Mi pregunta es esta:
¿Hay alguna diferencia entre el aprendizaje automático y la inteligencia artificial? ¿O estos términos se refieren a lo mismo?
machine-learning
theory
Sairaam Venkatraman
fuente
fuente
Respuestas:
Las áreas temáticas de Inteligencia Artificial y Aprendizaje Automático (más Ciencia de Datos) están definidas en términos generales, de modo que es difícil hacer declaraciones estrictas sobre cómo se relacionan. En el caso general, parece que hay partes que se superponen, pero que están muy lejos de ser "el mismo sujeto con dos nombres diferentes" como se sugiere en la pregunta.
El término Inteligencia Artificial tiene muchos significados e interpretaciones posibles: a qué versión referirse varía según el tiempo y la fuente que lo utiliza. Los libros de texto sobre inteligencia artificial a menudo cubrirán temas como algoritmos de búsqueda, deducción lógica y otras cosas que claramente no son aprendizaje automático como se practica hoy en día.
Por ejemplo, podríamos tomarlo para referirnos a Inteligencia General Artificial (o "IA dura"), y debería estar claro en este caso que se requeriría al menos alguna forma de algoritmo (s) de aprendizaje para cumplir los objetivos de AGI. Sin embargo, está mucho menos claro cuánto AGI se puede resolver combinando el aprendizaje automático en estructuras complejas.
El término Machine Learning tiene algunas definiciones de trabajo diferentes, pero esta es una popular:
Esto está mucho más definido que la Inteligencia Artificial, pero todavía tiene mucho alcance.
La tendencia a combinar AI y ML parece ser un problema de medios y marketing, no técnico. Sospecho que esto se debe en parte a los avances en los últimos 5-10 años en las redes neuronales. Los modelos de redes neuronales han progresado mucho, especialmente en el procesamiento de señales de imágenes, video y audio. También existe una analogía con los cerebros biológicos que puede ser convincente, especialmente cuando el tema se simplifica para el consumo de los medios de comunicación.
Vale la pena mencionar Data Science también. Al igual que la Inteligencia Artificial, el término se define de manera algo confusa. También como AI, Data Science tiene más que solo Machine Learning. Para los profesionales de Data Science, ML es parte de un conjunto de herramientas para lograr objetivos: para algunas personas es una gran parte de lo que hacen, para otros es solo una parte de un alcance más amplio (en realidad, la capacitación y el perfeccionamiento de un modelo de ML pueden tomar solo una pequeña fracción del tiempo de un científico de datos profesional, analista o estadístico). Creo que es razonable afirmar que la inteligencia artificial y la ciencia de datos se relacionan con el aprendizaje automático de una manera similar.
fuente
El aprendizaje automático en términos simples es un algoritmo que permite a las máquinas identificar patrones en los datos y luego desarrollar un modelo que puede usarse para predecir datos no vistos.
La inteligencia artificial es la capacidad de las máquinas para tomar decisiones inteligentes que son iguales o mejores que su contraparte humana.
Diferencia entre los dos :
La IA es un campo muy amplio de inteligencia informática en el que el aprendizaje automático es una de las formas en que obtiene la inteligencia para predecir resultados. Pero la IA también contiene robótica, síntesis de voz, visión por computadora y otros.
Entonces, si tuviera que dibujar un diagrama de Venn de inteligencia artificial, entonces el aprendizaje automático sería un subconjunto.
fuente
Deep Learning es un subconjunto de Machine Learning que es un subconjunto de Inteligencia Artificial. El aprendizaje automático es un enfoque particular para la IA, pero no el único. La lógica simbólica, las estadísticas bayersianas son algunos ejemplos de enfoques de IA que no utilizan ningún tipo de algoritmos de aprendizaje automático.
fuente
Un buen ejemplo de IA, pero no de aprendizaje automático, es el cálculo evolutivo. Aquí, en lugar de aprender de la experiencia (como en la definición de Tom M. Mitchell), tenemos un cambio de genotipo en cada generación de versión de programa de computadora, medido por su rendimiento en la tarea (expresión de fenotipo en el entorno).
Como dice Melanie Mitchell :
'... desde los primeros días se aplicaron las computadoras ... para modelar el cerebro, imitar el aprendizaje humano y simular la evolución biológica ... El primero ha crecido en el campo de las redes neuronales, el segundo en el aprendizaje automático y el tercero en lo que ahora se llama "computación evolutiva" ... 'Aunque, ahora las redes neuronales se consideran principalmente como parte del aprendizaje automático.
fuente
ML, por Tom M. Mitchell:
AI, pero no ML:
Gracias, Servan Grüninger , por tu ayuda.
Ver también: ¿Cómo se relaciona el aprendizaje automático con la inteligencia artificial?
fuente
Como el gran Tom Mitchell ha dicho en su libro "El aprendizaje automático es la capacidad de aprender sin ser programado explícitamente".
Los algoritmos de aprendizaje automático se emplean ampliamente y se encuentran a diario. Algunos ejemplos son las recomendaciones automáticas al comprar un producto o software de reconocimiento de voz que se adapta a su voz.
La IA es cualquier tecnología que permite que un sistema demuestre inteligencia similar a la humana.
"Si conectamos varias fotos de gatos haciendo cosas diferentes o en diferentes lugares en una computadora, pero todas las fotos todavía están etiquetadas como gatos, entonces la computadora aprenderá de cada foto que se muestra", dijo Kamelia Aryafar, Ph.D. , director de aprendizaje automático de Overstock . "Eventualmente, reconocerá que el gato es el denominador común en cada conjunto de datos, lo que a su vez ayudará a la computadora a aprender a identificar a los gatos".
Cuando una máquina puede distinguir la diferencia entre los objetos y hacer una elección para descartarlos o aceptarlos, en base a criterios entendidos, nace la IA. De hecho, cada vez que una máquina toma una decisión, eso es inteligencia artificial y ha ido más allá del mero aprendizaje automático.
fuente
Tomemos la prueba total de Turing como ejemplo. A menudo se dice que una computadora es inteligente si puede pasar la prueba total de Turing.
Una computadora pasa la prueba si un interrogador humano, después de formular algunas preguntas escritas, no puede determinar si las respuestas escritas provienen de una persona o de una computadora. La prueba de Turing total también incluye una señal de video para que el interrogador pueda probar las habilidades perceptivas del sujeto, así como la oportunidad para que el interrogador pase objetos físicos "a través de la escotilla".
Para pasar la Prueba de Turing total, la computadora necesitaría poseer las siguientes capacidades:
Como ya puede ver, el aprendizaje automático es un subconjunto de inteligencia artificial que se refiere a la capacidad de un agente inteligente para aprender .
fuente
Inteligencia artificial : programa que puede sentir, razonar, actuar y adaptarse.
Aprendizaje automático : algoritmos cuyo rendimiento mejora a medida que se exponen a los datos de modo a lo largo del tiempo.
fuente