AI. está en todas partes en este momento y es responsable de todo, desde los asistentes virtuales de nuestros teléfonos inteligentes hasta los coches autónomos que pronto llenarán nuestras carreteras y los sistemas de reconocimiento de imágenes de última generación de los que informa el suyo. realmente.
A menos que haya vivido bajo una roca durante la última década, es muy probable que haya oído hablar de ella antes y probablemente incluso la haya usado. En este momento, la inteligencia artificial es para Silicon Valley lo que One Direction es para niñas de 13 años: una fuente omnipresente de obsesión por gastar todo su dinero, mientras sueña despierto con casarse cuando Harry Styles finalmente esté listo para llegar a un acuerdo abajo. (¡Bien, todavía estamos trabajando en la analogía!)
Pero ¿qué es exactamente? es AI.? - y pueden términos como "aprendizaje automático", "redes neuronales artificiales”, “inteligencia artificial” y “Zayn Malik” (todavía estamos trabajando en esa analogía…) ¿se pueden usar indistintamente?
Para ayudarle a entender algunas de las palabras de moda y la jerga que escuchará cuando la gente habla de IA, elaboramos esta sencilla guía que le ayudará a comprender su cabeza alrededor de todos los diferentes sabores de la inteligencia artificial, aunque solo sea para no cometer ningún paso en falso cuando las máquinas finalmente tomen encima.
Inteligencia artificial
No profundizaremos demasiado en la historia de la A.I. aquí, pero lo importante a tener en cuenta es que la inteligencia artificial es el árbol del que se ramifican todos los términos siguientes. Por ejemplo, el aprendizaje por refuerzo es un tipo de aprendizaje automático, que es un subcampo de la inteligencia artificial. Sin embargo, la inteligencia artificial no es (necesariamente) aprendizaje por refuerzo. ¿Entiendo?
Hasta ahora nadie ha construido una inteligencia general.
No existe un acuerdo de consenso oficial sobre lo que A.I. significa (algunas personas sugieren que son simplemente cosas interesantes que las computadoras aún no pueden hacer), pero la mayoría Estaría de acuerdo en que se trata de hacer que las computadoras realicen acciones que se considerarían inteligentes si las llevara a cabo un persona.
El término fue acuñado por primera vez en 1956, en un taller de verano en Dartmouth College en Nuevo Hampshire. La gran distinción actual en A.I. está entre el dominio actual específico I.A. estrecha y Inteligencia artificial general. Hasta ahora nadie ha construido una inteligencia general. Una vez que lo hagan, todas las apuestas estarán canceladas...
IA simbólica
No se oye mucho sobre IA simbólica hoy. También conocida como I.A. buena y antigua, I.A. simbólica. se basa en pasos lógicos que se pueden dar a una computadora de arriba hacia abajo. Implica proporcionar muchísimas reglas a una computadora (o un robot) sobre cómo debe abordar un escenario específico.
Esto condujo a muchos avances iniciales, pero resultó que funcionaron muy bien en laboratorios, en donde cada variable podría controlarse perfectamente, pero a menudo no tan bien en el desorden de la vida cotidiana. vida. Como bromeó un escritor sobre la IA simbólica, las primeras IA. Los sistemas eran un poco como el dios del Antiguo Testamento: con muchas reglas, pero sin piedad.
Hoy en día, a los investigadores les gusta Selmer Bringsjord están luchando para recuperar un enfoque en la IA simbólica basada en la lógica, construida en torno a la superioridad de los sistemas lógicos que pueden ser entendidos por sus creadores.
Aprendizaje automático
Si escuchas acerca de una gran A.I. avance en estos días, lo más probable es que, a menos que se haga un gran ruido que sugiera lo contrario, estés escuchando acerca de aprendizaje automático. Como su nombre lo indica, el aprendizaje automático consiste en crear máquinas que, bueno, aprendan.
Al igual que el título de IA, el aprendizaje automático también tiene múltiples subcategorías, pero lo que todas tienen en Lo más común es la capacidad centrada en las estadísticas de tomar datos y aplicarles algoritmos para obtener conocimiento.
Hay una gran cantidad de ramas diferentes del aprendizaje automático, pero la que probablemente escuchará más es...
