Entender las diferencias entre IA, GenIA y ML

Inteligencia Artificial (AI)

AI es un término inclusivo que se refiere al uso de datos (información) y algoritmos (reglas) para permitir que las computadoras aprendan, actúen y realicen funciones que normalmente están asociadas con la inteligencia humana. Aquí hay algunos ejemplos de capacidades de IA:

• Razonamiento de sentido común: crea la apariencia de comprensión y razonamiento humanos, conectando patrones basados en datos con el juicio, la intuición y la toma de decisiones sensibles al contexto que los humanos hacen rutinariamente
• Pensamiento abstracto: permite que las computadoras participen en la resolución de problemas más complejos como la mejora o automatización de flujos de trabajo

GenAI y ML (discutidos a continuación) son dos de las ramas más conocidas de la IA. Hay diferencias importantes entre ellos, y si bien es correcto decir que GenAI y ML son IA, no es correcto decir que toda IA es GenAI o ML. Inteligencia Artificial Generativa (GenAI)

Inteligencia Artificial Generativa

GenAI se refiere a un subconjunto específico de IA que utiliza programas para procesar grandes conjuntos de datos, detectar patrones y luego crear nuevas obras de texto, imágenes, video e incluso código de computadora basado en las instrucciones que se le dan (conocidas como “prompts”). GenAI se basa en redes neuronales artificiales, que son métodos para procesar información que imitan las redes neuronales biológicas (consulta esta publicación para obtener más información sobre las redes neuronales). Está limitado por los datos que se le proporcionan para entrenar sus modelos, por lo que todo lo que produce es derivado de los datos que aprende. (Relacionado, el impulso para entrenar modelos con conjuntos de entrenamiento cada vez más grandes es uno de los factores que impulsan la demanda de potencia informática de IA).

Aquí hay algunos ejemplos de capacidades de GenAI:

• Creatividad: generar creaciones artísticas, escribir historias, componer música e incluso crear arte visual
• Creación de datos novedosos: producir nuevos datos que no estaban presentes en el conjunto de entrenamiento de GenAI, lo que permite la generación de datos sintéticos (ver más abajo), que pueden ser útiles para la planificación financiera, la planificación de la fuerza laboral, la planificación de la cadena de suministro, la planificación del tesoro, etc.
• Síntesis: crear nuevos resúmenes, argumentos y puntos de vista basados en información sintetizada

Aprendizaje Automático (ML)

Los sistemas de ML aprenden y mejoran según los datos que consumen. Hay dos tipos principales de algoritmos de aprendizaje: aprendizaje supervisado y aprendizaje no supervisado, que se refieren a la forma en que el modelo utiliza los datos para mejorar su rendimiento. Con el aprendizaje supervisado, el algoritmo de ML se presenta con entradas más las salidas deseadas para ayudarlo a descubrir una regla general que las relacione; con el aprendizaje no supervisado, el algoritmo se presenta con datos no estructurados y se le deja descubrir relaciones y patrones por sí mismo. (Dado que la precisión es importante en el alcance de esta publicación, vale la pena señalar que GenAI a menudo utiliza técnicas de ML, además del procesamiento del lenguaje natural).

Aquí hay ejemplos de capacidades de ML:

• Análisis predictivo: predecir resultados basados en patrones de datos históricos (por ejemplo, utilizando resultados financieros reales para crear pronósticos)
• Detección de anomalías: detectar anomalías u outliers en los datos, generalmente utilizados para ayudar en la detección de fraudes o control de calidad
• Sistemas de recomendación: sugerir productos, contenido o servicios basados en las preferencias y el comportamiento del usuario
• Análisis de regresión: analizar las relaciones entre los datos para determinar su fuerza (por ejemplo, se puede utilizar para analizar la relación entre el gasto en publicidad y los posibles aumentos de ingresos debido a la publicidad)

Podemos sentir la tentación de usar términos de manera intercambiable, pero no deberíamos hacerlo, porque la IA no es lo mismo que el ML, y GenAI difiere de la IA tradicional. Estas diferencias son importantes. Y entenderlas te ayudará a navegar por las tecnologías habilitadoras de Fusion Apps, las mejoras de productos y las hojas de ruta.