La investigación de inteligencia artificial se centra en el diseño de sistemas informáticos para imitar la inteligencia humana al hacer que un programa informático tome decisiones o tome medidas en función de la información proporcionada.

¿Qué es el aprendizaje automático?

La investigación de inteligencia artificial se centra en el diseño de sistemas informáticos para imitar la inteligencia humana haciendo que un programa informático tome decisiones o tome medidas en función de la información proporcionada. La inteligencia artificial incluye sistemas expertos y aprendizaje automático ; el aprendizaje automático incluye un subcampo conocido como aprendizaje profundo , que utiliza múltiples capas, en oposición al «aprendizaje superficial».

La investigación en inteligencia artificial se remonta a la década de 1950, pero estaba limitada por el hardware informático. En 1997, Deep Blue de IBM demostró las posibilidades del aprendizaje automático al derrotar al campeón mundial de ajedrez (Bernard Marr, «Una breve historia del aprendizaje automático: todo gerente debe leer», Forbes, 2016, https://bit.ly/3f6UKWk) .

Si bien el aumento de la capacidad de almacenamiento de datos y el poder de procesamiento de la computadora fueron útiles para avanzar en el aprendizaje automático , dos desarrollos importantes en las computadoras desde la década de 1990 hasta la década de 2000 que aceleraron el desarrollo del aprendizaje automático fueron la disponibilidad de grandes datos de alta calidad y el desarrollo de procesamiento gráfico paralelo unidades (GPU). Debido a que el aprendizaje automático requiere grandes conjuntos de datos para entrenar los algoritmos de aprendizaje, la gran cantidad de datos de alta calidad disponibles al público permitió a los investigadores refinar el aprendizaje automáticoalgoritmos Las unidades de procesamiento en paralelo se centraron inicialmente en satisfacer las demandas de los juegos con uso intensivo de gráficos, pero los desarrollos en el procesamiento en paralelo permitieron una mejora significativa de la potencia para el aprendizaje automático . La investigación y el desarrollo en el aprendizaje automático se han acelerado rápidamente en los últimos 15 años.

¿Cómo funciona el aprendizaje automático?

Los programas de computadora fueron creados inicialmente para dar instrucciones a las computadoras a seguir para resolver un problema. Este proceso, conocido como programación de arriba hacia abajo, se utilizó desde los primeros días de las computadoras hasta la década de 1990, cuando se creó la programación orientada a objetos (OOP). OOP cambió la programación de instrucciones aisladas a la computadora para manipular datos, para tratar los programas y los datos que manipula en un objeto definido. Este cambio de paradigma resultó en el rápido desarrollo de programas basados ​​en gráficos que eran mucho más fáciles de mantener porque los programas se basaban en un conjunto de objetos autónomos que interactuaban entre sí. OOP funcionó muy bien para programas típicos como procesamiento de textos u hojas de cálculo.

El objetivo en el aprendizaje automático es escribir un algoritmo que pueda ser entrenado usando datos de prueba para buscar patrones específicos.

Los métodos tradicionales de programación no funcionaron muy bien para el aprendizaje automático porque requieren que un programador le dé a la computadora instrucciones precisas para encontrar las posibilidades esperadas e inesperadas. En el aprendizaje automático , la expectativa es que el algoritmo aprenderá de los datos proporcionados, de manera similar a cómo los humanos aprenden de los datos.

Artículo publicado en Swiss Cognitive