Relación con Internet de las cosas
Para la inteligencia artificial, podemos entenderla en un sentido amplio y restringido. En términos generales, la IA debería tener todas las características de la inteligencia humana, incluidas las capacidades mencionadas anteriormente. La inteligencia artificial en un sentido estricto sólo posee las capacidades de ciertos aspectos de la inteligencia humana. Puede funcionar bien en estos campos, pero puede carecer de capacidades en otros campos. Por ejemplo, las máquinas de inteligencia artificial pueden tener potentes capacidades de reconocimiento de imágenes, pero no tienen otros usos. Este es un ejemplo de IA estrecha.
En esencia, el aprendizaje automático es una forma de lograr inteligencia artificial.
De hecho, el aprendizaje automático es una forma de "entrenar" algoritmos para permitir que la máquina alimente al algoritmo con grandes cantidades de datos y permitir que el algoritmo se ajuste y mejore, en lugar de utilizar codificación con objetivos específicos. instrucciones Rutinas de software para realizar tareas específicas.
Por ejemplo, el aprendizaje automático se ha utilizado en la visión por ordenador (la capacidad de las máquinas de reconocer objetos en imágenes o vídeos) y ha logrado avances significativos. Puede recopilar cientos de miles o incluso millones de imágenes y etiquetarlas. Por ejemplo, pida a las personas que etiqueten fotografías que contengan gatos. Para el algoritmo, también puede intentar construir un modelo que pueda etiquetar imágenes que contengan gatos con tanta precisión como los humanos. Una vez que el nivel de precisión es lo suficientemente alto, la máquina esencialmente puede "aprender" cómo es un gato.
El aprendizaje profundo es uno de los muchos métodos del aprendizaje automático. Otros métodos incluyen el aprendizaje de árboles de decisión, la programación lógica inductiva, la agrupación en clústeres, el aprendizaje por refuerzo y las redes bayesianas.
El aprendizaje profundo se inspira en la estructura y función del cerebro, la interconexión de muchas neuronas. La red neuronal artificial (RNA) es un algoritmo que simula la estructura biológica del cerebro.
En las RNA, hay "neuronas" con capas discretas y conexiones con otras "neuronas". Cada capa selecciona una característica para aprender, como curvas/bordes en el reconocimiento de imágenes. Es esta estratificación la que da su nombre al "aprendizaje profundo". La profundidad se crea utilizando varias capas en lugar de una sola capa.
La inteligencia artificial y el Internet de las Cosas son inseparables.
Creo que la relación entre la inteligencia artificial y el Internet de las cosas es similar a la relación entre el cerebro humano y el cuerpo.
Nuestros cuerpos recogen información sensorial como la vista, el oído y el tacto. Nuestros cerebros reciben y procesan estos datos, buscando darles sentido, como convertir la luz en objetos reconocibles y los sonidos en un lenguaje comprensible. Luego, el cerebro toma una decisión y envía señales al cuerpo, indicándole que realice alguna acción, como levantar un objeto o hablar con alguien.
Todos los sensores que componen el Internet de las Cosas son como nuestros cuerpos y proporcionan datos sin procesar de todo el mundo. La IA, al igual que nuestro cerebro, debe poder darle sentido a estos datos y decidir qué hacer. Al mismo tiempo, los dispositivos conectados del Internet de las cosas son como nuestros cuerpos: pueden realizar movimientos físicos y comunicarse con otros para liberar el potencial de cada uno.