¿Qué es la Inteligencia Artificial y el Aprendizaje Automático?
La inteligencia artificial se estableció en la década de 1950.
Básicamente, la IA reemplaza el procedimiento de programación mediante el desarrollo de algoritmos basados en los datos, en lugar del método heredado de escribirlos manualmente.
Machine Learning es un subconjunto de inteligencia artificial, donde la máquina intenta extraer conocimiento de los datos. Le proporcionamos a la máquina datos preparados y luego le pedimos que cree un algoritmo que ayudará a predecir los resultados para un nuevo conjunto de datos nuevos.
ML se basa en lo que llamamos «aprendizaje supervisado».
En esta técnica, los datos se etiquetan y los resultados se basan en ese etiquetado; también construimos el modelo en función de ese etiquetado.
Otra técnica es el aprendizaje profundo, que funciona con algoritmos más complejos, donde los datos no están etiquetados.
Consideraremos principalmente el aprendizaje supervisado para el perímetro en este artículo.
El elemento básico de ML es la red neuronal, que consta de capas de nodos, cada nodo tiene una conexión con las entradas o con las siguientes capas.
Hay varios tipos de redes neuronales. Cuanto más pasemos del aprendizaje automático al aprendizaje profundo, más redes complejas veremos.
El aprendizaje profundo también incorpora algunos mecanismos de retroalimentación, mientras que los modelos ML simples tienen acciones de avance simples, moviéndose de los datos a la salida o resultado.
