La concepción con que nace la Inteligencia Artificial es de sistemas de computación con la capacidad de simular el comportamiento humano, es decir, capacidad de imitar al cerebro. Este es un planteamiento en el cual se trabajó por décadas.

John McCarthy es quien propone la teoría de poder crear máquinas pensantes, es decir, que pueda simular el ser humano casi de manera perfecta. En las ilustradas mentes de quienes trabajaron en la puesta en práctica de este planteamiento se albergaba la idea de máquinas (Robots) que puedan superar al ser humano en casi todos sus acciones, es decir, en la forma de cómo interactúa con todo su entorno, pudiendo resolver tareas de cualquier tipo.

Lo planteado hasta el momento, es lo que se conoce como Inteligencia Artificial General (IAG) y buscaba dar vida a los robots consiguiendo que estos optimicen las funciones que hacen los seres humanos. No podemos negar que en principio esta fue una teoría prometedora en la cual se trabajó de manera incansable para llegar a cumplir sus expectativas sin lograr materializar los esfuezos, porque el paradigma no se logró concretar en la práctica.

Como este paradigma no cumplió sus expectativas, dio lugar a una gran desilusión en el desarrollo de la Inteligencia Artificial y a este periodo se le llamó el Invierno de la Inteligencia Artificial.

Ahora se trabaja en un nuevo paradigma de la Inteligencia Artificial al cual se le denomina Inteligencia Artificial Especializada. Ahora se plantea, no crear un sistema que resuelva todos los problemas, sino crear soluciones que resuelvan problemas específicos.

De este nuevo paradigma de Inteligencia Artificial forman parte tanto Machine Learning como Deep Learning. En lo adelante nos referiremos a ellos como ML y DL para relacionar a Machine Learning y a Deep Learning.

El ML es un subconjunto de la inteligencia artificial que busca poder proporcionar a los sistemas de computación la capacidad de poder aprender nuevos conocimientos para los cuales el sistema no estaba programado.

“El aprendizaje y capacidad de generalizar un conocimiento en base a una información para deducir unas reglas con las que evolucionar y ser así capaces de lidiar con situaciones e información totalmente nueva y desde la cual se pueda extraer conocimiento nuevo se lleva a cabo mediante distintos algoritmos, los cuales no serán más que unas funciones matemáticas que ajustarán unos parámetros concretos, gracias a la información que se tenga de partida, y mediante los cuales se obtendrá la generalizaciónEl ML es un subconjunto de la inteligencia artificial que busca poder proporcionar a los sistemas de computación la capacidad de poder aprender nuevos conocimientos para los cuales el sistema no estaba programado.

“El aprendizaje y capacidad de generalizar un conocimiento en base a una información para deducir unas reglas con las que evolucionar y ser así capaces de lidiar con situaciones e información totalmente nueva y desde la cual se pueda extraer conocimiento nuevo se lleva a cabo mediante distintos algoritmos, los cuales no serán más que unas funciones matemáticas que ajustarán unos parámetros concretos, gracias a la información que se tenga de partida, y mediante los cuales se obtendrá la generalización antes mencionada” STRUCTULIA. (2018). DATA MINING, MACHINE LEARNING Y DEEP LEARNING. España: STRUCTULIA.

Machine Learning es un conjunto de funciones matemáticas que siempre va a necesitar un conjunto de datos o información para poder cumplir su función. Esa información previa le sirve para hacer conclusiones relevantes de nuevos conjuntos de información a los que nunca antes habían sido expuestos.

“El DL toma como inspiración el funcionamiento del cerebro humano e intenta definir distintas arquitecturas de conexiones neuronales que simulen de alguna forma su funcionamiento, dando lugar por ello a un tipo de algoritmos que son bioinspirados” STRUCTULIA. (2018). DATA MINING, MACHINE LEARNING Y DEEP LEARNING. España: STRUCTULIA.

Machine Learning se aplica en una gran variedad de acciones cotidianas que vemos en algunas tecnologías, como es el caso de la cámara que identifica la cara antes de tirar la fotografía o el caso de facebook que identifica las caras en una foto determinada.

Una aplicación importante de Machine Learning es en la robótica, con lo que busca un parecido al antiguo paradigma de la Inteligencia Artificial General, pero con la salvedad que en el ML sí es aplicable, porque se maneja con algoritmos especializados que pueden convertir los robots en máquinas que puedan interactuar con el entorno y capaces de poder aprender a interactuar con cualquier tipo de entornos nuevos a los que se enfrenten.

Les invito a que en los comentarios aporten una definición de ML diferente a la presentada aquí