Resulta muy interesante el análisis de Jerry Kaplan en la primera parte de su libro 'Artificial Intelligence. What every one need to know' acerca de qué es y qué no es inteligencia artificial, de qué es y qué no es aprendizaje, y de qué es y qué no es pensamiento creativo.
A propósito del aprendizaje, nos propone una definición:
learning can be viewed as a process of performing temporally sequential generalizations, by taking prior experience into account in future analyses.
Tres elementos son importantes en este definición:
- experiencia el aprendizaje se basa en lo vivido o aquello a que hemos sido expuestos. No se trata de que se nos 'inyecte' el conocimiento de alguna forma, sino que éste se adquiere por experiencia.
- generalización: es decir, de esa experiencia se extrae algún tipo de regla o patrón que resume de alguna forma el conocimiento. En este sentido, un mero almacenaje de datos para reconocer posteriormente uno concreto, no se considera aprendizaje. Lo importante es identificar un patrón, una generalización.
- futuro esas generalizaciones tienen capacidad predictiva. Los patrones encontrados permiten prever lo que va a suceder en las situaciones en que esos patrones resulten aplicables. Es decir, explicar simplemente el pasado no es suficiente. Lo importante del aprendizaje es que capacita para el futuro.
La definición y las tres características comentadas, aplican al aprendizaje natural (de las personas o animales) y del artificial (las máquinas)
Su comprensión nos permite entender mejor qué técnicas de machine lerarning son realmente inteligencia artificial, constituyen un verdadero aprendizaje.
En el próximo post, repasaremos brevemente lo que Jerry Kaplan tiene que decir acerca del pensamiento creativo.
No hay comentarios:
Publicar un comentario