¿Cuál es la diferencia entre inteligencia artificial, aprendizaje automático y aprendizaje profundo?

Para comprender la relación entre los tres, veamos una imagen:

Como se muestra en la imagen: la inteligencia artificial es la más grande y este concepto también se propuso primero; luego está el aprendizaje automático, que apareció un poco más tarde; y finalmente está el aprendizaje profundo.

De la marea baja a la prosperidad

Desde que los científicos informáticos confirmaron el término inteligencia artificial en la Conferencia de Dartmouth en 1956, han surgido ideas maravillosas sobre la inteligencia artificial en un flujo interminable, y los investigadores también han no escatime esfuerzos. En las décadas posteriores, la inteligencia artificial ha sido promocionada como la clave para un futuro brillante para la civilización humana y luego descartada por ser demasiado ambiciosa y caprichosa.

Pero en los últimos años, la inteligencia artificial se ha disparado, especialmente desde 2015. Esto se debe en gran medida al uso generalizado de unidades de procesamiento de gráficos (GPU), que hacen que el procesamiento paralelo sea más rápido, más barato y más potente. Además, el desarrollo de la inteligencia artificial también se ha beneficiado de la aparición de un espacio de almacenamiento casi ilimitado y de cantidades masivas de datos (el movimiento del big data): imágenes, textos, datos de transacciones, datos cartográficos, de todo.

Comencemos con el desarrollo de la inteligencia artificial, el aprendizaje automático y el aprendizaje profundo uno por uno.

Inteligencia artificial

Los pioneros de la inteligencia artificial se reunieron en Dartmouth. Su sueño era utilizar los ordenadores emergentes de la época para crear máquinas complejas con inteligencia humana. Este es el concepto de lo que llamamos "inteligencia artificial general": máquinas mágicas con cinco sentidos (y más), la capacidad de razonar y la mente humana. Hemos visto innumerables robots de este tipo en películas, desde el amigable C-3PO hasta el enemigo humano The Terminator. Hasta ahora, las máquinas de inteligencia artificial general sólo han existido en películas y novelas de ciencia ficción, y la razón es simple: no podemos lograr este objetivo, al menos no todavía.

Lo que podemos lograr se considera "inteligencia artificial estrecha": realizar tareas específicas con un nivel de habilidad comparable o incluso superior al de los humanos. En la realidad, hay muchos ejemplos de inteligencia artificial débil. Estas tecnologías poseen algunos aspectos de la inteligencia humana. ¿Pero cómo lo hacen? ¿De dónde viene la inteligencia? Esto lleva al siguiente círculo concéntrico: el aprendizaje automático.

Aprendizaje automático

El aprendizaje automático es un método para realizar la inteligencia artificial. El concepto de aprendizaje automático proviene de los primeros investigadores de inteligencia artificial, y los algoritmos que se han desarrollado incluyen el aprendizaje de árboles de decisión, la programación lógica inductiva, el aprendizaje por refuerzo y las redes bayesianas. En pocas palabras, el aprendizaje automático es el uso de algoritmos para analizar datos, aprender de ellos y hacer inferencias o predicciones. A diferencia del software tradicional escrito a mano que utiliza un conjunto específico de instrucciones, utilizamos grandes cantidades de datos y algoritmos para "entrenar" a la máquina para que aprenda cómo completar una tarea.

La visión por computadora ha sido una de las mejores áreas del aprendizaje automático durante muchos años, aunque completar la tarea requiere mucha codificación manual. Los investigadores codificaron manualmente clasificadores, como un filtro de detección de bordes que ayudó al programa a identificar los límites de los objetos, un clasificador de detección de formas que determinó si un objeto tenía ocho caras y un clasificador que reconoció "S-T-O-P". Basándose en estos clasificadores escritos por humanos, también desarrollaron algoritmos para comprender imágenes y aprender a determinar si hay una señal de alto.

Sin embargo, debido al atraso de la visión por computadora y la tecnología de detección de imágenes, este método suele ser propenso a errores.

Aprendizaje profundo

El aprendizaje profundo es una tecnología que implementa el aprendizaje automático. Los primeros investigadores del aprendizaje automático también desarrollaron un algoritmo llamado red neuronal artificial, pero languideció en la oscuridad durante décadas después de su invención. Las redes neuronales están inspiradas en el cerebro humano: las relaciones interconectadas entre neuronas. Pero mientras que las neuronas del cerebro humano pueden conectarse a cualquier neurona dentro de un rango específico, los datos en las redes neuronales artificiales se propagan a través de diferentes capas y en diferentes direcciones.

Por ejemplo, puedes cortar una imagen en trozos pequeños e introducirlos en la primera capa de una red neuronal. La primera capa realiza cálculos preliminares y luego las neuronas pasan los datos a la segunda capa. Las neuronas de la segunda capa realizan la tarea, y así sucesivamente, hasta la última capa, que luego genera el resultado final.

Cada neurona asigna un peso a su entrada: qué tan correcta o incorrecta es esa neurona en relación con la tarea que realiza. El resultado final está determinado por estos pesos. Entonces, volvamos al ejemplo de la señal de alto mencionado anteriormente. Las propiedades de la imagen de la señal de alto se descomponen una por una y luego las neuronas las "comproban": forma, color, características, tamaño de la señal y si se mueve. El trabajo de la red neuronal es determinar si se trata de una señal de alto. Dará un "vector de probabilidad" que en realidad es una suposición basada en los pesos. En nuestro ejemplo, el sistema podría decidir con 86 certeza que la imagen es una señal de alto, con 7 certeza que la imagen es una señal de límite de velocidad, y así sucesivamente. Luego, la arquitectura de la red le dice a la red neuronal si su juicio es correcto.

Pero el problema era que incluso la red neuronal más básica requería muchos cálculos, por lo que no se consideró un método viable en ese momento. Sin embargo, un pequeño grupo de investigadores entusiastas, dirigidos por el profesor Geoffrey Hinton de la Universidad de Toronto, trabajó incansablemente en este método, y finalmente permitió que una supercomputadora ejecutara el algoritmo en paralelo y demostrara que funcionaba. Si volvemos al ejemplo de la "señal de alto", lo más probable es que la red neuronal esté entrenada para dar la respuesta incorrecta la mayoría de las veces. Esto demuestra que todavía es necesaria una formación constante. Se requieren miles, si no millones, de imágenes para entrenar hasta que los pesos de las entradas de las neuronas se ajusten con tanta precisión que proporcione la respuesta correcta casi siempre. Afortunadamente, Facebook utiliza redes neuronales para recordar la cara de tu madre; en 2012, Ng implementó una red neuronal en Google que podía reconocer gatos.

Hoy en día, las máquinas entrenadas con aprendizaje profundo pueden superar a los humanos en el reconocimiento de imágenes en algunas situaciones, desde encontrar gatos hasta identificar signos de cáncer en la sangre. AlphaGo de Google aprendió el juego Go y se entrenó exhaustivamente: jugando constantemente contra sí mismo.

Resumen

La base de la inteligencia artificial radica en la inteligencia, y el aprendizaje automático implementa métodos informáticos que respaldan la inteligencia. En resumen, la inteligencia artificial es una ciencia, el aprendizaje automático es un algoritmo que hace que las máquinas sean más inteligentes y el aprendizaje automático crea inteligencia artificial hasta cierto punto.

El autor de este artículo, Michael Copeland, es ex editor de "WIRED" y ahora es socio de Andreessen Horowitz, una conocida firma de inversión en Silicon Valley.