Top Ad 728x90

, ,

Machine learning e Inteligencia artificial ¿conoces sus diferencias?

¿Sabes cual es la diferencia entre Machine Learning e Inteligencia Artifical? Si tu respuesta es NO, esta nota es para ti.

Machine learning e Inteligencia artificial licencia de Adobe Stock

Los cambios tecnológicos en la sociedad de la información se producen a toda velocidad, y es apasionante, pero por otro lado estamos expuestos a mucha desinformación, bulos y noticias falsas. Por desgracia no puedes fiarte de nadie. Además los últimos años asistimos a una explosión de la inteligencia artificial (IA) que puede hacer aún más difícil de detectar lo que es cierto y lo que no. Pero ¿qué es exactamente la IA y cómo puede contribuir a engañarnos aún más?


No te puedes fiar de nadie...

La inteligencia artificial es “simplemente” un software o programa de ordenador que utiliza algoritmos complejos, principalmente machine learning (pero que se pueden complicar con deep learning, redes neuronales u otros), con el objetivo de resolver un problema específico. Este problema puede puede ser conducir un coche autónomo, jugar al ajedrez o detectar caras en un aeropuerto.

Los algoritmos de machine learning (aprendizaje automático) son programas de software que aprenden de ejemplos y experiencia previa. Sirven para crear modelos de datos, buscar patrones y hacer predicciones a partir de grandes cantidades de datos y ejemplos. Deep learning y redes neuronales son algoritmos mucho más complejos y utilizan machine learning en distintas capas agrupadas de información.


Hay dos estrategias principales en el aprendizaje automático:

1. Supervised learning.

Cada dato que entra en el sistema corresponde a un dato que sale y esto lo proveemos al algoritmo mediante miles de ejemplos. O sea, introducimos, por decir algo, miles de fotos de partes del cuerpo o la cara  y le decimos (etiquetamos) en cada caso si se trata de ojos, orejas, narices… Después de procesar los ejemplos y las etiquetas, la inteligencia artificial tendrá suficientes datos para reconocer los ojos, orejas y narices en las fotos de caras que le enseñemos a partir de ese momento.

2. Unsupervised learning.

En este caso no hace falta decir si cada foto es un ojo, una oreja, una nariz o no. Solamente proporcionamos las fotos y el algoritmo hace agrupaciones y descubre patrones por si mismo. No les llama “orejas” pero las reconoce cuando las ve.

Ahora vamos a complicarlo un poco. Las GAN (generative adversarial network) son unas redes neuronales (machine learning) de 2014 que funcionan principalmente con la estrategia de unsupervised learning.  Dado un conjunto de ejemplos de entrenamiento, aprenden a generar nuevos datos con las mismas características que el conjunto inicial. Por ejemplo, una GAN entrenada con fotografías de paisajes puede generar una nueva fotografía del paisaje pero en un día de lluvia que parecerá auténtica para un observador humano. StyleGAN son un tipo concreto de GAN que desarrollaron en 2018 en la empresa de gráficos Nvidia y con la que se puede hacer algo tan asombroso como lo que os contaré a continuación:


¿Conoces a esta persona?



Cara creada por inteligencia artificial

¿No? Yo tampoco le conozco. Ni nadie. Porque esta persona no existe.

A partir de StyleGAN, un ingeniero de software, Phillip Wang, creó This Person Does Not Exist, una web que genera caras (de personas que no existen). Pruébalo, cada vez que se refresca la web es una persona (que no existe) nueva. Realmente no nos podemos fiar de nadie...

Si te quedas con ganas, en este video se puede ver más sobre cómo funciona todo el proceso de StyleGAN.




Sobre el Autor


El visitante Digital

El Visitante Digital  

Nativo analógico (de la generación X o generación EGB), padre de adolescentes, reflexionando y dando consejos para entender las reglas de la sociedad digital actual.

elvisitantedigital.com / twitter: @visdigital


0 comentarios:

Publicar un comentario

Top Ad 728x90