Aunque con muchas cosas en común, estos conceptos guardan algunas diferencias que debemos tener en cuenta. En esta nota repasamos las más significativas.
Seguro recuerdas al pequeño actor de la película “Inteligencia Artificial” o personajes como “Terminator” y “El hombre bicentenario”. Eran tiempos cercanos en que se intentaba prever hasta dónde podía llegar la IA en el desarrollo de robots con apariencia humana.
Años después, los avances en Inteligencia Artificial nos han permitido conocer otros usos de la IA, acaso más útiles y, sobre todo, más cotidianos. Pero el adelanto ha traído como consecuencia nuevas ramas, cuyas implicaciones se suelen usar indistintamente.
¿Cuál es la diferencia entre Inteligencia Artificial, Machine Learning y Deep Learning? Veámoslo en esta infografía.
Básicamente, la Inteligencia Artificial busca que una máquina imite el comportamiento de los humanos. Por ejemplo, nuestra forma de comunicarnos a nivel verbal y escrito, nuestra capacidad de aprender de la experiencia y el error, así como la facultad de tomar decisiones a partir de ello.
Ejemplos de esto hay muchos. Además de los asistentes de voz virtuales, están los chatbots, el reconocimiento facial en las fotos de redes sociales, los sistemas de seguridad virtuales, la optimización de procesos usando Big Data, bots que optimizan campañas publicitarias online, máquinas que vencen a campeones del mundo en ajedrez y robots inteligentes humanoides.
Machine Learning vs. Deep Learning
Digamos que la IA es el concepto general, a partir del cual se pueden explicar otras técnicas derivadas, por ejemplo el Machine Learning, que tiene el foco puesto en aprender a partir de data y algoritmos en vez de ser solo máquinas programadas para tareas específicas.
Cuando estos algoritmos son complejos y usan cantidades voluminosas de datos para clasificar y relacionar información a través de redes neuronales, es decir, de la forma en la que lo hace el cerebro humano, hablamos de Deep Learning.
En un ejemplo básico, si tomamos como molde un robot humanoide, un algoritmo podría encargarse del desarrollo del lenguaje y la visualización usando algoritmos, pero el “cerebro” de todo sería Deep Learning. Ambas funciones, sumadas a otros elementos como la robótica y el diseño industrial, formarían parte de la Inteligencia Artificial del robot en conjunto.