Rendí la certificación AWS Certified AI Practitioner 🌟
Y pensé en comenzar una serie de posteos sobre las bases fundamentales que toda persona entusiasta de la IA —que quiere dedicarse en serio a esto— debería conocer.
Este es el primero de ellos.
💭 ¿Qué mejor forma de empezar que explicando qué es realmente la Inteligencia Artificial y las “cosillas” que le rondan?
Todos escuchamos hablar de Inteligencia Artificial, pero... ¿podemos explicarla con claridad?
La IA es un sistema capaz de realizar tareas que normalmente requieren inteligencia humana.
En otras palabras, es algo creado por personas —como vos y yo— para emular algunas capacidades del cerebro: aprender, razonar o reconocer patrones.
Pero el término IA es bastante amplio.
Dentro de él existen varias subramas, y las más conocidas son Machine Learning y Deep Learning.
🤖 Machine Learning
Conocido en castellano como Aprendizaje de Máquina o Aprendizaje Automático, es una rama de la inteligencia artificial que permite que las computadoras aprendan a hacer algo sin que las programemos directamente para hacerlo. Como cuando estudias para rendir matemática, en el examen te puede salir un problema nuevo pero se parece a uno que viste antes por lo que podés resolverlo sin mayor problema.
En lugar de decirle paso a paso qué hacer, le damos datos y ejemplos, y la máquina aprende por sí sola a reconocer patrones o tomar decisiones.
También conocido como Aprendizaje Automático, es una rama de la IA que permite que las computadoras aprendan sin que las programemos directamente.
Como cuando estudiás matemática: en el examen te puede tocar un ejercicio nuevo, pero si se parece a uno que ya viste, sabés resolverlo.
Eso mismo hace el ML: aprende de ejemplos y luego generaliza.
A mí me gusta explicarlo así:
Machine Learning trata de encontrar una ecuación matemática que relacione los datos que tenemos (entradas) con lo que queremos predecir (salidas).
Por ejemplo, si queremos que un modelo distinga entre gatos y perros, podríamos tener:
- A = longitud del hocico
- B = forma de las orejas
- C = tamaño de los ojos
Y queremos determinar Y = gato o perro.
El modelo se entrena con ejemplos y termina encontrando una relación del tipo:
** V_1*A+V_2*B+V_3*C = Y **
Sin entrar en detalles del algoritmo, al final, dependiendo del valor de Y, el modelo decide si es gato o perro 🐱🐶
🧠 Deep Learning
Deep Learning es una subrama del Machine Learning inspirada en el cerebro humano.
Utiliza estructuras llamadas redes neuronales artificiales para aprender a partir de grandes volúmenes de datos.
Cada neurona artificial se activa si una señal supera cierto umbral (threshold), similar a cómo lo hacen nuestras neuronas biológicas.
Cada una recibe datos, los procesa y envía el resultado a otras neuronas.
Una red neuronal está formada por muchas de estas neuronas interconectadas, organizadas en capas:
- Capa de entrada: recibe los datos (por ejemplo, los píxeles de una imagen).
- Capas ocultas: procesan la información y extraen patrones (por eso se llama “profunda”, porque tiene muchas capas).
- Capa de salida: entrega la respuesta final (por ejemplo, “esto es un gato”).
Y así es como estas bases —IA, ML y DL— se conectan entre sí.
Son los cimientos sobre los cuales se construyen las aplicaciones más sorprendentes que vemos hoy: desde chatbots hasta autos autónomos 🚗🤖
✨ Este es el primero de varios posteos sobre los fundamentos de la Inteligencia Artificial.
Top comments (0)