No se han encontrado resultados

Su búsqueda no coincide con ningún resultado

We suggest you try the following to help find what you're looking for:

  • Check the spelling of your keyword search.
  • Use synonyms for the keyword you typed, for example, try “application” instead of “software.”
  • Try one of the popular searches shown below.
  • Start a new search.

 

Trending Questions

Inteligencia Artificial, Machine Learning, Deep Learning: una historia de muñecas rusas

Los campos potenciales de aplicación y usos de la Inteligencia Artificial son cada vez más diversos: comprensión del lenguaje natural, reconocimiento visual, robótica, sistemas autónomos, aprendizaje automático... La IA es una verdadera ventaja para el departamento de TI.

¿Por qué la Inteligencia Artificial, el Aprendizaje Automático y el Aprendizaje Profundo funcionan como matriochkas?

Tiempo de lectura: 6 mn

Los campos potenciales de aplicación y usos de la Inteligencia Artificial son cada vez más diversos: comprensión del lenguaje natural, reconocimiento visual, robótica, sistemas autónomos, aprendizaje automático.... La IA es una verdadera ventaja para el departamento de TI.

El Aprendizaje Automático (ML) y el Aprendizaje Profundo (DL) son Inteligencia Artificial.

La Inteligencia Artificial (IA), tal y como la conocemos, es una Inteligencia Artificial débil, a diferencia de la IA fuerte, que aún no existe. Hoy en día, las máquinas son capaces de reproducir el comportamiento humano, pero sin conciencia. En el futuro sus habilidades podrían crecer hasta el punto de convertirse en máquinas con conciencia, sensibilidad y mente.

Si el Aprendizaje Automático (ML) y el Aprendizaje Profundo (DL) son Inteligencias Artificiales, lo contrario no es cierto. Por ejemplo, los gráficos de conocimiento o los motores de reglas son Inteligencias Artificiales pero no caen bajo el ML o DL. El aprendizaje profundo es una rama del aprendizaje automático.

La IA ha evolucionado considerablemente gracias, en particular, a la aparición del Cloud Computing y Big Data, es decir, la potencia de computación de bajo coste y la accesibilidad a una gran cantidad de datos. Así, las máquinas ya no están programadas, sino que aprenden.

Aprendizaje automático: aprendizaje autónomo

El Aprendizaje Automático es capaz de reproducir un comportamiento utilizando algoritmos, que a su vez son alimentados por una gran cantidad de datos. Ante muchas situaciones, el algoritmo aprende qué decisión adoptar y crea un modelo. La máquina puede automatizar tareas según la situación.

Por ejemplo, para que una máquina aprenda el concepto de chat, un ingeniero recopila un gran número de ejemplos sobre el animal y los transmite a un algoritmo. Anteriormente, el ingeniero tenía que establecer un documento de identidad del gato (tiene piel, bigotes etc.) y representar estas reglas en un programa informático. Hoy en día, sólo necesita recoger los datos, lo que hace que la tarea sea más fácil y rápida. Esta nueva forma de automatizar conduce a un progreso considerable.

Hoy en día, las nuevas tecnologías son cada vez más robóticas. Recientemente, Oracle lanzó una base de datos autónoma, Autonomous Database, que automatiza la gestión de datos mediante el uso de algoritmos de Machine Learning. Su solución de DataWarehouse reduce los errores humanos, lo que aumenta la seguridad, al tiempo que permite a los DBAs centrarse en tareas de mayor valor añadido. Con el lanzamiento de Autonomous DataWarehouse, Oracle ha sido nombrado líder por Gartner en su Magic Quadrant 2019, en soluciones de gestión de datos, por delante de Snowflake.

Aprendizaje profundo: una comprensión precisa

El aprendizaje profundo o Deep Learning intentará comprender los conceptos con mayor precisión, analizando los datos a un alto nivel de abstracción. ¿Cómo? A través de la comprensión no lineal. Su funcionamiento es similar al del cerebro. En una red neuronal, se combinan capas sucesivas de datos para aprender los conceptos. Las redes más simples tienen sólo dos capas: una de entrada y otra de salida, cada una de las cuales puede tener varios cientos, miles o incluso millones de neuronas. A medida que aumentan, aumenta la capacidad de la red para aprender de representaciones cada vez más abstractas.

 

“El aprendizaje profundo intentará comprender los conceptos con mayor precisión, analizando los datos a un alto nivel de abstracción.”

Para ilustrar cómo funciona el Aprendizaje Profundo (DL), imagine que las redes neuronales quieren aprender a reconocer los rostros humanos. Una primera capa concibe que hay píxeles, las siguientes capturan que varios píxeles forman un borde, y así sucesivamente, hasta que adquieren la noción de "cara". Eventualmente, serán capaces de distinguir caras específicas.

Google utilizó Deep Learning para Alphago, la máquina que venció al campeón mundial humano del juego Go. ¡El número de posiciones posibles en la mesa es mayor que el número de átomos en el mundo humano!

El término Inteligencia Artificial se utiliza a menudo para referirse a Machine Learning y a Deep Learning. En realidad, se refiere a la capacidad de una máquina para aprender conceptos de forma independiente. Esta competencia es una verdadera revolución tecnológica que se está desarrollando, especialmente en los campos del Business Intelligence y la analitica.

Oracle ha desarrollado una plataforma completa de gestión y análisis de operaciones de TI que integra muchos algoritmos de Machine Learning: detección de anomalías, análisis sintético, clasificación, predicción, correlación...