IA, Aprendizaje automático y ciencia de datos.

La Inteligencia Artificial se compone de un conjunto de herramientas que permite a los ordenadores hacer cálculos inteligentes. La conforman sistemas que pueden razonar, aprender y actuar de forma autónoma. 

Las herramientas de aprendizaje automático (machine learning) son la parte más extensa, de la inteligencia artificial. Dentro del aprendizaje automático, el apartado más importante son las redes neuronales (neural networks) o el aprendizaje profundo (deep learning).

• Un sistema de aprendizaje automático (Machine Learning). Es un programa que permite a los ordenadores aprender sin ser programados explícitamente. Los ordenadores pueden aprender a realizar tareas observando datos y patrones. Los algoritmos aprenden por sí mismos.

• El aprendizaje profundo (Deep Learning). Se llama también "red neuronal".  El aprendizaje profundo es un tipo de aprendizaje automático que utiliza redes neuronales artificiales para aprender de los datos. Estas redes están formadas por una serie de nodos interconectados. Cada nodo calcula una función de su entrada y la envía a sus nodos vecinos. Intenta recrear la forma en que aprende  el cerebro humano.

• La llamamos "red neuronal artificial" para distinguirla de la red neuronal de tu cerebro, porque no hablamos del cerebro biológico, sino de software. Hace muchas décadas a este tipo de software se lo llamaba red neuronal, pero en los últimos años se ha visto que "aprendizaje profundo" suena mucho mejor y que para bien o para mal es el término en auge últimamente. 

• La ciencia de datos (data science) es un subconjunto transversal de todas estas herramientas. Utiliza muchas de ellas desde el aprendizaje automático al aprendizaje profundo, pero también utiliza otras herramientas independientes para plantear y resolver, problemas. Los científicos de datos utilizan sus conocimientos de matemáticas, estadística, programación y análisis para identificar patrones y tendencias en los datos. Con estos conocimientos crean modelos que pueden predecir resultados futuros o identificar causas raíz de problemas actuales. El resultado de un proyecto de ciencia de datos es un conjunto de ideas que ayudan a los sujetos a tomar decisiones, o un resumen con unas conclusiones.

• Instrucciones (Prompt). Conjunto de palabras utilizadas para obtener una respuesta de un programa (IA). La ingeniería de instrucciones en el contexto de la IA es el arte de escribir instrucciones para obtener las respuestas más útiles de los chatbots.

• Modelo de Lenguaje Grande (Large Language Model) es un algoritmo de aprendizaje profundo entrenado con una gran cantidad de datos para generar, traducir y procesar texto. Permiten que las herramientas de IA comprendan las instrucciones, y generar respuestas. Los LLM son, de forma predeterminada, distintos entre sí, los desarrolladores a menudo tienen que elegir con qué modelo crear aplicaciones. 

• Aprendizaje Supervisado (Reinforcement Learning from Human Feedback) RLHF. Es el proceso de entrenar a la IA con la retroalimentación de las personas. Cuando la IA proporciona resultados incorrectos, un humano le muestra cuál debería ser la respuesta correcta. Esto permite que la IA proporcione resultados precisos y útiles mucho más rápido.

• ¿Qué significa realmente "Inteligencia Artificial"? Subespacios, pareidolias y creatividad.

• "IA para todos" ("AI for everyone"). 

Para ampliar y desarrollar estos conceptos se puede consultar los siguientes contenidos:

Grandioso vídeo del grande Jaime Altozano. Unas metáforas acertadas. Una edición trabajadísima. Un ritmo endiablado.

Explicaciones sencillas y pausadas del Dr. Andrew Ng. No es un curso técnico. Es facil de seguir y te familiariza con la IA. Conoces lo que hay detrás de las palabras de moday cómo está afectando la IA a la sociedad. Es gratis, para aquellos que  están empezando a aprender de tecnología.