Saltar la navegación

4.3 ¿Cómo funciona la Inteligencia Artificial?

Diccionario


Generalización

Imagen de generalización de perros

Definición:

Capacidad del modelo de predecir el resultado a partir de unos datos aunque estos no coincidan exactamente con lo datos iniciales.

Ejemplo:

El modelo hace una generalización del rostro del perro que le permite identificar el rostro de otros perros.

Machine Learning

Acceder a la definición del término Learning Machine

Definición:

También conocido como aprendizaje automático. Es la rama de la Inteligencia Artificial que permite que las máquinas puedan aprender por sí solas.

Ejemplo:

Lo podemos encontrar machine learning en: detección de rostro, vehículos autónomos y en diagnóstico médico.

Software

Acceder a la definición del término software

Definición:

Conjunto de programas que funcionan en un ordenador y permiten realizar una tarea.

Ejemplo:

Algunos ejemplos de software que conoces son: un programa para escribir documentos, tu juego favorito y un programa para oír música.

Retor dice

Ha llegado el momento de explicarte cómo funciona la Inteligencia Artificial.

Pero no te preocupes, te mostraré la información de una forma sencilla.

¡Vamos a empezar!

1. Datos, algoritmos y aprendizaje

Seguro que conoces estos términos, pero ¿de qué manera están relacionados con la inteligencia artificial?

Para comprender todo esto, te propongo la siguiente situación:

Imagínate que necesitamos enseñarle a una persona lo que es un perro si nunca lo ha visto.

Datos

Hacen referencia a la información que le ofrecemos a la persona para que pueda aprender lo que es un perro.

Esta información podría ser:

  • Imágenes.

Estos datos ofrecen información sobre el aspecto de este animal.

Imagen de tipos de perros

  • Características morfológicas.

Estos datos ofrecen información sobre las características físicas del animal. Por ejemplo: cuatro de patas, tiene rabo, pelo.

  • Comportamiento:

Estos datos ofrecen información del tipo: ladra, animal de compañía, gran olfato y muchas más cosas.

Toda esta información serían datos, seguro que tú podrías añadir muchos más.

Es lógico pensar que el aprendizaje mejorará en función del número de datos que aportamos. Por lo tanto, podemos decir que "alimentan" a la Inteligencia Artificial, haciéndola cada vez más eficiente.

Algoritmo

El algoritmo está formado por el software encargado de relacionar todos los datos introducidos en la máquina y crear un modelo que de respuestas correctas.

Dicho de otra forma, los algoritmos son un conjunto de instrucciones de programa que van a permitir realizar una tarea determinada. En nuestro ejemplo, conseguirán que la "máquina" en función de los datos introducidos sea capaz de identificar la imagen de un perro.

Imagen de un perro boxer

Siguiendo con nuestro ejemplo, ¿qué pasará si la persona que acaba de aprender lo que es un perro viera la imagen de la izquierda?

La persona empezará a buscar similitudes con los datos que ya conoce: imágenes, características físicas, comportamiento, etc.

Seguramente llegará a la conclusión de que la imagen pertenece a un perro.

En el caso de máquina resulta que esta imagen no coincide con ninguna de las imágenes introducidas como datos.

¿Qué ocurrirá en este caso? ¿Será capaz la máquina de identificar la imagen?

La respuesta la encontramos un concepto muy importante en la Inteligencia Artificial que es la generalización.

Gracias a la generalización, nuestro modelo será capaz de encontrar relaciones de coincidencia entre la nueva imagen y las que ya posee como datos. Seguramente la máquina nos dirá que se trata de un perro.

Aprendizaje automático

El aprendizaje automátco o Machine Learning es una rama de la Inteligencia Artificial que utilizando datos y algoritmos es capaz de imitar la inteligencia humana.

Continuando con nuestro ejemplo, vamos a analizar la siguiente imagen:

Imagen de un perro puli¿Qué pasará si la persona que acaba de aprender lo que es un perro le mostramos la imagen de la izquierda?

Es posible que le cueste trabajo buscar una relación con los datos que acaba de aprender y no sepa decirnos de qué se trata. Cuando le digamos que es un perro, concretamente de la raza puli, esta persona sabrá en un futuro identificar la imagen.

¿Qué pasará en el caso de una máquina?

En el caso de una máquina ocurrirá algo parecido.

El modelo no sabrá clasificar la imagen como perro. En este caso deberemos introducir esta imagen como un nuevo dato para que lo clasifique como perro. El algoritmo deberá crear un nuevo modelo incorporando la información aportada por nosotros. La próxima vez que la máquina vea esta imagen, el modelo nos dirá que se trata de un perro.

Este proceso se conoce como: ”Machine Learning”.

Definición:

Capacidad del modelo de predecir el resultado a partir de unos datos aunque estos no coincidan exactamente con lo datos iniciales.

Ejemplo:

El modelo hace una generalización del rostro del perro que le permite identificar el rostro de otros perros.

Lectura facilitada

Datos

Vais a entender mejor la inteligencia artificial. 

Ejemplo.

  1. Imagínate que una persona nunca ha visto un perro. 
  2. Vosotros tendréis que enseñarle lo que es un perro.

Datos.

Los datos son información sobre una persona o una cosa.

Los datos sirven para saber cómo es una persona o cosa.

También los datos ayudan a aprender cómo son las cosas o personas.

Por ejemplo, para saber cómo es un perro dais daros a las personas. 

