Diferencias entre la Inteligencia Artificial y el Machine Learning
La inversión en inteligencia artificial y machine learning crecerá de los 12.000 millones de dólares de 2017 hasta 57.600 millones en 2021. Aunque estas tecnologías emergentes van de la mano, suelen confundirse con regularidad y utilizarse como sinónimos. Aquí te explicaremos por qué no deben utilizarse indistintamente.
AI ≠ ML: destacando diferencias y similitudes
La inteligencia artificial es un área de la computación fundada oficialmente como una disciplina en 1956, en la Universidad de Dartmouth, en Nuevo Hampshire. A medida que avanza la tecnología y nacen múltiples derivados, los especialistas han hecho un esfuerzo en delimitarla o diferenciarla de sus vertientes. La IA como tecnología — o conjunto de tecnologías y herramientas — tiene por objeto la creación de máquinas inteligentes que funcionan y reaccionan como seres humanos. El reconocimiento de voz y los asistentes virtuales son ejemplos recientes de inteligencia artificial aplicada. McKinsey define a la inteligencia artificial como “la capacidad de una máquina para realizar funciones cognitivas que asociamos a la mente humana, como percibir, razonar, aprender, interactuar con el entorno y resolver problemas o incluso utilizar la creatividad”.
Como se puede ver en este diagrama, la inteligencia artificial es un concepto más amplio y abarcador que el machine learning. Cuando una máquina lleva a cabo tareas de manera “inteligente”, imitando funciones cognitivas de los humanos, se considera IA. El aprendizaje automático o machine learning es en cambio un subconjunto de la disciplina de inteligencia artificial, y se define como la capacidad que tienen las máquinas de recibir un conjunto de datos y aprender por sí mismas, cambiando y ajustando los algoritmos a medida que procesan información y conocen el entorno.
Gracias al big data y a la continua cantidad de información digital que producimos a diario, las máquinas pueden hacer predicciones precisas sin estar específicamente programadas para ello. Estas predicciones permiten, por ejemplo, recomendarnos productos de forma personalizada tras analizar nuestras compras o actividades anteriores en comercios electrónicos.
Machine learning: dos tipos de aprendizaje inteligente
Por su parte, el machine learning está formado por distintos tipos dependiendo de la respuesta o aprendizaje que se vaya a proporcionar. El supervised learning o aprendizaje supervisado se da cuando un algoritmo aprende a raíz de a los datos etiquetados y categorizados que proporcionamos los seres humanos. Posteriormente, las máquinas son capaces de generalizar y clasificar de forma automática, sin nuestra intervención, gracias al etiquetado. Con este tipo de aprendizaje, las máquinas extraen un conjunto de reglas que se “actualizan” y les ayudan a tomar decisiones.
Un ejemplo de aprendizaje supervisado que nos facilita la vida diaria es el filtrado automático que realiza nuestro e-mail, basado en información anterior que le hayamos ofrecido al sistema, que le permite categorizar correos como “bandeja de entrada” o “no deseado”.
En el caso del aprendizaje no supervisado o unsupervised machine learning, la máquina no necesita que los datos estén etiquetados ya que su objetivo es encontrar relaciones por sí misma, sacando conclusiones de los datos no estructurados para agruparlos por categorías. La máquina es así capaz de detectar similitudes, diferencias o anomalías en las variables y en base a esta información crear reglas o categorías.
Con el aumento de los dispositivos conectados y la expansión de las funcionalidades de la IA en entornos empresariales, tenemos cada vez más acceso a información y, junto a ella, una gran necesidad de administrarla y encontrarle una utilidad en la vida diaria. Herramientas como la inteligencia artificial — en su conjunto — o el machine learning nos ayudan a comprender mejor el mundo y a desarrollar aplicaciones que faciliten nuestra interacción con él. Existen ya tecnologías que permiten a máquinas realizar llamadas telefónicas con voces casi humanas, naturales, que pueden servir para programar citas de trabajo o incluso para asistir a personas con discapacidades en esta tarea. Es evidente: las aplicaciones de la IA son infinitas.
Aunque es pronto para predecir cómo exactamente la inteligencia artificial y el machine learning van a cambiar el mundo, no es arriesgado afirmar que serán parte crucial de nuestras estrategias empresariales y nuestro día a día. Las recomendaciones virtuales en base a nuestras series favoritas, la analítica predictiva en robots industriales, los resultados sugeridos de los motores de búsqueda o el software de reconocimiento de voz son solo unos pocos ejemplos del potencial real de estas tecnologías. Para conocer más casos reales de uso de la IA, indagar en las diferencias entre conceptos relacionados con esta tecnología emergente y descubrir cómo ayuda a construir empresas más inteligentes, en Oracle hemos creado experiencIA. En este programa para mujeres directivas viajaremos al centro de la inteligencia para lograr una sociedad mejor.
