Está en la página 1de 1

INTELIGENCIA ARTIFICIAL

Podemos definir informalmente la inteligencia artificial (IA) como aquella rama de la


informática -ciencias de la computación- que estudia cómo hacer que las máquinas puedan
presentar comportamientos que los humanos asociaríamos con la inteligencia humana como
el aprendizaje o la solución de problemas. Esta definición provoca que conforme nos
acostumbramos a que las máquinas sean capaces de desarrollar ciertas actividades, éstas en
muchos casos dejen de ser consideradas como “inteligencia artificial”.

Los objetivos tradicionales de la inteligencia artificial incluyen razonamiento, conocimiento,


planificación, aprendizaje, procesamiento de lenguaje natural, percepción y la capacidad de
mover y manipular objetos. Las aproximaciones a estos objetivos pueden ser variadas, desde
manipulación simbólica a métodos estadísticos.

Es importante distinguir entre la inteligencia artificial débil de la inteligencia artificial general


en cuanto a que se denomina normalmente inteligencia artificial débil a aquellos sistemas que
muestran un comportamiento inteligente en una tarea concreta pero que dicho conocimiento
no es posible aplicarlo a ningún otro problema. La gran mayoría de los sistemas existentes
actualmente pertenecen a esta categoría. La inteligencia artificial general es un objetivo de
investigación a muy largo plazo, aunque se está empezando a ver algún avance en la aplicación
de un mismo sistema en la resolución de distintos problemas.

Ciencia de los datos

En los últimos años, con la llegada de la fiebre (y hasta cierto punto la burbuja) de los datos,
han comenzado a aparecer en los medios generalistas muchos términos que, con matices y
especificidades para cada uno de los términos, se refieren básicamente al conjunto de
conocimientos, procesos y técnicas que permite extraer valor de los datos.

Los diferentes términos a menudo proceden de distintas disciplinas (estadística e informática


fundamentalmente) lo que hace que cada uno refleje las preferencias de su especialidad, pero
en general comparten esa intención de tener la capacidad de extraer valor de la información.
Como forma de englobar a todos estos términos se está popularizando el término “ciencia de
los datos” (data science).

Quizá, últimamente, los términos que aparecen más comúnmente son el análisis (o analítica)
de datos, el aprendizaje automático y el aprendizaje profundo por lo que los vamos a definir
muy brevemente:

Análisis de datos: la Wikipedia define el análisis de datos como el proceso de inspeccionar,


limpiar, transformar y modelar los datos con el objetivo de descubrir información útil, sugerir
conclusiones y apoyar la toma de decisiones.

Aprendizaje automático: el aprendizaje automático, machine learning en inglés, es una rama


de la inteligencia artificial que estudia la construcción de algoritmos que puedan aprender y
realizar predicciones a partir de datos. Cuando se aplica al análisis de datos para la
construcción de modelos predictivos a menudo se denomina analítica predictiva.

Aprendizaje profundo: el aprendizaje profundo o deep learning es una forma concreta de


aprendizaje automático, normalmente utilizando redes neuronales profundas (lo veremos más
adelante).