¿Son el aprendizaje automático y la inteligencia artificial una misma cosa?

Como ocurre en la mayor parte de la terminología del ámbito de la inteligencia artificial, no existe una definición única del aprendizaje automático.

Para explicarlo de un modo sencillo, lo que hace el aprendizaje automático es utilizar datos para responder preguntas. De un modo más formal, decimos que se refiere al uso de algoritmos que aprenden patrones a partir de los datos y pueden realizar tareas sin que se hayan programado explícitamente para este fin.  

Además, una característica que define los sistemas de aprendizaje automático es que mejoran su desempeño con la experiencia y los datos. Dicho de otro modo: aprenden.

El aprendizaje automático (o "Machine Learning") forma parte de un conjunto de tecnologías que se agrupan bajo el paraguas del término «inteligencia artificial» (AI).

Los conceptos de la inteligencia artificial y el aprendizaje automático a menudo parecen intercambiables, pero, de hecho, es más correcto considerar que el aprendizaje automático es un subcampo de la inteligencia artificial, la cual, a su vez, es un subcampo de las ciencias informáticas.

La inteligencia artificial puede entenderse de varias maneras, pero podemos inscribirla en el concepto más amplio de máquinas que se utilizan para el desempeño de tareas que normalmente requieren inteligencia humana.

En este contexto, el aprendizaje automático se refiere a aplicaciones específicas que utilizan datos para crear un modelo que realiza una tarea determinada de modo independiente y que aprenden de la experiencia. 

En los últimos años, inteligencia artificial y aprendizaje automático se han convertido en palabras de moda. Pero los conceptos a los que se refieren no son nuevos. Ya hace algún tiempo que los científicos trabajan en inteligencia artificial y aprendizaje automático. 

La cuestión de la inteligencia artificial se abordó por primera vez en la década de 1950. Acuñó el término el científico informático estadounidense John McCarthy en un taller celebrado en el Darmouth College de New Hampshire en 1956.

Desde entonces, la inteligencia artificial ha pasado por muchas transformaciones, con días más esplendorosos y días más oscuros. El aprendizaje automático entró en escena en la década de 1980, pero no fue hasta la década del 2010 que los avances en el campo generaron una aceleración exponencial. ¿A qué obedece este cambio de velocidad?

Durante la última década, dos factores clave han contribuido a avances significativos en el campo de la inteligencia artificial:

En primer lugar, las enormes cantidades de datos que se crean cada minuto. Las máquinas necesitan datos para «aprender» y la disponibilidad creciente implica que puedan utilizarse conjuntos de datos de mayores dimensiones para mejorar la formación de los modelos existentes; y también que dichos modelos puedan probarse y aplicarse a campos nuevos.

El segundo factor guarda relación con los progresos recientes en las velocidades de procesamiento, que permiten a los ordenadores extraer sentido de esta información de un modo mucho más rápido. Así, las compañías tecnológicas y otros agentes del sector han podido justificar inversiones cada vez mayores en investigación y desarrollo.

A la velocidad actual, la inteligencia artificial será pronto menos artificial y mucho más inteligente.

Hay una confusión importante con respecto a lo que se quiere lograr a través de la investigación en inteligencia artificial. En ningún caso nos aproximamos a un momento en que haya máquinas que piensen por sí mismas, como el ordenador HAL 9000 de 2001 Odisea en el Espacio, y tampoco debemos temer que un robot pueda usurparnos el puesto de trabajo en un futuro previsible.

Ello solo puede suceder si alguna vez llegamos a la Inteligencia Artificial General (AGI): hipotéticas máquinas capaces de resolver cualquier tarea intelectual como lo haría un humano y sin supervisión. Pero, ahora mismo, esta posibilidad pertenece al mundo de la ciencia ficción.

Con la excepción de unas pocas empresas y laboratorios de investigación – DeepMind y OpenAI por ejemplo – , la investigación actual en inteligencia artificial se centra en una inteligencia de alcance más restringido, con grandes avances en enseñar a las máquinas a gestionar tareas específicas de modo independiente.

La popularidad del aprendizaje automático en ocasiones dificulta separar lo real de lo que no va más allá del ruido. La falta de consenso oficial en una definición, la influencia de la ciencia ficción y un nivel general bajo de alfabetización en aspectos relacionados con la inteligencia artificial son, todos ellos, factores que contribuyen.

Esperamos que esta lección haya aportado una mejor comprensión de qué es el aprendizaje automático y de qué relación guarda con la inteligencia artificial. Pero incluso en el ámbito del aprendizaje automático hay tipos de modelos y enfoques diferentes que conviene identificar.

Este es el tema que abordaremos en la lección siguiente.