Tempo estimado de lectura: 7 minutos
A disciplina naceu como unha rama da tecnoloxía da información, co obxectivo de fabricar máquinas:
Co paso dos anos, a intelixencia artificial a miúdo acendeu o debate filosófico para dar respostas sobre a posibilidade de substituír o ser humano coa máquina ... ¿é posible?
Neste sentido podemos identificar dúas correntes de pensamento:
Falamos de feble intelixencia artificial (Weble Artificial Intelligence) cando o obxectivo non é crear sistemas que teñan unha intelixencia comparable á dos humanos. Pero sistemas que poden actuar con éxito nunha ou varias actividades humanas complexas, como a tradución automática de textos.
Nestes casos, o software, na realización da tarefa para a que foi programado, actúa coma se fose un suxeito intelixente, pero para os efectos do resultado non importa se realmente o é ou non.
Falamos por tanto de feble intelixencia artificial en todos aqueles casos nos que a máquina non é capaz de pensar de forma autónoma, pero aínda é capaz de simular unha intelixencia.
Este tipo de IA aplícase nos casos en que a comprensión dos procesos cognitivos humanos non é relevante para o resultado final.
Falamos de forte intelixencia artificial cando a máquina equipada con intelixencia artificial non é só unha "ferramenta".
Se se desenvolve correctamente convértese en si mesmo nunha mente pensante, cunha capacidade cognitiva indistinguible da humana.
Nesta filosofía a idea é que algunhas formas de intelixencia artificial poidan razoar e resolver problemas como sería un ser humano, polo tanto sería imposible distinguir os resultados da máquina ou do home.
Estes mecanismos permiten a unha máquina intelixente mellorar as súas capacidades e rendemento ao longo do tempo, aprendendo automaticamente con experiencia para realizar certas tarefas, mellorando o seu rendemento cada vez máis co paso do tempo.
Un exemplo é AlphaGo, software de Aprendizaxe automática a quen se lle ensinou observando millóns de xogadas realizadas polos xogadores de Go durante diferentes xogos e facendo que a máquina xogase contra si mesma, co resultado de que foi capaz de vencer ao considerado o mellor xogador do mundo deste xogo.
As tres principais categorías de aprendizaxe automática son:
Estas arquitecturas aplícanse en diferentes contextos:
Características do Deep Learning en comparación con outras técnicas de IA:
Il Deep Learning actúa cos mesmos mecanismos que o cerebro, a máquina aprende de forma autónoma como en Machine Learning, pero faino dun xeito máis "profundo" como o faría o cerebro humano. Por profundo queremos dicir "en varios niveis conceptuais".
Pode parecer que a forte demanda de capacidades computacionais pode ser unha limitación, pero a escalabilidade do Deep Learning ao aumento de datos e algoritmos dispoñibles é o que o diferencia do Machine Learning:
Por exemplo, no campo do recoñecemento visual, a metaetiqueta "gato" pódese inserir nas imaxes que conteñen un gato e, sen explicar ao sistema como recoñecelo, o propio sistema, a través de múltiples niveis xerárquicos, adiviñará o que caracteriza. un gato (patas, cola, pel, etc.) e polo tanto para aprender a recoñecelo.
Os datos non estruturados poden ser analizados por un modelo de aprendizaxe profundo unha vez que se forman e alcanzan un nivel aceptable de precisión, pero non para a fase de adestramento inicial.
Il Deep Learning hoxe xa se aplica en varias áreas:
Implementando as tecnoloxías de hardware máis avanzadas e utilizando algoritmos de autoaprendizaxe como:
Créanse plataformas tecnolóxicas que tratan de imitar o cerebro humano, partindo de actividades máis sinxelas para chegar a un procesamento cada vez máis complexo.
Un sinal é unha variación temporal do estado físico dun sistema ou dunha cantidade física que se usa para representar e transmitir mensaxes, é dicir, información a distancia, polo tanto a análise de sinais é un compoñente que soporta a computación cognitiva.
Google DeepmindE Baidu Minwa son os exemplos máis famosos dispoñibles hoxe.
Por non falar do historiador IBM Watson, o primeiro supercomputador comercial deste tipo.
Adicto á innovación
O principio de segregación de interfaces é un dos cinco principios SOLID do deseño orientado a obxectos. Unha clase debería ter...
Microsoft Excel é a ferramenta de referencia para a análise de datos, porque ofrece moitas funcións para organizar conxuntos de datos,...
Walliance, SIM e plataforma entre os líderes en Europa no campo do Crowdfunding inmobiliario desde 2017, anuncia a finalización...
Filament é un cadro de desenvolvemento "acelerado" de Laravel, que ofrece varios compoñentes de pila completa. Está deseñado para simplificar o proceso de...
«Debo volver para completar a miña evolución: proxectareime dentro do ordenador e convertereime en pura enerxía. Unha vez instalado en…
Google DeepMind presenta unha versión mellorada do seu modelo de intelixencia artificial. O novo modelo mellorado ofrece non só...
Laravel, famoso pola súa sintaxe elegante e poderosas características, tamén proporciona unha base sólida para a arquitectura modular. Alí…
Cisco e Splunk están axudando aos clientes a acelerar a súa viaxe ao Centro de Operacións de Seguridade (SOC) do futuro con...