¿Inteligencia artificial? ¿Machine learning? ¿Deep learning?

Con inteligencia artificial, entendemos el intento de imitar o simular un comportamiento inteligente. El machine learning y el deep learning son dos áreas secundarias de la inteligencia artificial.

Los programas que utilizan machine learning, o aprendizaje automático, pueden emplear algoritmos para predecir las acciones de las personas y, de esta forma, detectar, por ejemplo, fraudes con tarjetas de crédito. El deep learning va un paso más allá y utiliza capas jerárquicas para llevar a cabo el proceso de aprendizaje automático. Es decir, se crean redes neuronales artificiales que se asemejan a las del cerebro humano. Se puede aprender conceptos difíciles ensamblándolos en capas ocultas más simples. Estas capas procesan los datos y los pasan a la siguiente capa, que a su vez procesa la información y la pasa a la siguiente capa, y así sucesivamente. Este modelo de capas puede continuar infinitamente y profundizar mucho. De ahí el nombre de «deep learning» o aprendizaje profundo.
La tecnología de deep learning se utiliza, por ejemplo, en los vehículos autónomos a la hora de distinguir las señales de tráfico, los automóviles y las personas entre sí. Aunque también hay aprendizaje profundo en los ordenadores y los smartphones con el control por voz inteligente. Las aplicaciones son prácticamente infinitas y mucho más precisas en comparación con el aprendizaje automático. El único inconveniente: el deep learning requiere de un alto rendimiento.

¿Cuáles son los niveles de inteligencia artificial?

A día de hoy, se pueden distinguir entre tres y cinco niveles de inteligencia artificial. La IA no influye en el primer nivel, es decir, las personas siguen controlando todo. A partir de ahí, los niveles se clasifican según el grado de autonomía y el grado de influencia que la IA puede tener, desde las tareas de un asistente hasta una máquina que piensa y actúa por sí misma. Actualmente, la IA se sigue utilizando en los niveles más bajos de muchos ámbitos. Muchas «máquinas» aún no son capaces de actuar de forma independiente, pero eso podría cambiar rápidamente en los próximos años. Los vehículos autónomos son solo el principio.

Desafío: rendimiento.

La inteligencia artificial requiere una capacidad de cálculo mucho mayor que el resto de aplicaciones que se conocen actualmente. En particular, los algoritmos del deep learning necesitan mucho rendimiento para poder analizar y evaluar la información parte por parte. Esto no es posible sin la aceleración de los procesadores gráficos (en inglés, Graphics Processing Unit, GPU). Actualmente, las NVIDIA® Tesla® se encuentran entre las GPU más potentes del mercado. Esto permite a las empresas acelerar sus cargas de trabajo de computación de alto rendimiento (HPC, por sus siglas en inglés) y de hiperescala más exigentes en el centro de datos. Esto permite a las empresas acelerar sus cargas de trabajo de computación de alto rendimiento (HPC, por sus siglas en inglés) y de hiperescala más exigentes en el centro de datos. La ventaja: es más fácil y rápido manejar los petabytes de datos que con las CPU estándar. Ya sea para el deep learning, para la investigación energética, para los escritorios virtuales o para los vehículos autónomos, las GPU de Tesla ofrecen un rendimiento inmenso para abordar cálculos y simulaciones exhaustivos en un instante.

¿Desea que nuestros expertos le asesoren personalmente?


Contáctenos a través de este formulario.

* Campos obligatorios

Acceda al enlace de nuestra declaración de privacidad. Aquí le proporcionamos información detallada acerca de nuestro procesamiento de datos y sus derechos de protección de datos.