Redes neuronales
Si ha pasado algún tiempo en nuestra sección Cool Tech, probablemente haya oído hablar de redes neuronales artificiales. Como sistemas inspirados en el cerebro diseñados para replicar la forma en que aprenden los humanos, las redes neuronales modifican su propio código para encontrar el vínculo entre entrada y salida, o causa y efecto, en situaciones donde esta relación es compleja o poco claro.
Las redes neuronales artificiales se han beneficiado de la llegada del aprendizaje profundo.
El concepto de redes neuronales artificiales en realidad data regreso a la década de 1940, pero en realidad fue sólo en las últimas décadas cuando comenzó a estar a la altura de su potencial: con la ayuda de la llegada de algoritmos como "propagación hacia atrás”, que permite a la red neuronal ajustar sus capas ocultas de neuronas en situaciones en las que el resultado no coincide con lo que espera el creador. (Por ejemplo, una red diseñada para reconocer perros, que identifica erróneamente a un gato).
Esta década, las redes neuronales artificiales se han beneficiado de la llegada de aprendizaje profundo, en el que diferentes capas de la red extraen diferentes características hasta que puede reconocer lo que está buscando.
Dentro del encabezado de redes neuronales, existen diferentes modelos de redes potenciales, con avance y redes convolucionales Probablemente sean los que deberías mencionar si te quedas atrapado junto a un ingeniero de Google en una cena.
Aprendizaje reforzado
Aprendizaje reforzado es otra variante del aprendizaje automático. Está fuertemente inspirado en la psicología conductista y se basa en la idea de que el agente de software puede aprender a realizar acciones en un entorno para maximizar una recompensa.
Como ejemplo, allá por 2015, DeepMind de Google publicó un artículo que muestra cómo había entrenó una A.I. para jugar videojuegos clásicos, sin más instrucciones que la puntuación en pantalla y los aproximadamente 30.000 píxeles que componían cada fotograma. Cuando se le dijo que maximizara su puntuación, el aprendizaje por refuerzo significaba que el agente de software aprendía gradualmente a jugar mediante prueba y error.
MarI/O - Aprendizaje automático para videojuegos
A diferencia de un sistema experto, el aprendizaje por refuerzo no necesita que un experto humano le diga cómo maximizar una puntuación. En cambio, lo descubre con el tiempo. En algunos casos, las reglas que está aprendiendo pueden ser fijas (como cuando juega un juego clásico de Atari). En otros, se sigue adaptando a medida que pasa el tiempo.
Algoritmos evolutivos
Conocido como algoritmo de optimización metaheurística genérico basado en población si aún no lo ha presentado anteriormente, algoritmos evolutivos son otro tipo de aprendizaje automático; diseñado para imitar el concepto de selección natural dentro de una computadora.
El proceso comienza cuando un programador ingresa los objetivos que intenta alcanzar con su algoritmo. Por ejemplo, la NASA ha utilizado algoritmos evolutivos para diseñar componentes de satélites. En ese caso, la función puede ser encontrar una solución capaz de caber en una caja de 10cm x 10cm, capaz de irradiar un patrón esférico o hemisférico y capaz de funcionar con una determinada conexión Wi-Fi banda.
Luego, el algoritmo genera múltiples generaciones de diseños iterativos y prueba cada uno de ellos con los objetivos establecidos. Cuando uno finalmente marca todas las casillas correctas, cesa. Además de ayudar a la NASA a diseñar satélites, los algoritmos evolutivos son los favoritos de los creativos que utilizan inteligencia artificial para su trabajo: como los diseñadores de este ingenioso mueble.
Recomendaciones de los editores
- IA de aprendizaje profundo está ayudando a los arqueólogos a traducir tablillas antiguas
- Aprendizaje profundo A.I. Puede imitar los efectos de distorsión de los dioses icónicos de la guitarra.
- I.A. que lee la mente analiza tus ondas cerebrales para adivinar qué vídeo estás viendo
- El tasador de viviendas del futuro probablemente sea una IA. algoritmo
- IA fotorrealista La herramienta puede rellenar huecos en las imágenes, incluidas las caras.
