Noticias

5 Enfoques principales del aprendizaje de la IA

  1. Software
  2. Otro Software
  3. 5 Enfoques principales del aprendizaje de la IA

Libro Relacionado

Inteligencia Artificial Para Tontos

Por John Paul Mueller, Luca Massaron

Un algoritmo es una especie de contenedor. Proporciona una caja para almacenar un método para resolver un tipo particular de problema. Los algoritmos procesan los datos a través de una serie de estados bien definidos. Los estados no tienen por qué ser determinista, pero los estados están definidos de todos modos. El objetivo es crear un resultado que resuelva un problema. En algunos casos, el algoritmo recibe entradas que ayudan a definir la salida, pero el foco siempre está en la salida.

Los algoritmos deben expresar las transiciones entre estados utilizando un lenguaje bien definido y formal que el ordenador pueda entender. Al procesar los datos y resolver el problema, el algoritmo define, refina y ejecuta una función. La función es siempre específica para el tipo de problema que está siendo abordado por el algoritmo.

Cada una de las cinco tribus tiene una técnica y estrategia diferente para resolver problemas que resultan en algoritmos únicos. La combinación de estos algoritmos debería conducir eventualmente al algoritmo maestro que será capaz de resolver cualquier problema dado. La siguiente discusión proporciona una visión general de las cinco técnicas algorítmicas principales.

Razonamiento simbólico

Una de las tribus más antiguas, los simbolistas, creían que el conocimiento podía obtenerse operando sobre los símbolos (signos que representan un cierto significado o evento) y derivando reglas de ellos. Al armar sistemas complejos de reglas, se podía lograr una deducción lógica del resultado que se quería conocer, de modo que los simbolistas formaron sus algoritmos para producir reglas a partir de los datos. En el razonamiento simbólico, la deducción expande el campo del conocimiento humano, mientras que la inducción eleva el nivel del conocimiento humano. La inducción abre comúnmente nuevos campos de exploración, mientras que la deducción explora esos campos.

Conexiones modeladas a partir de las neuronas del cerebro

Los connectionistas son quizás los más famosos de las cinco tribus. Esta tribu se esfuerza por reproducir las funciones del cerebro usando silicio en lugar de neuronas. Esencialmente, cada una de las neuronas (creadas como un algoritmo que modela la contraparte del mundo real) resuelve una pequeña parte del problema, y el uso de muchas neuronas en paralelo resuelve el problema como un todo.

El uso de la retropropagación, o propagación de errores hacia atrás, busca determinar las condiciones bajo las cuales se eliminan los errores de las redes construidas para asemejarse a las neuronas humanas, cambiando los pesos (en qué medida una entrada en particular figura en el resultado) y los sesgos (qué características se seleccionan) de la red. El objetivo es continuar cambiando las ponderaciones y los sesgos hasta que la salida real coincida con la salida objetivo. En este punto, la neurona artificial dispara y pasa su solución a la siguiente neurona en la línea. La solución creada por una sola neurona es sólo una parte de la solución completa. Cada neurona pasa información a la siguiente neurona en línea hasta que el grupo de neuronas crea una salida final. Este método demostró ser el más eficaz en tareas similares a las humanas, como reconocer objetos, comprender el lenguaje escrito y hablado, y chatear con los humanos.

Algoritmos evolutivos que prueban la variación

Los evolucionarios se basan en los principios de la evolución para resolver problemas. En otras palabras, esta estrategia se basa en la supervivencia del más apto (eliminando cualquier solución que no se ajuste al resultado deseado). Una función de aptitud determina la viabilidad de cada función para resolver un problema. Utilizando una estructura de árbol, el método de solución busca la mejor solución basada en la salida de funciones. El ganador de cada nivel de evolución consigue construir las funciones del siguiente nivel. La idea es que el siguiente nivel se acerque más a la solución del problema pero no lo resuelva completamente, lo que significa que se necesita otro nivel. Esta tribu en particular depende en gran medida de la recursión y los lenguajes que apoyan fuertemente la recursión para resolver problemas. Un resultado interesante de esta estrategia han sido los algoritmos que evolucionan: Una generación de algoritmos construye la siguiente generación.

inferencia bayesiana

Un grupo de científicos, llamados bayesianos, percibieron que la incertidumbre era el aspecto clave a vigilar y que el aprendizaje no estaba asegurado, sino que tenía lugar como una actualización continua de creencias previas que crecían cada vez con mayor precisión. Esta percepción llevó a los bayesianos a adoptar métodos estadísticos y, en particular, derivaciones del teorema de Bayes, que ayuda a calcular probabilidades bajo condiciones específicas (por ejemplo, ver una carta de una determinada semilla, el valor inicial de una secuencia pseudoaleatoria, extraída de una baraja después de otras tres cartas de la misma semilla).

Sistemas que aprenden por analogía

Los analizadores utilizan máquinas del núcleo para reconocer patrones en los datos. Al reconocer el patrón de un conjunto de entradas y compararlo con el patrón de una salida conocida, se puede crear una solución al problema. El objetivo es utilizar la similitud para determinar la mejor solución a un problema. Es el tipo de razonamiento que determina que usar una solución particular funcionó en una circunstancia dada en algún momento anterior; por lo tanto, usar esa solución para un conjunto similar de circunstancias también debería funcionar. Uno de los resultados más reconocibles de esta tribu es la recomendación de sistemas. Por ejemplo, cuando usted compra un producto en Amazon, el sistema de recomendación le ofrece otros productos relacionados que usted también podría querer comprar.

El objetivo final del aprendizaje automático es combinar las tecnologías y estrategias adoptadas por las cinco tribus para crear un único algoritmo (el algoritmo maestro) que pueda aprender cualquier cosa. Por supuesto, el logro de ese objetivo está muy lejos. Aún así, científicos como Pedro Domingos están trabajando actualmente para lograr esa meta.

Join The Discussion