La inteligencia artificial (IA), el aprendizaje automático y el aprendizaje profundo han desempeñado un papel innovador en el desarrollo de los sistemas de seguridad y defensa durante los últimos años, en campos como la robótica y los sistemas no tripulados, el análisis de video, la inteligencia, etc. Sin embargo, estos términos a menudo se superponen y se confunden fácilmente.
Inteligencia Artificial o IA
Significa conseguir que una computadora imite el comportamiento humano de alguna manera.
El aprendizaje automático es un subconjunto de la IA, y consiste en las técnicas que permiten a las computadoras descifrar los datos y entregar aplicaciones de la IA.
Mientras tanto, el aprendizaje profundo es un subconjunto del aprendizaje automático que permite a las computadoras resolver problemas más complejos.
La inteligencia artificial como disciplina académica se fundó en 1956. El objetivo entonces, como ahora, era lograr que las computadoras realizaran tareas consideradas únicamente humanas: cosas que requerían inteligencia. Inicialmente, los investigadores trabajaron en problemas como jugar a las damas y resolver problemas de lógica.
La inteligencia artificial se refiere a la salida o resultado de una computadora. La computadora está haciendo algo inteligente, por lo que está mostrando inteligencia que es artificial.
En la década de 1980, una nueva categoría de técnicas de IA que comenzó a utilizarse más ampliamente es el aprendizaje automático : Imitar cómo aprenden los humanos. Alimenta a un algoritmo (a diferencia de tu cerebro) una gran cantidad de datos y deja que resuelva las cosas.
A medida que se desarrollaban estos algoritmos, podían abordar muchos problemas. Pero algunas cosas que los humanos encontraron fáciles (como reconocimiento de voz o de escritura a mano) aún eran difíciles para las máquinas. Sin embargo, si el aprendizaje automático consiste en imitar cómo aprenden los humanos, ¿por qué no ir hasta el final e intentar imitar al cerebro humano? Esa es la idea detrás de las redes neuronales.
La idea de utilizar neuronas artificiales (las neuronas, conectadas por sinapsis, son los elementos principales de su cerebro) ha existido por un tiempo. Y las redes neuronales simuladas en software comenzaron a usarse para ciertos problemas. Mostraron mucha promesa y pudieron resolver algunos problemas complejos que otros algoritmos no pudieron abordar.
Sin embargo, las redes neuronales simples con cientos o incluso miles de neuronas, conectadas de una manera relativamente simple, no pudieron duplicar lo que el cerebro humano podía hacer. No debería ser una sorpresa si lo piensas; los cerebros humanos tienen alrededor de 86 mil millones de neuronas y una interconexión muy compleja.
Aprendizaje Profundo
El aprendizaje profundo consiste en utilizar redes neuronales con más neuronas, capas e interconectividad. ¿Como funciona? Si te doy imágenes de caballos, los reconoces como caballos, incluso si nunca antes has visto esa imagen. Puede reconocer un caballo porque conoce los diversos elementos que definen a un caballo: la forma de su hocico, el número y la colocación de las patas, etc.
El aprendizaje profundo puede hacer esto. Y es importante para muchas cosas incluyendo vehículos autónomos. Antes de que un automóvil pueda determinar su próxima acción, necesita saber qué hay a su alrededor. Debe ser capaz de reconocer personas, bicicletas, otros vehículos, señales de tráfico y más. Y hacerlo en circunstancias visuales desafiantes. Las técnicas estándar de aprendizaje automático no pueden hacer eso.
Para concluir, IA (Inteligencia Artificial) se refiere a dispositivos que exhiben inteligencia similar a la humana de alguna manera. Existen muchas técnicas para la IA, pero un subconjunto de esa lista más grande es el aprendizaje automático: deje que los algoritmos aprendan de los datos.
Finalmente, el aprendizaje profundo es un subconjunto del aprendizaje automático, que utiliza redes neuronales de muchas capas para resolver los problemas más difíciles (para computadoras).
[isc_list]