Conceptes bàsics d'Intel·ligència Artificial

Introducció a la Intel·ligència Artificial i els seus conceptes bàsics

Quan parlem d'Intel·ligència Artificial, moltes vegades ens evoca a un món de robots o tecnologies molt futuristes. No obstant això, la IA ja forma part del nostre dia a dia.

Una mostra d'això és quan fem compres en línia, que amb algoritmes d'autoaprenentatge analitzen els nostres comportaments per recomanar-nos productes que s'adapten a nosaltres; o Google Lens, que pujant una imatge, t'identifica i enllaça els productes que hi apareixen. A continuació una imatge provant Google Lens amb la nostra oficina de Barcelona:

La Intel·ligència Artificial (IA), o Artificial Intelligence (AI) en anglès, és el camp avançat de la Informàtica actual dedicat a l'automatització del comportament associat comunament a la intel·ligència humana. I com tota ciència complexa, d'ella es desglossen molts conceptes. Per això, amb aquest article volem començar pel principi i ajudar-te a entendre els conceptes bàsics de la IA.

En aquest article parlarem de:

• Machine Learning
  • Les 5 tribus de Machine Learning de Pedro Domingos
    • Simbolistes
    • Conexionistes
    • Evolutius
    • Analogistes
    • Bayesians
  • Tipus de Machine Learning
    • Aprenentatge supervisat (Supervised Learning)
    • Aprenentatge no supervisat (Unsupervised Learning)
    • Aprenentatge semisupervisat (Semi-supervised Learning)
    • Aprenentatge reforçat (Learning Reinforcement)
• Deep Learning
• Neural Networks
• Computació Cognitiva

Machine Learning

El Machine Learning (ML) és una branca de la intel·ligència artificial que es basa en la idea que els sistemes poden aprendre de dades, identificar patrons i prendre decisions amb la mínima intervenció humana.

L'expert mundial i investigador destacat en la matèria, Pedro Domingos, descriu en el seu llibre “The Master Algorithm” les 5 tribus o corrents del Machine Learning que divideix en funció dels interessos o procedències de cadascuna d'aquestes:

• Simbolistes: Es basen en la lògica i la filosofia i practiquen la deducció inversa.
• Conexionistes: Es recolzen en la neurociència i tracten de connectar petits cervells, a partir del que anomenen retroprogramació per crear una xarxa neuronal amb la qual, a partir de les seves interconnexions, puguin interpretar les dades. D'aquí sorgeix el Deep Learning.
• Evolutius: Es basen en la biologia evolutiva i tracten d'aplicar els principis de l'evolució de genomes i ADN al·legant que els algoritmes evolucionaran i s'adaptaran a condicions i processos desconeguts.
• Analogistes: Es recolzen en la psicologia i veuen l'analogia com a base per solucionar els problemes que es presentin.
• Bayesians: Es basen en l'estadística i la probabilitat. El seu algoritme, la inferència probabilística, aprèn tractant de calcular com d'improbable és un fet per poder descartar-lo com a possible solució.

Al seu torn, dins del Machine Learning, trobem 4 tipus en base a la supervisió humana necessària:

• Aprenentatge supervisat (Supervised Learning): Aprèn donant-li moltes dades d'entrenament etiquetades amb les quals després generalitzar per a nous casos.
• Aprenentatge no supervisat (Unsupervised Learning): Aprèn observant, comprenent i abstraient patrons directament de la informació. És molt semblant a com pensem els humans.
• Aprenentatge semisupervisat (Semi-supervised Learning): Aprèn en base a dades d'entrenament tant etiquetades com no etiquetades, sent normalment més gran la proporció de dades no etiquetades.
• Aprenentatge reforçat (Learning Reinforcement): Aprèn per l'experiència. A partir de prova-error i premi-càstig. Aquesta tècnica està sent molt estudiada ja que no requereix de grans quantitats de dades.

Deep Learning

Basat en l'enfocament dels conexionistes sorgeix la branca denominada Aprenentatge Profund, Deep Learning (DL). És un subtipus d'algoritmes de Machine Learning que es basen en xarxes neuronals per a un processament de les dades en cascada. El terme "profund" es refereix al nombre de capes ocultes en les xarxes neuronals.

Neural Networks

Les Xarxes Neuronals, Neural Networks (NNs), pertanyen a la família d'algoritmes de Machine Learning i s'inspiren en el funcionament de les neurones del cervell humà. Es basen en que donats uns paràmetres hi ha una forma de combinar-los per predir un resultat concret. Les dades van passant per diferents capes en les quals s'apliquen una sèrie de regles d'aprenentatge fins a arribar a l'última capa en la qual els resultats es comparen amb el resultat "correcte", i es van ajustant els paràmetres en base a la funció "pes" donada en cada regla. Una vegada la xarxa ha après, pot congelar els seus “pesos” i funcionar en mode record o execució.

Cognitive Computing

I per acabar, alguns autors mencionen la Computació Cognitiva, Cognitive Computing (CC) en anglès, com una altra variant de la Intel·ligència Artificial. Són sistemes que assumeixen tasques o prenen decisions específiques com a assistents o substituint persones ja que poden manejar l'ambigüitat i la vaguetat, i tenen un alt grau d'autonomia dins de la seva àrea de coneixement.

Conclusions

Com hem comentat, la IA ja és aquí, però encara hi ha molt per fer, i no només respecte a com explotar tot el potencial que té perquè s'acostin cada vegada més a la intel·ligència humana, sinó també respecte a com controlar el mal ús.

L'objectiu és evitar que ocorri el que Elon Musk ja va predir “les màquines podrien començar una guerra publicant notícies falses, robant comptes de correu electrònic i enviant notes de premsa falses, només amb manipular les dades”, i que ja hem viscut quan, mitjançant IA, es van manipular escenes sexuals reemplaçant el rostre pel d'artistes coneguts.

Hem de ser conscients de les millores que la IA suposa en les nostres vides, però sense oblidar que hem d'utilitzar-la amb prudència.