Inteligencia Artificial

Cómo funcionan los algoritmos de Inteligencia Artificial

La Inteligencia Artificial es una combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano. Te explicamos cómo funcionan.

Por Redacción España, el 07/04/2020

auto ¿Te ha gustado nuestro artículo? ¡Vota!

El término ‘inteligencia artificial’ lo acuñó en 1956 John McCarthy y la definió como: «La ciencia e ingenio de hacer máquinas inteligentes». Pero el padre de la inteligencia artificial más aceptado es Alan Turing, por su histórico artículo de 1950 “¿Puede pensar una máquina?”.

La Inteligencia Artificial es una combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano.

Dicho de otra forma, la IA hace posible que las máquinas aprendan de la experiencia, se ajusten a nuevas aportaciones y realicen tareas como lo hacen los humanos. Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para el uso de la información), el razonamiento (usando las reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección.

Hay diferentes tipos de inteligencia artificial, según el tipo de pensamiento o reconocimiento del entorno que utilicen (y según el experto que lo explique), pero básicamente se pueden dividir en dos grupos: las que utilizan solo la lógica, y las que emplean la lógica y la intuición. Las primeras aplican los principios racionales del pensamiento humano en forma de algoritmos. Son las que más se emplean.

Las segundas, basadas también en la intuición, son las llamadas ‘redes neuronales artificiales’, cuyo precursor es Hinton. También funcionan con algoritmos, pero estos están diseñados como neuronas humanas para que la máquina aprenda por sí sola. Por eso se conocentambién como deep learning, ‘aprendizaje profundo’.


¿Cómo se construye la Inteligencia Artificial?

La respuesta es sencilla y, paradójicamente, muy compleja: mediante algoritmos.

La inteligencia artificial se desarrolla a partir de algoritmos, que son capacidades matemáticas de aprendizaje, y de los datos que hacen falta para entrenar los algoritmos. Los datos normalmente son datos observables, datos disponibles públicamente o datos generados en algunas empresas. Y los algoritmos operan sobre esos datos para aprender a partir de ellos.

Aunque suene raro, para tomar decisiones empleamos algoritmos. Por ejemplo, si una lámpara no funciona, planteamos dos opciones: está desenchufada o se ha quemado. Para cada opción planteamos una solución: enchufar o reemplazar. Si se descartan ambas opciones, planteamos otra solución: comprar otra lámpara...

Los algoritmos que se usan para programar ordenadores o en redes sociales como Google o Facebook son mucho más complejos y se escriben como fórmulas matemáticas, pero siguen el mismo proceso.


Algoritmos de inteligencia artificial

A pesar de que el término “algoritmos de inteligencia artificial” da una idea más general, tal vez sea más preciso calificarlos como algoritmos de machine learning. Estos son los 3 grupos principales.


Aprendizaje por refuerzo (RL, Reinforcement Learning)

El aprendizaje por refuerzo consiste en la iteración constante y basada en “prueba y error” que una máquina es capaz de realizar en tiempo récord ante determinadas condiciones o entorno dados (por ejemplo, las reglas de un juego) y con un objetivo específico llamado “recompensa” (un ejemplo clásico es el de vencer en una partida de ajedrez). De esta forma se pueden obtener resultados, patrones, correlaciones, caminos y conclusiones basadas en experiencia previa generada por la propia máquina. Un ejemplo de este modelo de aprendizaje ha sido la IA ajedrecista AlphaZero de DeepMind.

Los principales algoritmos utilizados en el aprendizaje por refuerzo son: programación dinámica (dynamic programming), Q-Learning y SARSA (State–action–reward–state–action).


Aprendizaje supervisado (Supervised machine learning)

El aprendizaje supervisado se basa en modelos predictivos que hacen uso de datos de entrenamiento. Dado un conjunto conocido de datos, se pretende que el sistema sea capaz de lograr una determinada salida, de forma que el modelo es ajustado (entrenado) hasta lograr resultados adecuados. Ejemplo: coches autónomos.

Los principales algoritmos en aprendizaje supervisado son: árboles de decisión, clasificaciones Naïve Bayes, regresión ordinaria por mínimos cuadrados, regresión logística, y Support Vector Machines (SVM).


Aprendizaje no supervisado (Unsupervised machine learning)

Los algoritmos de aprendizaje no-supervisado son similares a los de aprendizaje supervisado, pero estos ajustan su modelo únicamente en función de los datos de entrada. Dicho de un modo sencillo, el algoritmo realiza un auto entrenamiento sin indicaciones externas.

Los principales algoritmos de aprendizaje no supervisado son: algoritmos de agrupamiento (clustering), análisis de componentes principales (PCA), Singular Value Decompotition (SVD), y análisis de componentes independientes (ICA).

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