Inicio > Noticias > Noticias comerciales >

¿Cuál es la diferencia entre AI y Machine Learning?

¿Cuál es la diferencia entre AI y Machine Learning?
Tiempo de Publicación:2017-12-05
Primero, hay diferentes tipos de inteligencia artificial (IA): débil y fuerte. La IA débil puede comportarse como si un robot o una línea de fabricación estuvieran pensando por sí mismos. Sin embargo, es una programación supervisada, lo que significa que hay una salida programada o acción para entradas dadas.

La inteligencia artificial fuerte es un sistema que en realidad podría cambiar una salida en función de los objetivos y los datos de entrada. Un programa podría hacer algo para lo que no estaba programado si nota un patrón y determina una forma más eficiente de lograr el objetivo que se le dio.

Por ejemplo, cuando un programa de IA fue instruido para obtener el puntaje más alto que pudo en el videojuego Breakout, fue capaz de aprender a funcionar mejor y fue capaz de superar a los humanos en solo 2,5 horas. Los investigadores dejan que el programa se ejecute. Para su sorpresa, el programa desarrolló una estrategia que no estaba en el software. Se centraría en un punto de ladrillos para hacer un agujero para que la pelota quedara detrás de la pared. Esto minimiza el trabajo, ya que la computadora ya no tiene que mover el bate mientras que el puntaje aumentaría. Esto también minimiza las posibilidades de perder la pelota y terminar el juego.
Las palabras de moda pueden ayudar a atraer mucha atención en la web. Pero si bien estas palabras clave de SEO pueden ayudar a las personas a encontrar lo que están buscando, también pueden agregar pelusa y basura a las búsquedas. Con términos como impresión 3D y IIoT que provocan una respuesta tan positiva, no hay final a la vista. Agregue inteligencia artificial (AI), aprendizaje automático, redes neuronales y aprendizaje profundo en la mezcla, y puede ser confuso mantenerse al día con cuál es cuál. Entonces, para comenzar:

¿Qué es la IA?
AI: La Inteligencia Artificial (AI) generalmente se define como la ciencia de hacer que las computadoras hagan cosas que requieren inteligencia cuando son hechas por humanos. AI ha tenido cierto éxito en dominios limitados o simplificados.
Primero, hay diferentes tipos de inteligencia artificial (IA): débil y fuerte. La IA débil puede comportarse como si un robot o una línea de fabricación estuvieran pensando por sí mismos. Sin embargo, es una programación supervisada, lo que significa que hay una salida programada o acción para entradas dadas.
La inteligencia artificial fuerte es un sistema que en realidad podría cambiar una salida en función de los objetivos y los datos de entrada. Un programa podría hacer algo para lo que no estaba programado si nota un patrón y determina una forma más eficiente de lograr el objetivo que se le dio.
Por ejemplo, cuando un programa de IA fue instruido para obtener el puntaje más alto que pudo en el videojuego Breakout, fue capaz de aprender a funcionar mejor y fue capaz de superar a los humanos en solo 2,5 horas. Los investigadores dejan que el programa se ejecute. Para su sorpresa, el programa desarrolló una estrategia que no estaba en el software. Se centraría en un punto de ladrillos para hacer un agujero para que la pelota quedara detrás de la pared. Esto minimiza el trabajo, ya que la computadora ya no tiene que mover el bate mientras que el puntaje aumentaría. Esto también minimiza las posibilidades de perder la pelota y terminar el juego.

PUBLICIDAD, RATÓN PARA AUDIO
Tenga en cuenta que la computadora no está viendo ladrillos despojados de murciélagos, bolas o arcoíris. "Ve" un montón de números. Sabe qué variables controla y cómo puede aumentar los puntos en función de cómo controla las variables en relación con los otros números.
"Bajo AI hay muchas tecnologías diferentes: algunas existen y funcionan, otras aún no están maduras, otras simplemente son palabras de moda", "En mi experiencia, en la fabricación del mundo real, no he oído hablar de nadie que use la IA para En las operaciones, es más plausible que los centros de I + D estudien y prueben ciertos algoritmos. Algunos componentes industriales como PLC, variadores, motores, ya incluyen ciertas redes neuronales que podrían caer bajo el amplio paraguas de la IA, las aplicaciones típicas proporcionan más eficiencia energética o más rápido tiempo de reacción."
AI se ha desangrado en un término general que podría significar varias cosas, incluido el aprendizaje automático. Crear mucha confusión es que algunas personas asocian la IA con el pensamiento independiente. Sin embargo, a partir de la definición, una aplicación de visión artificial de levantar una pieza y colocarla en una orientación particular. Por definición, esta acción es lo que un humano haría, y requiere cierto nivel de inteligencia. Puede que no requiera mucha inteligencia, pero se ajusta a la definición de IA.
Redes neuronales y Big Data
Red neuronal: un sistema informático inspirado en el cerebro humano.
Big Data: Esencialmente un gran conjunto o conjunto de datos que se necesitan para que los programas utilicen con precisión las funciones de IA. A medida que las cosas se vuelven más complejas, pasando de la IA al aprendizaje automático o el aprendizaje automático al aprendizaje en profundidad, cuantos más datos tenga, mejor podrán estos sistemas aprender y funcionar.
El aprendizaje automático a veces se asocia con una red neuronal. Similar a cómo funciona el cerebro humano, las redes neuronales tienen muchas conexiones entre nodos y capas de nodos. Los algoritmos de entrenamiento pueden usar redes neuronales, de modo que cuando ingresen datos en forma de datos en el sistema, descubrirán, aprenderán, decidirán, etc. cuál es el mejor curso de acción. Usando una gran cantidad de datos (a menudo llamados Big Data), el algoritmo y la red aprenden cómo lograr los objetivos y mejorar el proceso. Este tipo de conectividad extensa se conoce como aprendizaje profundo.

Aprendizaje profundo
Aprendizaje profundo: el aprendizaje profundo (también conocido como aprendizaje estructurado profundo, aprendizaje jerárquico o aprendizaje automático en profundidad) es el estudio de redes neuronales artificiales y algoritmos de aprendizaje automático relacionados que contienen más de una capa oculta.
"El aprendizaje profundo es un tipo especial de algoritmo de aprendizaje automático; son múltiples capas de redes neuronales que imitan la conectividad del cerebro, y estos tipos de conectividad parecen funcionar mucho mejor que los sistemas preexistentes", "Actualmente tenemos que definir parámetros para el aprendizaje automático basados ​​en nuestra experiencia humana. Cuando miramos las imágenes de manzanas y naranjas, necesitamos definir las características de forma manual, para que los sistemas de aprendizaje automático puedan identificar la diferencia. El aprendizaje profundo es el siguiente nivel porque puede crear esas distinciones por sí mismo. Con solo mostrar imágenes de muestra de manzanas y naranjas en un sistema de aprendizaje profundo, creará sus propias reglas al darse cuenta de que el color y la geometría son las características clave que distinguen cuáles son los que, y no tienen que enseñarlo, se basan en el conocimiento humano ".

Aprendizaje automático
Aprendizaje automático: un tipo de IA que puede incluir, pero no se limita a redes neuronales y aprendizaje profundo. En general, es la capacidad de una computadora para generar o hacer algo para lo que no estaba programado.