y animales. Con el tiempo, sin embargo, el alcance de la inteligencia artificial ha cambiado. Por ejemplo, el reconocimiento de caracteres solía ser un gran desafío para la IA. Ahora, es una rutina y ya no se considera parte de la IA. A medida que descubrimos nuevos usos para la IA, los integramos en nuestro marco de referencia para lo que es normal, y el alcance de la IA se extiende a lo que sea que sea la próxima novedad.

El aprendizaje automático es un subconjunto específico de IA. Ya hemos pasado algún tiempo definiéndolo en este capítulo, pero se refiere a darle a la máquina un ciclo de retroalimentación que le permite aprender de la experiencia. Como término, el aprendizaje automático solo existe desde la década de 1980. Recientemente, en los últimos 10-15 años, hemos tenido el poder de procesamiento y almacenamiento de datos para realmente comenzar a implementar el aprendizaje automático a escala.

Las redes neuronales son un subconjunto del aprendizaje automático y son la tendencia más popular en la industria en este momento. Una red neuronal consta de muchos nodos que trabajan juntos para producir una respuesta. Cada uno de los nodos más bajos tiene una función específica. Por ejemplo, al mirar una imagen, los nodos de bajo nivel pueden identificar colores o líneas específicos. Los nodos posteriores pueden agrupar las líneas en formas, medir distancias o buscar densidad de color. Cada uno de estos nodos se pondera por su impacto en la respuesta final. Al principio, la red neuronal cometerá muchos errores, pero en el transcurso de muchas pruebas actualizará la ponderación de cada nodo para mejorar la búsqueda de la respuesta correcta.

Ahora, cuando lea un artículo sobre inteligencia artificial, aprendizaje automático o redes neuronales, comprenderá la diferencia. La clave es darse cuenta de que son subconjuntos. Las redes neuronales son solo un tipo de aprendizaje automático que a su vez es solo una parte de la inteligencia artificial.