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

No están del todo claro para los principiantes las diferencias entre inteligencia artificial y aprendizaje automático. Aclaremos la confusa maraña de términos.

Inteligencia Artificial (IA) – Artificial Intelligence (AI)

Inteligencia Artificial (IA) es el término genérico para todos los enfoques para reproducir artificialmente acciones inteligentes atribuidas a los humanos. El término “inteligencia artificial” se utiliza no solo para procesos electrónicos, sino también para máquinas mecánicas, por ejemplo. En este sentido, el término describe un concepto, pero evita los detalles.

Aprendizaje automático – Machine Learning (ML)

Machine Learning, por otro lado, es una rama de la investigación en inteligencia artificial. El aprendizaje automático consiste en técnicas estadísticas que, generalmente, permiten al software obtener información a partir de una gran cantidad de datos. El aprendizaje automático es, por tanto, una aplicación concreta dentro del área de investigación de la inteligencia artificial.

La distinción se puede resumir de la siguiente manera:

Cuando alguien habla de inteligencia artificial, el enfoque para la resolución de problemas a menudo consiste en dejar de lado un conjunto de reglas previamente definidas sobre un conjunto de datos, y utilizar el tiempo y la potencia informática para llegar a un resultado (“Brute Force”).

El enfoque de aprendizaje automático, por otro lado, consiste en enviar la mayor cantidad de datos posible a un modelo, para que la propia máquina reconozca las estructuras y reglas subyacentes.

Por tanto, podemos alimentar un modelo con 500.000 datos de pacientes que contienen un accidente cerebrovascular, y proporcionar 500.000 datos de pacientes que no contienen un accidente cerebrovascular. A continuación, se presenta un archivo del paciente a la máquina, y se le pregunta si los datos indican un accidente cerebrovascular o no. Idealmente, el modelo puede decir con cierta probabilidad cómo de grande es el riesgo de un derrame cerebral.

Aprendizaje automático 2.0

Mientras tanto, la opinión de que el aprendizaje automático es, en sí mismo, un término colectivo, está ganando cada vez más seguidores. El término se puede utilizar para resumir técnicas como aprendizaje profundo (Deep Learning), procesamiento del lenguaje natual (Natural Language Processing) y redes neuronales artificial (Artificial Neural Network).

Estas técnicas son procedimientos que se optimizan en el curso de su trabajo. Por ejemplo, el reconocimiento de voz, con el tiempo, reconoce cada vez mejor las palabras habladas. Estos métodos se utilizan en casos en los que no se dispone de algoritmos ni reglas obvias para realizar una tarea.

Por ejemplo, reconocer caracteres escritos a mano plantea un problema para un ordenador. Todos tienen su propia letra. Por supuesto, todos los escritores tienen algo en común en su escritura como, por ejemplo, la escritura latina, pero es imposible destilar estas similitudes e introducirlas en una máquina.

Con la ayuda de técnicas estadísticas y una gran cantidad de datos, un programa se puede entrenar para reconocer palabras y aprender las similitudes subyacentes entre las distintas escrituras entre sí.

Diferencias entre inteligencia artificial y aprendizaje automático