Esta información puede estar en formas diferentes.

Imagen de muchos perros

  • Imágenes.

Informan sobre cómo es ese animal por fuera.

Por ejemplo, el tamaño o color. 

  • Características morfológicas.

Informan sobre las características físicas del animal.

Por ejemplo, tiene dos ojos, dos orejas y un rabo. 

  • Comportamiento.

Informan sobre lo que hace el animal. 

Por ejemplo, ladra y tiene buen olfato.


Todo lo que habéis visto son datos sobre el perro. 

El aprendizaje es mejor cuantos más datos tenéis. 

La inteligencia artificial usa esos datos para mejorar su trabajo. 

Algoritmo

Un programa informático el algoritmo.

Dais al programa un conjunto de instrucciones.

Estas instrucciones sirven para que el programa haga tareas.

Ese programa relaciona los datos y crea un modelo.

Imagen de un perro boxerPor ejemplo, la máquina podría saber qué perro es.

Una persona puede saber que esta imagen es un  perro.

En la máquina la imagen no coincide con ninguna de perros.

Pero la máquina puede reconocer la imagen.

Para reconocer la imagen usa la generalización.

La generalización de la inteligencia artificial usa datos. 

La máquina reconoce datos nuevos con datos antiguos. 

La máquina busca coincidencias entre datos. 

Después la máquina reconoce el perro.

Aprendizaje automático

El Aprendizaje automático se llama Machine learning.

El Machine learning imita la inteligencia humana.

Por ejemplo.

Perro de la raza puli

Esta imagen no parece un perro.

Una persona puede desconocer qué es.

Cuando le decís que es un perro ya lo aprende.

 Una máquina puede no saber qué es.

El programa aprende a reconocer imágenes con estos pasos: 

  1. Introducir un dato.
  2. En ese dato ponéis que la imagen es un perro.
  3. El algoritmo crea un nuevo modelo.
  4. Cuando la máquina ve la imagen sabe que es un perro.

 Este proceso se conoce como: Machine learning.

Clavis dice ¿Te resulta difícil?

No te preocupes, yo puedo ayudarte.

Es importante tener claro qué se te pide en esta tarea. Debes conocer qué son los algoritmos y los datos.

Recuerda que en la lectura Datos, Algoritmos y Aprendizaje puedes encontrar la información sobre estos términos. Repasa la lectura, fijándote en los conceptos que se trabajan. Si tienes dudas consulta con un compañero o compañera o con tu profe.

Kardia dice ¿Te gustaría aprender algo más?

Te propongo que busques información sobre:

2. Ordenando conceptos

Antes de continuar te propongo un ejercicio muy sencillo.

Arrastra cada concepto al diagrama de bloques de la figura para que todo tenga sentido.





3. Repasamos el Machine Learning

Vamos a repasar los conceptos del Machine Learning.

Para ello dispones de varias opciones.

Opción A: Busca información

Esta es una actividad individual.

Busca en la lectura el significado de los siguientes términos:

  • Datos
  • Modelo
  • Generalización

Intenta explicarlo con tus palabras.

Retroalimentación

Dentro de la lectura Datos, Algoritmos y Aprendizaje" puedes encontrar el significado de estos términos.

Opción B: Diagrama de bloques

Realiza un diagrama de bloques del proceso machine learning, indicando la función que desempeña cada uno.

¿Necesitáis ayuda?

Te propongo usar una estrategia que te ayudará a aprender bien lo que estamos trabajando y podrás emplear cuando quieras aprender algo nuevo:

  1. Repasar los ejercicios anteriores, seguro que ahí encontrarás la solución.
  2. Conecta la información nueva con lo que ya sabías y con experiencias de tu vida que se parezcan.
  3. Preguntar a tus compañeros o compañeras, quizás puedan ayudarte.
  4. Si todo te falla, siempre puedes preguntar a tu profe.

4. Comienzo del trabajo

Para llegar a una meta, es conveniente que tengas una buena estrategia. Es decir, que tengas métodos, técnicas, “trucos” para llegar antes o de forma más fácil donde tú quieres.
Ahora te voy a enseñar una estrategia, ¡Aprovéchala para alcanzar tu reto!

La estrategia se llama comienzo del trabajo y te ayudará a saber qué es lo que tienes que aprender y a qué meta tienes que llegar. Esto te va a permitir centrarte en el objetivo y hacer que todo salga mejor.

En el siguiente enlace a la guía de la competencia de aprender a aprender encontrarás toda la información sobre esta estrategia y los pasos que debes seguir para poder realizarla.
Tómate el tiempo que necesites y recuerda que siempre puedes preguntarle al docente o a algún compañero o compañera cuando no entiendas algo.

¡Ánimo, que lo harás genial!

5. Repasamos todo lo aprendido

Antes de continuar es importante repasar todo lo que hemos trabajado hasta el momento.

Se pide que realicéis un pequeño informe sobre la Inteligencia Artificial.

El informe deberá contener la siguiente información:

  • ¿Qué es la Inteligenica Artificial?
  • Posibles aplicaciones de la Inteligencia Artificial.
  • ¿Quién es Alan Turing?
  • ¿Para qué se utiliza el Test de Turing?
  • ¿Cómo funciona la Inteligencia Artificial?
    • Importancia de los datos.
    • Función que desempeñan los algoritmos.
    • ¿Qué es el Machine Learning.

Recuerda que es un trabajo en equipo donde todo el grupo debemos colaborar