Aprendizaje automático
El aprendizaje automático, abreviado comúnmente "ML", es un tipo de inteligencia artificial (AI) que "aprende" o se adapta con el tiempo. En lugar de seguir reglas estáticas codificadas en un programa, La tecnología ML identifica datos de entrada patrones y contiene algoritmos que evolucionan con el tiempo
El aprendizaje automático tiene una amplia variedad de aplicaciones, muchas de las cuales ahora son parte de la vida cotidiana. Abajo hay algunos ejemplos:
- Diagnósticos médicos
- Vehículos autónomos
- Orientación de anuncios en línea - Google AdSense y Facebook Advertising
- Reconocimiento de voz - Asistente de Google, Amazon Alexa, Microsoft Cortana y Apple Siri
- Reconocimiento de imagen - Búsqueda de imágenes de Google, reconocimiento facial en Facebook y en Apple Photos
Ejemplo de vehículo autónomo
Los vehículos autónomos incorporan aprendizaje automático para mejorar su seguridad y fiabilidad. Un automóvil autónomo que utiliza inteligencia artificial tradicional puede responder a cualquier condición de carretera para la que haya sido programado. Sin embargo, si el programa. encuentra una entrada no reconocida, el auto puede Por defecto a una medida de seguridad de respaldo, como reducir la velocidad, detenerse o requerir una anulación manual.
El aprendizaje automático puede permitir que un vehículo reconozca eventos y objetos que no se han programado explícitamente en el código fuente. Por ejemplo, un automóvil puede ser programado para reconocer luces de la calle, pero no luces intermitentes en barricadas de construcción. Al aprender de la experiencia, posiblemente registrando el comportamiento de conducción de un conductor humano, el automóvil comenzará a reconocer las barreras de construcción y responderá en consecuencia.
La tecnología ML es lo que permite a los vehículos autónomos diferenciar entre objetos en la carretera, como automóviles, bicicletas, humanos y animales. También ayuda a los automóviles a conducir de manera más confiable en condiciones climáticas imperfectas y en carreteras sin líneas claras. El objetivo es permitir que los vehículos conduzcan como humanos mientras se evitan los errores causados por errores humanos.