APRENDIZAJE AUTOMÁTICO VS APRENDIZAJE HUMANO

La inteligencia artificial (IA) está transformando la forma en que interactuamos con las máquinas y la forma en que las máquinas interactúan con nosotros.

Es importante entender cómo funciona la IA, las fortalezas y limitaciones de varios tipos de aprendizaje automático y la evolución de este campo de estudio en constante cambio. También explorar el papel del análisis de seguridad habilitado por IA o el análisis de comportamiento de usuarios y entidades (UEBA) para proteger mejor a las empresas de las complejas amenazas de ciberseguridad de la actualidad

La inteligencia artificial (IA) está en todas partes, al menos, eso es lo que parece. En Micro Focus, el auge de la IA es a la vez emocionante y desafiante. Pero a medida que nos relacionamos con nuestros pares, clientes y socios, nos dimos cuenta de que el concepto de IA no siempre se entiende fácilmente. Para comenzar, desempacaremos el rompecabezas de la inteligencia artificial respondiendo la pregunta principal que muchas personas se hacen: "¿Qué es la inteligencia artificial, en realidad?

La forma más fácil de entender la inteligencia artificial es asignarla a algo que ya entendemos: nuestra propia inteligencia. ¿Cómo funciona la inteligencia humana no artificial? En el nivel más básico, nuestra inteligencia sigue una progresión simple: captamos información, la procesamos y, en última instancia, la información nos ayuda a actuar.

Desglosemos esto en un diagrama de sistema. En la siguiente figura, los tres pasos generales de la inteligencia humana de izquierda a derecha: entrada, procesamiento y salida. En el cerebro humano, la entrada tiene lugar en forma de detección y percepción de cosas

Sus ojos, nariz, oídos, etc., toman información sin procesar de la izquierda, como fotones de luz o el olor de los pinos, y luego la procesan. En el lado derecho del sistema está la salida. Esto incluye el habla y las acciones, las cuales dependen de cómo procesamos la entrada. El procesamiento ocurre en el medio, donde se forman y recuperan el conocimiento o los recuerdos, se toman decisiones e inferencias y se produce el aprendizaje.

Imagínese detenerse en una intersección de carreteras. Sus ojos ven que el semáforo frente a usted acaba de ponerse en verde.

Según lo que ha aprendido de la experiencia (y la educación vial), sabe que una luz verde indica que debe conducir hacia adelante.

Así que pisa el acelerador. La luz verde es la entrada sin procesar, su aceleración es la salida; todo lo que hay en el medio se está procesando Para navegar de manera inteligente por el mundo que nos rodea, contestar el teléfono, hornear galletas con chispas de chocolate u obedecer los semáforos, debemos procesar la entrada que recibimos

ESTE ES EL NÚCLEO DEL PROCESAMIENTO DE LA INTELIGENCIA HUMANA Y, EN ÚLTIMA INSTANCIA, SE DIVIDE EN TRES ASPECTOS DISTINTOS:

1. Conocimiento y memoria. Acumulamos conocimiento a medida que ingerimos hechos (es decir, la Batalla de Hastings tuvo lugar en 1066) y normas sociales (es decir, decir "Por favor" y "Gracias" se considera educado). Además, la memoria nos permite recordar y aplicar información del pasado a situaciones presentes.

2. Decisión e inferencia. Las decisiones y las inferencias se toman con base en información sin procesar, combinada con conocimiento y/o memoria.

3. Aprendiendo. Los humanos pueden aprender con el ejemplo, la observación o el algoritmo. Al aprender con el ejemplo, se nos dice que un animal es un perro y el otro es un gato. Al aprender por observación, descubrimos por nuestra cuenta que los perros ladran y que los gatos maúllan. El tercer método de aprendizaje, el algoritmo, nos permite completar una tarea siguiendo una serie de pasos o un algoritmo específico (por ejemplo, realizando una división larga).

ESTOS ASPECTOS DE LA INTELIGENCIA HUMANA SON PARALELOS A LA INTELIGENCIA ARTIFICIAL.

Así como tomamos información, la procesamos y compartimos resultados, también lo pueden hacer las máquinas.

Echemos un vistazo a la figura a continuación para ver cómo se mapea esto.

En las máquinas, la parte de entrada de la inteligencia artificial se ejemplifica mediante el procesamiento del lenguaje natural, el reconocimiento de voz, el reconocimiento visual y más. Estas tecnologías y algoritmos se ven en todas partes, desde automóviles autónomos que necesitan detectar las carreteras y los obstáculos, hasta Alexa o Siri cuando reconocen su voz

El resultado que sigue son las formas en que las máquinas interactúan con el mundo que nos rodea. Esto podría tomar la forma de robótica, sistemas de navegación (para guiar a los autos sin conductor), generación de voz (por ejemplo, Siri), etc. En el medio, tenemos varias formas de procesamiento que tienen lugar.

Finalmente, así como aprendemos con el ejemplo, la observación o el algoritmo, las máquinas pueden aprender usando métodos análogos.

El aprendizaje automático supervisado es muy parecido a aprender con el ejemplo: la computadora recibe un conjunto de datos con "etiquetas" dentro del conjunto de datos que actúan como respuestas, y finalmente aprende a diferenciar entre diferentes etiquetas (por ejemplo, este conjunto de datos contiene fotos etiquetadas como "perro" o "gato", y con suficientes ejemplos, la computadora notará que los perros generalmente tienen colas más largas y orejas menos puntiagudas que los gatos).

El aprendizaje automático no supervisado, por otro lado, es como el aprendizaje por observación. La computadora observa patrones (los perros ladran y los gatos maullan) y, a través de esto, aprende a distinguir grupos y patrones por sí misma (por ejemplo, hay dos grupos de animales que se pueden separar por el sonido que hacen; un grupo ladra —perros—y el otro grupo maúlla—gatos).

El aprendizaje no supervisado no requiere etiquetas y, por lo tanto, puede ser preferible cuando los conjuntos de datos son limitados y no tienen etiquetas. Finalmente, el aprendizaje por algoritmo es lo que sucede cuando un programador le indica a una computadora exactamente qué hacer, paso a paso, en un programa de software.

Idealmente, los resultados de inteligencia artificial más precisos y eficientes requieren una combinación de métodos de aprendizaje. Tanto el aprendizaje automático supervisado como el no supervisado son métodos útiles: se trata de aplicar el enfoque o enfoques correctos al caso de uso correcto.

Tenemos más datos hoy que nunca. Afortunadamente, también tenemos más poder de cómputo, mejores algoritmos y una mayor inversión en investigación y tecnologías para ayudarnos a dar sentido a estos datos a través de las matemáticas. Según todos los informes, creemos que el análisis de seguridad recién está comenzando.

Contáctenos para más información

762-000016-001 | M | 21/04 | © 2023 Micro Focus o una de sus filiales. Micro Focus y el logotipo de Micro Focus, entre otros, son marcas comerciales o marcas comerciales registradas de Micro Focus o sus subsidiarias o empresas afiliadas en el Reino Unido, Estados Unidos y otros países. Todas las demás marcas son propiedad de sus respectivos dueños.