Aprendizaje Automático
De Wikipedia, la enciclopedia libre
El Aprendizaje Automático es una rama de la Inteligencia Artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear programas capaces de generalizar comportamientos a partir de una información no estructurada suministrada en forma de ejemplos. Es, por lo tanto, un proceso de inducción del conocimiento. En muchas ocasiones el campo de actuación del Aprendizaje Automático se solapa con el de la Estadística, ya que las dos disciplinas se basan en el análisis de datos. Sin embargo, el Aprendizaje Automático se centra más en el estudio de la Complejidad Computacional de los problemas. Muchos problemas son de clase NP-hard, por lo que gran parte de la investigación realizada en Aprendizaje Automático está enfocada al diseño de soluciones factibles a esos problemas.
El Aprendizaje Automático tiene una amplia gama de aplicaciones, incluyendo motores de búsqueda, diagnósticos médicos, detección de fraude en el uso de tarjetas de crédito, análisis del mercado de valores, clasificación de secuencias de ADN, reconocimiento del habla y del lenguaje escrito, juegos y robótica.
Tabla de contenidos |
[editar] Interacción hombre-máquina
Algunos sistemas de Aprendizaje Automático intentan eliminar toda necesidad de intuición o conocimiento experto de los procesos de análisis de datos, mientras otros tratan de establecer un marco de colaboración entre el experto y la computadora. De todas formas, la intuición humana no puede ser reemplazada en su totalidad, ya que el diseñador del sistema ha de especificar la forma de representación de los datos y los métodos de manipulación y caracterización de los mismos. El Aprendizaje Automático puede ser visto como un intento de automatizar algunas partes del Método Científico.
El primer paso será conocer las características de un ser humano inteligente. Se podría considerar como la capacidad de respuesta de un ser inteligente ante determinadas circunstancias.
La capacidad depende de :
- La experiencia.
- Las reglas de comportamiento.
- La facilidad adquirir información externa.
- La rapidez para encadenar pensamientos.
- La lógica en deducir consecuencias.
- Ciertos elementos no definibles.
La facultad de adquirir y manipular conocimientos para obtener razonamiento útiles es otra forma de acercarse a un concepto de inteligencia natural.
Un ser humano inteligente se caracteriza por las siguientes facultades:
- 1 .- Aprende
- Recoge información del exterior, especialmente a través de los sentidos de la vista y el oído, y la guarda en la memoria.
- 2.- Razona y Deduce.
- Manipula los conocimientos e información que posee, aplicando una serie de reglas y experiencias (a veces formales y a veces intuitivas) para deducir y solucionar los problemas que se presentan.
- 3.- Realiza las soluciones elaboradas.
- Comunica sus deducciones al exterior, bien por medio de la palabra, o bien por los movimientos de sus órganos, motores como las manos y los pies.
- 4.- Genera sentimiento.
- La alegría, la tristeza e incluso el amor, son sentimientos que se desprenden de los razonamientos inteligentes.
Conocer, comprender y razonar son los términos que más se relacionan con la inteligencia, dentro de la cual existen varios grados o niveles.
La inteligencia no es un atributo exclusivo de los hombres, ya que existen otros seres vivos que también se pueden considerar inteligentes.
Una ser inteligente es el que recoge información del mundo exterior, almacena experiencias y razona para resolver nuevas situaciones.
El comportamiento inteligente se caracteriza por no producir siempre los mismo resultados. Según las circunstancias y factores objetivos y subjetivos, ante una misma situación, los seres inteligentes no toman la misma decisión. Es conocida la importancia que tiene en los juegos de envite, las diversas actitudes que se adoptan cuando se dispone de las misma cartas, según las diversas fases del juego o el comportamiento de los rivales.
La Inteligencia Artificial ha sido creado por el hombre para copiar, en cierta medida, la inteligencia natural. Para conseguirlo, se ha escogido como herramienta disponible más potente y sofisticado, al computador, máquina capaz de procesar gran cantidad de datos en muy poco tiempo, según las directrices definidas en un programa.
Hoy en día se ha considerado al computador como una máquina tonta, que significa que solo realiza aquello que se haya programado previamente. Este modo de operar elimina una de las cualidades principales de la inteligencia, que consiste en un comportamiento que no ha sido programado, sino que se ha producido como consecuencia de una manipulación inteligente de los conocimientos y experiencias.
El ser humano la experiencia y la facultas de razonamiento se alterna a lo largo del tiempo, es muy frecuente que reaccione de forma diferente ante los mismo hechos.
Una máquina puede considerarse como inteligente cuando cumple los siguientes requisitos:
-
- A) Si es capaz de percibir visualmente los objetos que la rodean y reconocer sus formas.
