Comprender la Inteligencia Artificial y el Aprendizaje Automático

La inteligencia artificial y el aprendizaje automático son términos de moda en el ámbito tecnológico que a menudo se utilizan de manera intercambiable, aunque incorrectamente.

A nivel básico, la inteligencia artificial (IA) proviene directamente del estudio de la informática, mientras que el aprendizaje automático (ML) es un subconjunto de la inteligencia artificial, lo que lo hace estar dos veces alejado del campo principal de la informática. Los dos se superponen, pero no son lo mismo.

Para recapitular, la IA es un componente de la informática que se ocupa de que los sistemas informáticos realicen tareas con una inteligencia similar, igual o superior a la de un humano (por ejemplo, toma de decisiones, clasificación y detección de objetos, reconocimiento y traducción de voz). Por otro lado, el ML se centra en el estudio de algoritmos, modelos estadísticos y reconocimiento de patrones que los sistemas informáticos utilizan para realizar tareas sin instrucciones explícitas (programación). Esto permite que las máquinas aprendan por sí mismas y mejoren continuamente a partir de experiencias pasadas.

Este artículo cubrirá las diferencias y similitudes entre la inteligencia artificial y el aprendizaje automático, lo que cada uno hace de manera independiente y sus paralelismos entre sí.

La jerarquía de la inteligencia artificial y el aprendizaje automático

Como se mencionó anteriormente, la IA y el ML están inherentemente relacionados, pero no son sinónimos. En esencia, todo aprendizaje automático es inteligencia artificial, pero no toda inteligencia artificial es aprendizaje automático.

Ambos términos viven dentro del término principal de la informática (CS), siendo la IA el padre del ML. Para una visualización simplificada, echa un vistazo a este diagrama:

Con esto en mente, hay algunas diferencias clave entre la inteligencia artificial y el aprendizaje automático que deben discutirse antes de entender cómo funcionan juntos.

Antecedentes y funciones de la inteligencia artificial

La inteligencia artificial se remonta a siglos atrás, pero se volvió viable por primera vez en el siglo XX, y realmente despegó en la década de 1950. Cuando el científico informático Alan Turing desarrolló la Prueba de Turing, creó la primera prueba de inteligencia de máquina frente a la de un humano.

Después de eso, cada década vio avances en la IA, desde robots industriales en la industria automotriz hasta programas informáticos interactivos que podían comunicarse con humanos (es decir, la primera aparición de chatbots), representaciones cinematográficas de ciencia ficción de robots humanizados y asistentes de voz en teléfonos inteligentes que están programados con capacidades de procesamiento de lenguaje natural (NLP).

Todos estos avances llevaron a que la IA se volviera común en nuestras vidas, tanto que a menudo pasamos por alto que muchos de nuestros procesos diarios están impulsados por la inteligencia artificial.

Casos de uso de la inteligencia artificial

Si observamos más de cerca algunos usos tangibles de la IA, es más fácil entender cómo algunas aplicaciones de la inteligencia artificial se superponen con el aprendizaje automático, y más sencillo distinguir las diferencias entre los dos.

Robótica

Aunque la gente asume erróneamente que la inteligencia artificial se manifiesta únicamente en la robótica, sigue siendo cierto que la robótica es un subcomponente importante de la IA. Algunos ejemplos de robots impulsados por IA se pueden encontrar en el sector minorista y en el campo médico. En el comercio minorista, se están utilizando robots para ayudar a reponer estantes, tomar inventario e informar a un gerente humano sobre sus hallazgos. En medicina, se están utilizando robots para ayudar a los cirujanos a realizar cirugías de alto nivel como la cirugía de corazón para un enfoque menos invasivo.

Tecnología educativa

Edtech, abreviatura de tecnología educativa, está llevando la IA al primer plano para avances en las aulas, y para estudiantes e instructores. Desde pizarras inteligentes hasta bots de tutoría inteligente para niños con discapacidades de aprendizaje o para aquellos que simplemente necesitan ayuda adicional, la IA está actuando como una fuerza positiva para mantener a los estudiantes en el camino hacia el éxito.

Chatbots

Los chatbots se utilizan en casi todos los sitios web que encontramos. Ya sea que se utilicen para servicio al cliente y responder preguntas frecuentes sobre un producto o servicio o para proporcionar recomendaciones de compra en un sitio web de comercio electrónico, no puedes pasar más de un día sin encontrar uno. Los chatbots incluso pueden actuar como asistentes personales al ayudar a establecer recordatorios sobre eventos y citas en el calendario, así como ayudar a programar reuniones.

Antecedentes y funciones del aprendizaje automático

Las raíces del aprendizaje automático se pueden rastrear a una línea de tiempo similar a la de la IA, pero eso se debe a que el ML no podría existir sin que la inteligencia artificial existiera primero. Aun así, hay algunas fechas clave en la historia del ML específicas de su propia línea de tiempo.

