Aprendizaje Automático y Aprendizaje Profundo

Abstract

Actualmente hablar de Inteligencia Artificial (IA) es para algunos hablar de robots y películas de ciencia ficción tales como, Terminator, Matrix, Yo Robot entre otras, para otros es aún un tema de reflexión. Si bien existe alguna base común, donde en algún punto divergen hacia caminos distintos para la creación de este tipo de películas, la Inteligencia Artificial se focaliza en otros objetivos, como por ejemplo Aprendizaje Automático y Aprendizaje Profundo, por lo que entenderlas, nos dará una visión clara hacia donde se dirige hoy la Inteligencia Artificial. Entender qué es la inteligencia artificial y cómo se puede emular fue un gran acontecimiento que se debe en gran parte a la contribución de Alan Turing. Gracias a la Prueba de Turing 1 , se logra tener una visión general de qué es la inteligencia. Turing definió el comportamiento inteligente como la capacidad de lograr un rendimiento a nivel humano en todas las tareas cognitivas, suficiente para engañar a un interrogador. Luego, el concepto formal de la IA fue acuñado en el Dartmouth Summer Research Project On Artificial Intelligence, en base a la propuesta de investigadores tales como John McCarthy, Marvin L. Minsky, Nathaniel Rochester y Claude E. Shannon, los cuales se reunieron para plantear las bases del aprendizaje y características de la inteligencia que pudiesen ser simuladas por una máquina 2. Posterior a esto, Russell y Norving 3 propusieron que el objetivo de la IA fuese generar máquinas que se comportaran como si fuesen inteligentes y se pudieran descomponer en diversas categorías, tales como sistemas que pensaran y actuaran como humanos y sistemas que pensaran y actuaran de manera racional. Además, estas máquinas pudieran realizar diversas tareas, tales como procesamiento de lenguaje natural, representación del conocimiento, razonamiento automático, aprendizaje automático, visión computacional y robótica, las cuales han marcado el caminar de la IA a través del tiempo. El paso del tiempo, dió como resultado especializaciones y un tipo particular de IA llamado Aprendizaje Automático (AA), el cual fue definido por Samuel 4 como el campo de estudio que da a los computadores la capacidad de aprender sin ser programados de manera explícita. Mitchell 5 , desde un punto de vista de ingeniería, lo define como un programa de computador que aprende de una experiencia E, con respecto a una tarea T y una medida de rendimiento R, si su rendimiento en T, medido por R, mejora con la experiencia E y luego Géron 6 lo define como ciencia (y arte) de programar computadores para que aprendan a partir de los datos. Junto con estas definiciones, este tipo de IA ha ido creciendo con bastante rapidez debido a la cantidad de datos disponibles en la actualidad (Big Data) e Internet. Segundo a segundo crece la cantidad de datos para procesar, es por esto que se ha dividido en algunas categorías, tales como aprendizaje supervisado, aprendizaje no supervisado, aprendizaje por refuerzo, entre otras. Si seguimos detallando el AA, llegamos al tipo de Aprendizaje Profundo (AP), donde su base son las Redes Neuronales Artificiales (RNA). La primera RNA conocida fue la propuesta por Mc Culloch 1 B.Y.A.M. Turing, "Computing Machinery and Intelligence by A.M. Turing 1 The Imitation Game 2 Critique of the New Problem". A M TURING, 1950.