- B) Una máquina es inteligente si es capaz de “entender” el lenguaje natural , hablado o escrito, así como de producir respuestas en dicho lenguaje.
- C) Otra característica propia de una máquina inteligente consiste en elaborar actuaciones de acuerdo con las condiciones cambiantes del entorno y llevarlas a cabo mediante los correspondientes elementos físicos.
- D) Se dice que una máquina es inteligente cuando puede almacenar información y conocimientos a los que manipula mediante reglas y algoritmos para alcanzar soluciones a los problemas que plantea su funcionamiento.
La inteligencia comprende facultades como:
- Percibir y manipular elementos del mundo real.
- Adquirir, aplicar conocimientos y entender el lenguaje natural.
- Razonar y resolver problemas.
El estado actual de la Inteligencia Artificial está muy lejos de alcanzar la excelente armonía funcional de los seres vivos Inteligentes y, mucho menos, de fabricar robots que se odien a se amen. Pero ya hay máquinas con cierto grado de inteligencia, y frente a las numerosas objeciones que se plantean ante la posibilidad que ingenios artificiales puedan pensar, hay que preguntar ¿ Quien no ha sido vencido por un máquina electrónica de juegos, como las de ajedrez?.
Conviene señalar que no siempre se persigue que las máquinas sigan lo más fielmente posible el modo de actuar del ser humano; en ocasiones, se prefiere que operen en función de una mayor eficacia respecto a la aplicación hacia la que se orientan.
[editar] Modelos de un sistema de Inteligencia Artificial
Una técnica para estudiar la Inteligencia Artificial es considerarla como el conjunto de elementos físicos y lógicos necesarios para simular una mente humana e incluirla en una máquina.
Con este enfoque se discuten las diferentes parte que configurarían una mente artificial.
- 1.- Ojos.
- Consisten en un sistema de visión que permite conocer las características de los objetos del entorno.
- 2.- Oídos.
- Con los que se captan los mensajes hablados o escritos en lenguaje natural y sirven, posteriormente, para la compresión de los mismo. Existen sistemas, aun muy limitados en vocabulario y presentaciones, que pueden interpretar palabras o frases habladas o tecleadas por un terminal.
El reconocimiento de modelos (formas de visión y palabras e interpretación de lenguaje), es una de las materias más importantes de la Inteligencia Artificial. Se representa de forma efectiva y compacte el conocimiento para utlizarlo con facilidad. Una de las mayores aportaciones de las Inteligencia Artificial es la posibilidad de reconocer el lenguaje natural en el que se expresan los seres humanos para que cualquier persona puede acceder el control de las máquinas inteligentes.
- 3.- Memoria.
- Se trata de una gran base de datos en la que se almacena hechos e información. Además, hay otra base de datos con los objetivos a conseguir.
- 4.- Cerebro.
- Es el encargado de llevar a cabo las siguientes misiones:
-
- A) Análisis e interpretación de los procedimientos no almacenados en la memoria.
- B) Procedimientos de razonamiento, que emplean la información de la base de datos para obtener más información.
- C) Procedimientos de planificación, que construyen en plan para alcanzar el objetivo.
- 5.- Órganos Motores.
- Son los actuadores, como los brazo y las piernas, que ejecutan prácticamente el plan generados.
El modelo humano de la máquina inteligente, que representaría a la Inteligencia Artificial. Se presenta una forma de implementar artificialmente la mente humana y que puede considerarse como un sistema de Inteligencia Artificial.
[editar] Tipos de algoritmos
Los diferentes algoritmos de Aprendizaje Automático se agrupan en una taxonomía en función de la salida de los mismos. Algunos tipos de algoritmos son:
- Aprendizaje supervisado
- El algoritmo produce una función que establece una correspondencia entre las entradas y las salidas deseadas del sistema. Un ejemplo de este tipo de algoritmo es el problema de clasificación, donde el sistema de aprendizaje trata de etiquetar (clasificar) una serie de vectores utilizando una entre varias categorías (clases). La base de conocimiento del sistema está formada por ejemplos de etiquetados anteriores.
- Aprendizaje no supervisado
- Todo el proceso de modelado se lleva a cabo sobre un conjunto de ejemplos formado tan sólo por entradas al sistema. No se tiene información sobre las categorías de esos ejemplos.
- Aprendizaje por refuerzo
- El algoritmo aprende observando el mundo que le rodea. Su información de entrada es el feedback o retroalimentación que obtiene del mundo exterior como respuesta a sus acciones.
