Aprendizaje Automtico

El Aprendizaje Automtico es una rama de la Inteligencia Artificial en la cual su principal objetivo es desarrollar tcnicas que permitan a las computadoras aprender, es decir, se considera como un proceso de induccin del conocimiento. El aprendizaje automtico se centra en el estudio de la Complejidad Computacional de los problemas. Muchos problemas son de clase NP-hard, por lo que las aplicaciones desarrolladas en aprendizaje automtico estn enfocadas al diseo de soluciones viables a esos problemas. Dentro de las aplicaciones de aprendizaje automtico estn: motores de bsqueda, diagnsticos mdicos, deteccin de fraude en el uso de tarjetas de crdito, anlisis del mercado de valores, clasificacin de secuencias de ADN, reconocimiento del habla y del lenguaje escrito, juegos y robtica. Algunos expertos en el desarrollo de sistemas de aprendizaje automtico han tratado de eliminar la intuicin o el conocimiento de los procesos que se generan en la interaccin hombre-mquina; otros, en cambio, tratan de establecer una colaboracin entre estos dos elementos. La participacin humana y sus intuicin no puede ser remplazada por una mquina, el humano, es decir, el experto que desarrolla estos sistemas es quin hace el diseo y determina los procesos que debe realizar el sistema o la mquina. Por lo tanto no puede ser remplazado, a excepcin de algunas tareas o procesos que son automatizados para mejorar el rendimiento de estos sistemas. A travs del aprendizaje automtico se puede generar tres tipos de conocimiento, cada tipo depender del tema que se desee aprender: 1. Crecimiento Es el que se adquiere de lo que nos rodea, el cual guarda la informacin en la memoria como si dejara huellas. 2. Reestructuracin Al interpretar los conocimientos el individuo razona y genera nuevo conocimiento al cual se le llama de reestructuracin. 3. Ajuste Es el que se obtiene al generalizar varios conceptos o generando los propios. Existen algoritmos que son utilizados en el aprendizaje automtico para la generacin de conocimiento y el mejoramiento en el rendimiento de los sistemas computacionales. Son cinco los algoritmos utilizados, estos son: 1. Aprendizaje supervisado Produce una funcin que establece una correspondencia entre las entradas y las salidas deseadas del sistema. 2. Aprendizaje no supervisado Todo el proceso se lleva a cabo sobre un conjunto de ejemplos formado por entradas al sistema. No existe informacin de las categoras de esos ejemplos. 3. Aprendizaje por refuerzo

El algoritmo aprende observando el mundo que le rodea. Su informacin de entrada es la retroalimentacin que obtiene del exterior en funcin de sus acciones. 4. Transduccin Similar al aprendizaje supervisado, pero no construye de forma explcita una funcin. Trata de predecir las categoras de los futuros ejemplos basndose en los ejemplos de entrada, sus respectivas categoras y ejemplos nuevos. 5. Aprendizaje multi-tarea Mtodos de aprendizaje que usan conocimiento previamente aprendido por el sistema con el fin de enfrentarse a problemas similares a los vistos. El aprendizaje automtico se ha convertido en un eje fundamental de la inteligencia artificial. En la construccin de sistemas inteligentes, es necesario que estos aprendan y vayan adquiriendo experiencia conforme realizan sus procesos sin la necesidad de una supervisin por parte de expertos. http://danielvn7.wordpress.com/2008/03/28/aprendizaje-automatico/