Inteligencia artificial y machine learning  (aprendizaje automático) son dos conceptos que aparecen cada vez se escuchan más y a veces pueden confundirse. Con este post queremos aclarar la diferencia entre ambos a la vez que los definiremos. 

La inteligencia artificial (IA) es un concepto muy amplio que se refiere a cualquier herramienta, algoritmo o tecnología que permita a una máquina tener funcionalidades típicas del cerebro humano. Podríamos decir que los objetivos de la inteligencia artificial incluirían razonamiento, planificación, aprendizaje, procesamiento del lenguaje, percepción de objetos y la capacidad de moverlos. Estos serían objetivos a corto plazo, y ya hay muchos avances en varios de estos campos. 

Dentro de la inteligencia artificial tendríamos objetivos más ambiciosos como dotar a las máquinas de la capacidad de resolver cualquier tipo de problema, que sería un objetivo a más largo plazo y que estaría dentro de lo que se llama inteligencia artificial fuerte. Mientras que cuando nos centramos en una sola de las capacidades humanas (como visión o lenguaje), lo llamamos inteligencia artificial débil.

El aprendizaje automático o machine learning (ML) es una de las herramientas para conseguir esa inteligencia artificial. Como su nombre nos hace intuir los algoritmos de machine learning se basan en el aprendizaje sobre un conjunto de ejemplos. Para una máquina los ejemplos se dan con muchos datos. Fácilmente, pueden aprender a clasificar objetos, reconocer imágenes o a hacer predicciones. Los modelos de las herramientas de ML suelen llamarse modelos predictivos. Hay muchos algoritmos de ML propuestos que funcionan muy bien siendo uno de los más utilizados las redes neuronales.  Aquí podéis ver un listado de los algoritmos más típicos de ML.

Inteligencia artificial sin machine learning

Para ver mejor la diferencia entre IA y ML os proponemos unos ejemplos de inteligencia artificial sin usar aprendizaje automático.

1.  Una máquina con sensores que detecta movimiento y tenga ciertas instrucciones básicas para interpretarlo y reaccionar podría decirse que es inteligencia artificial sin haber usado ninguna técnica de ML. 

2. Un ordenador donde podemos volcar el conocimiento de muchos expertos de distintas áreas de un cierto campo. Esto le podría permitiría responder a todo tipo de preguntas de ese campo, mejor que uno solo de los expertos. Esto entraría dentro de los objetivos de la inteligencia artificial, en el sentido que emula el razonamiento humano, pero la máquina en sí no ha hecho un proceso de aprendizaje, por lo que no ha usado ML. Este tipo de sistemas informáticos se les llama sistemas expertos, y aunque pueden ser útiles en algunos campos específicos la inteligencia artificial aspira a mucho más.

La revolución del deep learning

Ahora se suele relacionar inteligencia artificial con ML porque desde que somos capaces de recopilar y almacenar grandes cantidades de datos, las técnicas de ML han podido llegar a explotar todo su potencial. Esto es debido a que con esas grandes bases de datos podemos entrenar y hacer aprender muy bien a las máquinas con estos algoritmos, ya que les damos muchos ejemplos. Una de las herramientas que ha dado mejores resultados es lo que se conoce como deep learning, que son algoritmos basados en redes neuronales adaptadas a resolver problemas complicados con grandes cantidades de inputs (por ejemplo en imágenes que contienen un elevado número de píxeles).  

En la Figura 1 se puede ver cómo sería la organización jerárquica de estos tres subgrupos de los que hemos hablado: inteligencia artificial, machine learning y deep learning.