- Transducción
- Similar al aprendizaje supervisado, pero no construye de forma explícita una función. Trata de predecir las categorías de los futuros ejemplos basándose en los ejemplos de entrada, sus respectivas categorías y los ejemplos nuevos al sistema.
- Aprendizaje multi-tarea
- Métodos de aprendizaje que usan conocimiento previamente aprendido por el sistema de cara a enfrentarse a problemas parecidos a los ya vistos.
El análisis computacional y de rendimiento de los algoritmos de aprendizaje automático es una rama de la estadística conocida como teoría computacional del aprendizaje.
El aprendizaje automático nosotros lo llevamos acaba de manera automática ya que es un proceso tan sencillo para nosotros que ni cuenta nos damos de cómo se realiza y todo lo que esto implica. Desde que nacemos hasta que morimos los seres humanos tenemos diferentes procesos entre ellos encontramos el de aprendizaje por medio del cual adquirimos conocimientos, desarrollamos habilidades para analizar y evaluar a través de métodos y técnicas así como también por medio de la experiencia propia, pero a las máquinas hay que indicarles cómo aprender, ya que si no se logra que una máquina sea capaz de desarrollar sus habilidades entonces el proceso de aprendizaje no se estará llevando a cabo, sino que solo será una secuencia repetitiva. También debemos tener en cuenta que el tener conocimiento o el hecho de realizar bien el proceso de aprendizaje automático no implica que se sepa utilizar, es preciso saber aplicarlo en las actividades cotidianas y un buen aprendizaje también implica saber cómo y cuándo utilizar nuestros conocimientos.
Para llevar acabo un buen aprendizaje es necesario tener considerar todos los factores que a este le rodean como, la sociedad, la economía, la ciudad, el ambiente, el lugar, etc. Por lo cual es necesario empezar a tomar diversas medidas para lograr un aprendizaje adecuado, y obtener una automatización adecuada del aprendizaje, por lo cual lo primero que se debe tener en cuenta es el concepto de conocimiento, el cual es el entendimiento de un determinado tema o materia en el cual tu puedas dar tu opinión o punto de vista así como también responder a ciertas interrogantes que puedan surgir de dicho tema o materia.
En el aprendizaje automático podemos obtener 3 tipos de conocimiento los cuáles son:
- 1.Crecimiento
- Es el que se adquiere de lo que nos rodea, el cual guarda la información en la memoria como si dejara huellas.
- 2.Reestructuración
- Al interpretar los conocimientos el individuo razona y genera nuevo conocimiento al cual se le llama de reestructuración.
- 3.Ajuste
- Es el que se obtiene al generalizar varios conceptos o generando los propios.
Los tres tipos se efectúan durante un proceso de aprendizaje automático pero la importancia de cada tipo de conocimiento depende de las características de lo que se está tratando de aprender.
El aprendizaje es más que una necesidad, es un factor primordial para satisfacer las necesidades de la inteligencia artificial.
[editar] Conclusión
El aprendizaje automático en inteligencia artificial realiza estudios para saber como realizar programas que puedan aprender por si solos conforme vallan adquiriendo experiencia como el ser humano.
Se pretende que las máquinas realicen actividades comunes para el hombre de manera rápida, eficaz, y que éstas se incrementen que no solo sea un proceso si no varios.
Auque esto no se ha logrado de manera total puesto que hay que librar barios obstáculos como lo son que las tareas se vallan mejorando conforme las realice, que no necesiten de supervisión, que utilice su experiencia para mejorar.
[editar] Tópicos del aprendizaje automático
A continuación se muestran una serie de temas que podrían formar parte del temario de un curso sobre aprendizaje automático.
- Modelado de funciones de densidad de probabilidad condicionadas: clasificación y regresión
- Redes neuronales artificiales
- Árboles de decisión
- Regresión en procesos Gaussianos
- Análisis de discriminantes lineales
- k-vecinos más próximos
- Perceptron
- Funciones de base radial
- Máquinas de soporte vectorial
- Modelado de funciones de densidad de probabilidad mediante modelos generativos
- Algoritmo EM
- Modelos gráficos, como las redes bayesianas y los campos aleatorios de Markov
- Mapeado topográfico generativo
- Técnicas de inferencia aproximada
- Cadenas de Markov y Método de Monte Carlo
- Métodos variacionales
- Optimización: La mayoría de los métodos descritos arriba usan algoritmos de optimización o son por sí mismos instancias de problemas de optimización.
[editar] Véase también
- Inteligencia artificial
- Inteligencia computacional
- Minería de datos
- Reconocimiento de patrones
- Robots autónomos
- Programación lógica inductiva
[editar] Bibliografía
- Mitchell, T. (1997). Machine Learning, McGraw Hill. ISBN 0070428077
