close

Insider

[Podcast] ¿Las máquinas piensan como humanos?

Written by Alana Team
on julio 13, 2020

En el primer episodio de Introducción a la inteligencia artificial y las diferencias entre la IA fuerte y la IA débil, comenzamos a hablar sobre conceptos básicos y la evolución de la tecnología a lo largo de los años.

Continuando con esta temporada del Inside Alana Podcast, el segundo episodio busca salir de la ciencia ficción y volver a la realidad, desentrañando las diferencias entre la forma en que las máquinas "piensan" y adquieren conocimiento VS la mente humana.

Cerebro Artificial

Es audaz decir que las máquinas piensan como los humanos, porque para que actúen, alguien debe alimentarlas con datos.

Por otro lado, como comentamos en el episodio uno, el desarrollo de la inteligencia artificial se centra en estudiar dos aspectos del cerebro humano: la anatomía y cómo funciona el aprendizaje.

Así, podemos decir que las máquinas cuentan con un cerebro artificial que se desarrolla a partir del intento de replicar el funcionamiento y organización de las redes neuronales del cerebro humano.

Para comprender cómo se hace esto, primero es necesario aprender los siguientes conceptos:

  1. La diferencia entre la inteligencia artificial y el aprendizaje por máquina
  2. Tipos de aprendizaje de la máquina
  3. ¿Qué son las redes neuronales artificiales

AI x Aprendizaje Automático

Según Marcellus, CTO de Alana AI, la inteligencia artificial es "la ciencia y la ingeniería para crear máquinas inteligentes", y hay varias formas de simular esto, como el método de aprendizaje automático (en inglés, machine learning).

El método consiste en la aplicación de técnicas estadísticas y matemáticas para que un programa siga instrucciones y haga descubrimientos por sí mismo, es decir, el ser humano crea formas para que la máquina aprenda por sí misma.

El machine learning engloba el uso de algoritmos que pueden llevar al programa a descubrir por sí mismo qué acción tomar, que es básicamente una receta a seguir por el programa para alimentar la inteligencia artificial.

 

Tipos de Aprendizaje Automático

En general, existen tres formas de enseñar una máquina, y cada una con su nivel de complejidad:

  • aprendizaje supervisado
  • aprendizaje sin supervisión
  • aprendizaje de refuerzo

1. Aprendizaje supervisado

En este modelo, el ser humano proporciona una serie de ejemplos de lo que la máquina debe aprender y lo que no.

Como ejemplificó Marcellus, para crear un clasificador de rostros humanos, podemos proporcionar miles de fotos de personas al algoritmo para que aprenda a diferenciar las características humanas de otras cosas.

Se llama supervisado precisamente porque alguien necesita seguir el proceso de aprendizaje, y esto se hace con los ejemplos proporcionados para la máquina.

 

2. Aprendizaje No Supervisado

Este método es cuando el humano permite que la máquina descubra por sí misma cuáles son los tipos de ejemplos. Son algoritmos que se utilizan para crear grupos a partir de similitudes y diferencias.

En este modelo no se brindan ejemplos, solo los datos en bruto y le toca a la máquina encontrar patrones que diferencian la información y, finalmente, crear grupos de clasificación (cluster).

 

3. Aprendizaje por Refuerzo

Esto funciona en base a errores y aciertos, porque el algoritmo realiza pruebas para comprender qué es exitoso y qué no.

Es un aprendizaje basado en la experiencia, en el que la máquina comprende sus errores y busca un enfoque correcto en el próximo intento. Lo que pasa es que el algoritmo tiene un objetivo y una métrica, y realiza pruebas para ver qué tan cerca está de alcanzar el objetivo.

 

Redes Neuronales Artificiales

Las redes neuronales artificiales se presentan comúnmente como sistemas neuronales interconectados, que pueden calcular valores de entrada, es decir, simulan el comportamiento de las redes neuronales biológicas.

Marcellus usó el reconocimiento de escritura a mano como ejemplo, que funcionaría de la siguiente manera:

La red neuronal está definida por un conjunto de neuronas de entrada que pueden ser activadas por los píxeles de una imagen de entrada;

Los datos adquiridos por esta activación de neuronas son transmitidos, ponderados y transformados por una función determinada por el diseñador de la red;

Este proceso se repite hasta que, finalmente, se activa una neurona de salida y determina qué carácter se leyó.

Estas redes neuronales artificiales (ANN) son la base del deep learning, que es la técnica de aprendizaje automático más utilizada y con mejores resultados.


Deep Learning 

El deep learning, o en la traducción al español 'aprendizaje profundo', se basa en redes neuronales artificiales, que imitan la estructura biológica del cerebro.

La profundidad del aprendizaje ocurre porque se utilizan múltiples capas de redes neuronales para realizar la clasificación de datos

Por ejemplo, cada capa tiene una característica específica que aprender (como curvas y bordes) en el reconocimiento de imágenes, por lo que cada una se enfocará en su tema específico y profundizará en él. Para comprender mejor, vale la pena escuchar nuestro segundo episodio en su totalidad.

Podemos concluir que las máquinas imitan de manera muy básica y superficial, como piensa un humano, pero definitivamente no piensan como un humano.

Escuche el podcast Inside Alana Podcast en la plataforma que elija y manténgase al tanto de todo lo relacionado con la inteligencia artificial.

personagens escrevendo

 



TeamAlana-1

 

Você também pode gostar:

Insider

[Podcast] Los desafíos de la inteligencia artificial en la comunicación

Para muchos, la inteligencia artificial solo existe en películas o teorías de conspiración sobre el fin del mundo. Aunqu...

Insider

Alana AI expande sus operaciones en América Latina

Fundada en 2015, Alana AI está abriendo oficinas en México y Puerto Rico. Hoy, la empresa de inteligencia artificial ya ...

Insider

¿Qué cambia con la Ley General de Protección de Datos (LGPD) en Brasil?

¿Sabías que la Ley General de Protección de Datos se promulgó en septiembre de este año y entrará en vigor a partir del ...

Receba insights sobre
Inteligência Artificial por e-mail,
na medida certa.