Inteligencia Artificial, Machine learning y Aprendizaje profundo aparecen en contextos similares e incluso se utilizan como sinónimos. Analizaremos las diferencias y singularidades de cada uno de ellos; explicando qué son y cómo benefician la transformación hacia una economía digital en las empresas.

 

AI o Inteligencia Artificial

El termino fue acuñado en 1956 por John McCarthy. La AI implica que máquinas realicen tareas cognitivas con características propias de la inteligencia humana, incluye:  1. Planificación; 2. comprensión del lenguaje; 3. Reconocimiento de objetos y sonidos; 4. Aprendizaje y 5. Resolución de problemas.

La AI se divide en dos grandes categorías: General y Estrecha. La AI General posee las 5 características de la inteligencia humana antes mencionadas. La AI Estrecha, por su parte, exhibe alguna de estas facetas extremadamente bien, pero carece de las otras áreas. Una computadora especializada en reconocimiento facial, que no desarrolla otras características es un ejemplo de AI Estrecha.

 

Machine Learning o Aprendizaje Automático

Es una forma de lograr AI. Arthur Samuel acuñó este concepto en 1959 como «la capacidad para aprender sin ser programado explícitamente». Para obtener AI sin utilizar aprendizaje automático deberíamos construir millones de líneas de códigos con algoritmos complejos. El Machine Learning permite «entrenar» un algoritmo para que pueda aprender. Esta verdadera «capacitación» necesita proporcionar grandes cantidades de datos al algoritmo para que pueda ajustarse y mejorar. Gracias al Big Data y los sensores conectados al IoT, las empresas disponen de gran cantidad de datos lo que ha facilitando la implementación de esta tecnología.

Uno de los usos del Machine Learning es su aplicación para mejorar la visión por computadora al reconocer objetos específicos en imágenes o videos. Se recolectan cientos de miles o incluso millones de imágenes y luego hacemos que los humanos las etiqueten. Por ejemplo, los humanos etiquetan imágenes en las que aparecen perros. Gracias a esto, el algoritmo construye un modelo que etiqueta con precisión las imágenes que contengan perros, tal como lo haría un ser humano. Cuando el nivel de precisión es suficientemente alto, la máquina ha «aprendido» cómo es un perro y puede reconocerlo en imágenes y videos. Las cámaras con reconocimiento facial y las imágenes que subimos en Facebook utilizan está tecnología.

Deep learning o Aprendizaje profundo

Es considerado uno de los enfoques para el machine learning. Se basa en el funcionamiento del cerebro, ya que desarrolla algoritmos que imitan la estructura biológica del cerebro humano, estructurando verdaderas redes neuronales artificiales (ANN).

Dentro de estas redes neuronales artificiales (ANN) hay «neuronas» que tienen capas discretas y conexiones a otras «neuronas». Cada capa se especializa una característica específica del aprendizaje, como curvas, bordes en el reconocimiento de imágenes, colores, texturas, etc. Esta estructura de capas es lo que otorga al Deep learning su nombre, ya que la profundidad se crea mediante el uso de múltiples capas en lugar de una única capa.

 

AI y su vinculación con IoT

La relación entre AI y IoT es comparable a la relación entre el cerebro y el cuerpo humano. Nuestro cuerpo recopila información desde nuestros sentidos como la vista, el sonido y el tacto. Nuestro cerebro interpreta esta información y le otorga un sentido, convirtiendo la luz en objetos reconocibles y los sonidos en un discurso comprensible. Nuestro cerebro también toma decisiones, y envía señales al cuerpo para coordinar los movimientos al levantar un determinado objeto o hablar.

Los sensores interconectados que forman el IoT, son similares a los sentidos de nuestro cuerpo, ya que proporcionan datos en bruto de lo que sucede en el mundo. La AI, por su parte, representa nuestro cerebro, ya que asigna sentido a estos datos y decide qué acciones realizar.

El Machine learning y el Aprendizaje profundo han permitido grandes avances para AI en los últimos años. Ambas tecnologías requieren grandes cantidades de datos para su óptimo desarrollo; los miles de millones de sensores que se conectan día a día al IoT recopilan estos datos. El IoT está mejorando la AI.