Inteligencia artificial, aprendizaje de máquinas, aprendizaje profundo y más

• ¿Te vas mañana a un viaje de negocios? Su dispositivo inteligente ofrecerá automáticamente informes meteorológicos y alertas de viaje para su ciudad de destino.
• ¿Planeando una gran celebración de cumpleaños? Tu robot inteligente te ayudará con las invitaciones, hará las reservas y te recordará que recojas el pastel.
• ¿Planeando una campaña de marketing directo? Tu asistente de inteligencia artificial puede instintivamente segmentar a tus clientes en grupos para mensajes dirigidos y aumentar los índices de respuesta.

Claramente, no estamos hablando de mayordomos robóticos. Esto no es una película de Hollywood. Pero estamos en un nuevo nivel de cognición en el campo de la inteligencia artificial que ha crecido hasta ser verdaderamente útil en nuestras vidas.

Pero lo entendemos. Todavía estás confundido sobre cómo se relacionan todos estos temas: la IA, el aprendizaje automático y el aprendizaje profundo. No estás solo. Y queremos ayudar.

En este artículo exploraremos los componentes básicos de la inteligencia artificial y describiremos cómo se han combinado varias tecnologías para ayudar a las máquinas a ser más inteligentes.

La historia de la IA y el aprendizaje de las máquinas

Entonces, ¿de dónde vino AI? Bueno, no pasó de ser un juego de ajedrez para un solo jugador a ser un coche que se conduce solo. El campo tiene una larga historia basada en la ciencia militar y la estadística, con contribuciones de la filosofía, la psicología, las matemáticas y la ciencia cognitiva. La inteligencia artificial se propuso originalmente hacer a los ordenadores más útiles y más capaces de razonamiento independiente.

La mayoría de los historiadores rastrean el nacimiento de la IA a un proyecto de investigación de Dartmouth en 1956 que exploraba temas como la resolución de problemas y los métodos simbólicos. En la década de 1960, el Departamento de Defensa de EE.UU. se interesó en este tipo de trabajo y aumentó el enfoque en el entrenamiento de las computadoras para imitar el razonamiento humano.

Por ejemplo, la Agencia de Proyectos de Investigación Avanzada de la Defensa (DARPA) completó proyectos de mapeo de calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003, mucho antes de que Google, Amazon o Microsoft abordaran proyectos similares.

Este trabajo preparó el camino para la automatización y el razonamiento formal que vemos en las computadoras hoy en día.

El aprendizaje automático y el aprendizaje profundo son subcampos de la IA

En conjunto, la inteligencia artificial contiene muchos subcampos, incluyendo:

• Aprendizaje automático automatiza la construcción de modelos analíticos. Utiliza métodos de redes neuronales, estadísticas, investigación de operaciones y física para encontrar percepciones ocultas en los datos sin estar programado explícitamente dónde mirar o qué concluir.
• Una red neuronal es una especie de máquina de aprendizaje inspirada en el funcionamiento del cerebro humano. Es un sistema informático compuesto de unidades interconectadas (como las neuronas) que procesa la información respondiendo a entradas externas, transmitiendo información entre cada unidad. El proceso requiere múltiples pasadas de los datos para encontrar conexiones y derivar el significado de los datos no definidos.
• Aprendizaje profundo utiliza enormes redes neuronales con muchas capas de unidades de procesamiento, aprovechando los avances en la potencia de los ordenadores y las técnicas de capacitación mejoradas para aprender patrones complejos en grandes cantidades de datos. Entre las aplicaciones comunes se incluyen el reconocimiento de imágenes y del habla.
• Visión por ordenador se basa en el reconocimiento de patrones y el aprendizaje profundo para reconocer lo que hay en una imagen o un vídeo. Cuando las máquinas pueden procesar, analizar y comprender las imágenes, pueden capturar imágenes o vídeos en tiempo real e interpretar su entorno.
• Procesamiento del lenguaje natural es la capacidad de las computadoras para analizar, entender y generar el lenguaje humano, incluyendo el habla. La siguiente etapa de la PNL es la interacción con el lenguaje natural, que permite a los humanos comunicarse con las computadoras usando un lenguaje normal y cotidiano para realizar tareas.

Mientras que el aprendizaje de las máquinas se basa en la idea de que las máquinas deben ser capaces de aprender y adaptarse a través de la experiencia, la IA se refiere a una idea más amplia en la que las máquinas pueden ejecutar tareas «inteligentemente».

La Inteligencia Artificial aplica el aprendizaje de las máquinas, el aprendizaje profundo y otras técnicas para resolver problemas reales.

¿Dónde estamos hoy con la IA?

Con la IA, puedes hacer preguntas a una máquina – en voz alta – y obtener respuestas sobre ventas, inventario, retención de clientes, detección de fraudes y mucho más. La computadora también puede descubrir información que nunca pensaste en preguntar. Ofrecerá un resumen narrativo de tus datos y sugerirá otras formas de analizarlos. También compartirá información relacionada con preguntas anteriores suyas o de cualquier otra persona que haya hecho preguntas similares. Obtendrá las respuestas en una pantalla o simplemente en una conversación.

¿Cómo se desarrollará esto en el mundo real? En la atención sanitaria, la eficacia del tratamiento puede determinarse más rápidamente. En la venta al por menor, los artículos adicionales pueden ser sugeridos más rápidamente. En las finanzas, el fraude puede ser prevenido en lugar de sólo detectado. Y mucho más.

En cada uno de estos ejemplos, la máquina comprende qué información se necesita, examina las relaciones entre todas las variables, formula una respuesta y se la comunica automáticamente con opciones para consultas de seguimiento.

Tenemos décadas de investigación de inteligencia artificial que agradecer por donde estamos hoy. Y tenemos décadas de interacciones inteligentes entre humanos y máquinas por venir.