En 1949, el científico informático Arthur Samuel trabajó en la primera computadora de programa almacenado de IBM, la 701. Diez años después, completó el desarrollo de un programa de computadora para jugar a las damas, el primero en aprender de manera independiente a jugar un juego utilizando un algoritmo de aprendizaje automático llamado poda alfa-beta. También desarrolló una función de puntuación que medía la probabilidad de ganar para cada jugador en función de la posición de las piezas en el tablero. Consideraba el número de piezas restantes, cuántos reyes tenía cada jugador y el número de damas cerca de ser "coronadas" primero.

Samuel diseñó otras formas de ayudar a su programa de damas a mejorar, incluidas técnicas de aprendizaje por repetición. El aprendizaje por repetición es inherentemente la esencia del aprendizaje automático; es una técnica de aprendizaje basada completamente en la repetición y la memorización. El objetivo del aprendizaje por repetición es que cuanto más una persona (o en este caso, un programa de aprendizaje automático) estudie y memorice algo, mayor será la probabilidad de que el individuo (o programa) recuerde lo que ha aprendido. Por lo tanto, el consumo lleva al recuerdo y la comprensión, lo que da paso a la construcción y mejora de lo que se ha aprendido.

Debido a que el aprendizaje automático se basa en algoritmos que hacen predicciones sobre los próximos pasos, Samuel utilizó esto para entrenar al programa de ML para recordar las posiciones que había visto en el tablero de damas, así como el valor de ciertas posiciones (por ejemplo, proximidad a ser coronado, centro vs. extremo del tablero, etc.). Para seguir aumentando la precisión de este algoritmo, Samuel hizo que jugara contra sí mismo como una técnica de entrenamiento avanzada.

El programa de computadora para jugar a las damas ayudó a catapultar el aprendizaje automático al frente de la exploración continua de la inteligencia artificial.

Casos de uso del aprendizaje automático

Al igual que la IA, las aplicaciones del aprendizaje automático existen actualmente, incluidas aquellas que usamos regularmente. La siguiente lista no es exhaustiva, pero ofrece una buena visión general de algunas formas actuales en que se utiliza el ML.

Vehículos autónomos y datos de mapas GPS

Los coches autónomos son un ejemplo principal de aprendizaje automático en acción. Los algoritmos de ML utilizan redes neuronales, visión por computadora e IA para reconocer el tipo de carretera por la que están conduciendo, qué significan ciertas señales de tráfico, si hay un semáforo, si hay peatones u otros coches en la carretera y cualquier otra obstrucción aleatoria con la que el vehículo autónomo pueda encontrarse.

Además, cada vez que usas tu teléfono para obtener direcciones GPS, el aprendizaje automático está en acción. Así como aprendemos a conducir basándonos en la práctica y siguiendo la misma ruta y movimientos (por ejemplo, un giro a la derecha, un cambio de sentido, un cambio de carril), el algoritmo de ML aprende de los patrones de ruta para aumentar su precisión en la navegación y el cumplimiento de las leyes de tráfico.

GIF cortesía de ZME Science vía Chris Urmson

Reconocimiento facial

El aprendizaje automático se utiliza en todos los aspectos de la biometría. La autenticación biométrica es una forma de seguridad e identificación basada en características físicas (por ejemplo, tus ojos, huella dactilar o, lo adivinaste, rostro). Debido a que los algoritmos de ML están entrenados para reconocer objetos y patrones, el reconocimiento facial se basa en la visión por computadora y el ML para ayudar a los sistemas a reconocer características físicas con el fin de autenticar que la persona que intenta acceder a un dispositivo es realmente la persona que lo posee.

Anuncios dirigidos

Siempre que estás en línea y buscas algo, se están adquiriendo datos sobre tus términos de búsqueda, tu información demográfica, intereses de búsqueda relacionados y más. El marketing de IA utiliza algoritmos de aprendizaje automático para rastrear patrones en tus hábitos en línea (así como los de otros) y hacer suposiciones sobre tus patrones de compra, quién eres y cómo dirigir mejor los anuncios hacia ti. Por ejemplo, si eres alguien a quien realmente le gustan los bolsos, probablemente recibirás un anuncio de bolsos en Amazon.

Inteligencia artificial vs. aprendizaje automático: la hoja de trucos

Para resumir de manera concisa la información anterior, aquí tienes una hoja de trucos para ayudarte a recordar las diferencias básicas entre la IA y el ML.

¿Quieres seguir aprendiendo sobre inteligencia artificial y aprendizaje automático? Consulta nuestro extenso glosario de términos de IA.