¿Qué es la Inteligencia Artificial y el Machine Learning?

¿Qué es la Inteligencia Artificial?

A pesar de que el término “Inteligencia Artificial” ya se usaba en los años 50, ha sido con la llegada de los smartphones y el desarrollo de nuevas tecnologías cuando ha comenzado a usarse en el día a día. Aunque el término atiende a un sinfín de definiciones, todas coinciden en el mismo punto: la Inteligencia Artificial es la disciplina informática que hace que las máquinas o sistemas informáticos realicen una serie de tareas de manera similar a la inteligencia humana.

¿Y el Machine Learning?

El Machine Learning es una rama de la Inteligencia Artificial que crea sistemas que aprenden automáticamente, sin la ayuda de los humanos. Aunque lleva utilizándose desde mediados de la década de los 50, el término ha tomado relevancia en los últimos años debido a la implantación de la tecnología en las empresas y al aumento de información que las empresas almacenan y manejan a diario. Podemos diferenciar entre tres tipos de Machine Learning: el Supervised Learning, el Unsupervised Learning y el Reinforcement Learning.


  • Supervised Learning: trabaja a partir de lo que le ha enseñado el usuario. Por ejemplo, el data scientist introduce datos de entrada y salida y la tecnología Machine Learning trabaja para encontrar el patrón.

  • Unsupervised Learning: trabaja solo con datos de entrada. En este tipo de aprendizaje, la máquina debe encontrar la estructura existente. Por ejemplo, es muy útil en la segmentación de clientes ya que conforma un grupo a partir de unas características dadas por el usuario.

  • Reinforcement Learning: trabaja en base al ensayo y error. Con este tipo de programación, la máquina es capaz de aprender, repitiendo patrones una y otra vez hasta perfeccionarlos y llegar al objetivo.  

Entonces, ¿en qué se diferencian?

Aunque ambos conceptos van de la mano, hay ocasiones en las que se pueden llegar a confundir. Como explican desde Analytics 10, la Inteligencia Artificial es el concepto más amplio, por el que las máquinas son capaces de realizar tareas de una manera que se podría llegar a considerar como inteligente. Por su parte, el Machine Learning, es la aplicación de esta Inteligencia a máquinas con el objetivo de que estas aprendan por sí mismas.

Tecnología más inteligente y ética… pero no mejor que nosotros

No podemos negar que la tecnología nos sorprende cada día más. La autonomía que estas han llegado a adquirir se puede resumir con tan solo nombrar algunas de las tareas que pueden realizar a día de hoy: la aplicación de navegación de nuestro móvil nos dice qué ruta es la más rápida para llegar a nuestro destino; las plataformas de streaming nos recomiendan películas, series y canciones en base a nuestros gustos y la temperatura de la calefacción se adapta de forma automática a la hora del día o a si hay dentro de casa o no gente en un determinado momento.

Sin embargo, según dejamos que las máquinas hagan más actividades, también les atribuimos un mayor número de responsabilidades, entre las que se incluyen la toma de decisiones. Es en este punto donde entra el concepto de la ética se pone en común con la Inteligencia Artificial. Por ejemplo, y como afirma el profesor de Filosofía del Derecho de la Universidad Oberta de Catalunya, David Martínez, “no sólo es aconsejable, sin también indispensable, que los algoritmos incluyan parámetros éticos”. Uno de los campos donde más se puede llegar a apreciar la necesidad de esta ética es en el de los coches autónomos.

Pero, por mucho que nos esforcemos y se avance en materia de tecnología, una Inteligencia Artificial no podrá llegar a ser más inteligente que nosotros. Un ordenador no es capaz de enfrentarse a lo desconocido, pero sí puede aprender a partir de la información que un humano le facilita. Aquí es donde entra el “machine learning”. Matthew Winkler, gerente principal de machine learning en Azure, la plataforma en la nube de Microsoft explica que “antes, un montón de científicos y voluntarios tenían que contar manualmente el número de leopardos de las nieves para llevar un control de población (...). Ahora es tan sencillo como recuperar los USB de las cámaras y subirlos a la nube. El machine learning cuenta por ellos”.