En su charla TED titulada «¿Cómo aprende la inteligencia artificial?», Briana Brownell explora los mecanismos fundamentales que permiten a las máquinas aprender por sí mismas.

La inteligencia artificial (IA) se ha integrado profundamente en nuestra vida cotidiana, asistiendo a médicos en diagnósticos, ayudando a pilotos en vuelos comerciales y permitiendo a planificadores urbanos predecir el tráfico.

En su charla Briana Brownell destaca que, aunque los científicos informáticos diseñan estos sistemas, a menudo desconocen exactamente cómo las IA llegan a sus soluciones debido a su capacidad de autoaprendizaje.

Enfoques Principales del Aprendizaje Automático

Brownell explica los tres tipos básicos de aprendizaje automático: 

1. Aprendizaje No Supervisado: Este método permite a las máquinas analizar grandes cantidades de datos para encontrar patrones o similitudes sin necesidad de intervención humana. Es ideal para descubrir tendencias ocultas en conjuntos de datos complejos.
2. Aprendizaje Supervisado: En este enfoque, los humanos proporcionan al programa datos etiquetados y guían su proceso de aprendizaje. Se utiliza para entrenar algoritmos que puedan hacer predicciones o clasificaciones basadas en información previamente conocida.
3. Aprendizaje por Refuerzo: Aquí, la máquina aprende a través de la retroalimentación constante, ajustando sus acciones para lograr el mejor resultado posible. Es especialmente útil en situaciones donde las decisiones deben adaptarse dinámicamente, como en la personalización de planes de tratamiento médico.

Sistemas de IA más Complejos y Eficientes

Además, Brownell aborda cómo estos métodos pueden combinarse para crear sistemas de IA más complejos y eficientes. Por ejemplo, un programa de aprendizaje no supervisado puede alimentar sus hallazgos a un sistema de aprendizaje supervisado para mejorar sus predicciones.

También explora el uso de redes neuronales artificiales que imitan las conexiones neuronales del cerebro humano, permitiendo a las máquinas manejar tareas complejas como el reconocimiento de imágenes y la traducción de idiomas.

Transparencia

Sin embargo, a medida que estos sistemas se vuelven más autónomos, surge el desafío de la transparencia: entender cómo las IA llegan a sus decisiones. Brownell enfatiza la importancia de enseñar a las máquinas no solo a aprender y comunicarse, sino también a operar de manera ética y transparente, especialmente dado su creciente impacto en nuestro trabajo, salud y seguridad.

Para profundizar en estos conceptos y entender mejor cómo las máquinas están aprendiendo a investigar, negociar y comunicarse, te invitamos a ver el video completo de Briana Brownell que incluye subtítulos en español, aunque antes de ver el mismo es necesario que conozcan el siguiente alerta de la página del vídeo en el sitio web de TED Talks:  «Tenga en cuenta que esta animación presenta luces intermitentes y colores desde el minuto 1:52 hasta el 1:56«.