Inteligencia Artificial

Cómo funcionan los algoritmos de Inteligencia Artificial

Máquinas que piensen como seres humanos. Es la aspiración última de la Inteligencia Artificial. Pero, ¿cómo se consigue eso? El algoritmo es la clave. Te lo contamos.

Por Redacción España, el 07/04/2020

auto ¿Te ha gustado nuestro artículo? ¡Vota!

La Inteligencia Artificial utiliza algoritmos para crear máquinas que piensan como personas. Por supuesto, es un concepto mucho más complejo, pero, si tuviéramos que hacer un resumen del vínculo entre un algoritmo y la Inteligencia Artificial, sería ese.

La Inteligencia Artificial permite que las máquinas aprendan de su propia experiencia, se reconfiguren ante nuevos escenarios o nueva información y desarrollen tarea de manera similar a como lo hacemos nosotros. Estas tareas incluyen tres puntos clave:

  • Aprendizaje.
  • Razonamiento.
  • Autocorrección.

Si eres asiduo o asidua al blog de Agencia B12, esto te sonará. Hablamos de ello en este post sobre el Machine Learning o aprendizaje automático, un área de la Inteligencia Artificial enteramente destinada al estudio y desarrollo de la tecnología que permite que las máquinas aprendan por sí solas.

Pues resulta que eso también es posible gracias a una combinación de algoritmos. Vamos a ver cómo funcionan.

¿Cómo se crea la Inteligencia Artificial? Algoritmos y datos

Para crear Inteligencia Artificial, hay dos materias primas fundamentales: los algoritmos y los datos para entrenarlos. Digamos que el algoritmo proporciona las instrucciones para la máquina y los datos permiten a la máquina aprender a utilizar esas instrucciones y perfeccionar su uso.

Para tomar decisiones, los humanos también empleamos algoritmos. Por ejemplo, si el mando de la tele no funciona, tu cerebro te plantea opciones: se ha roto o se han gastado las pilas. Ante esto, tus posibilidades son: cambiar las pilas o darle el clásico golpe que lo arregla todo. Si ninguna de esas opciones funciona, optas por llevarlo a arreglar o por buscar otro mando.

Los algoritmos de los que nos servimos las personas para resolver problemas no son fórmulas matemáticas, pero las fórmulas matemáticas son la vía para que las máquinas resuelvan problemas como lo haríamos nosotros.

En función de la disposición de esos algoritmos podemos hablar de distintos tipos de Inteligencia Artificial. De entre ellos, destacamos:

  • Los que emplean la lógica: construyen algoritmos basándose en los principios racionales del pensamiento humano.
  • Los que combinan lógica e intuición: son las redes neuronales artificiales. En este caso, los algoritmos se diseñan como neuronas humanas, emplean el patrón de funcionamiento del cerebro de las personas para que la máquina aprenda como lo harías tú. En este contexto, también hablamos de Deep Learning.

Tipos de algoritmos en Inteligencia Artificial

En función del tipo de aprendizaje al que se someten, los tres tipos principales de algoritmos en Inteligencia Artificial son los de aprendizaje por refuerzo, aprendizaje supervisado y aprendizaje no supervisado.

Aprendizaje por refuerzo

Aprendizaje por refuerzo, Reinforcement Learning o RL. Está basado en un concepto tan humano como es el "prueba y error". Simplificado, el aprendizaje por refuerzo es como cuando estás educando a tu perro y le das un premio cuando hace algo bien: dices "sit", el perro se sienta y tú le das una galletita.

Llevado a la tecnología, estableces un sistema de recompensas para la máquina cuando acierta. Si consigue el objetivo, en unas condiciones determinadas, le das una recompensa.

El ejemplo claro es el ajedrez. Enseñas a la máquina a jugar una partida introduciendo las reglas en su sistema. Luego, le das una recompensa cada vez que consigue un objetivo (ganar una partida, por ejemplo).

Así, la máquina puede extraer información útil de su propia experiencia: correlaciones, resultados, conclusiones, etcétera. Por cierto, si te interesa el tema de las máquinas que juegan al ajedrez, no te pierdas este post sobre DeepBlue, el software que derrotó a Kaspárov.

Los principales algoritmos que se emplean en Reinforcement Learning o aprendizaje por refuerzo son programación dinámica (dynamic programming), Q-Learning y SARSA (State–action–reward–state–action).

Aprendizaje supervisado

También conocido como Supervised Machine Learning, el aprendizaje supervisado emplea modelos predictivos que utilizan datos de entrenamiento. Un sistema recibe un conjunto de datos y un objetivo. El modelo se va ajustando o entrenando hasta que llegue a ese objetivo. Así funcionan, por ejemplo, los coches autónomos.

Te hemos hablado ya de algunos algoritmos de aprendizaje supervisado, como los árboles de decisión. Otros tipos empleados en este contexto son Naïve Bayes, regresión ordinaria por mínimos cuadrados, regresión logística, y Support Vector Machines (SVM).

Aprendizaje no supervisado

Aprendizaje no supervisado o Unsupervided Machine Learning. Sus algoritmos funcionan de forma similar a los del aprendizaje supervisado, pero hay una diferencia fundamental: carecen de datos de salida. Es decir, proporcionas los datos al algoritmos pero no le proporcionas el objetivo. Tiene que encontrarlo por sí mismo, con los datos de entrada como única vía de autoentrenamiento.

Estos algoritmos están pensados para realizar un procesamiento más complejo, a través de la búsqueda autónoma de patrones en los datos. Entre los más destacados se encuentran los PCA, SVD, ICA y los algoritmos de agrupamiento o de clustering.

TAGS:
Imagen del autor Redacción España

Equipo de redacción de B12 España: Marketing, Big Data, Inteligencia Artificial y Ventas.

Ponte en contacto con nosotros:

+34 916 629 534

madrid@agenciab12.com

Calle Alcalá, 21, 8ºD. 28014 - Madrid