Inteligencia artificial, aprendizaje automático y algoritmos para periodistas

Por: @kpdelahoz

¿Cuáles son los retos y oportunidades de la inteligencia artificial para el periodismo? Esta pregunta, que lleva varios meses dándome vueltas en la cabeza, fue el tema central de una beca de 5 semanas en la que conocí experiencias de algunas salas de redacciones de Estados Unidos que están usando inteligencia artificial en sus procesos de producción de contenido.

Para entender el panorama, mi primer paso fue comprender los conceptos. A continuación, te comparto las definiciones, fuentes y autores que me ayudaron en este proceso:

Inteligencia artificial:

La Inteligencia Artificial es una rama de las ciencias de la computación que se refiere al desarrollo de sistemas informáticos capaces de realizar tareas que normalmente requieren inteligencia humana.

Muchas veces cuando decimos Inteligencia artificial realmente nos referimos a alguno de los subcampos de esta disciplina, que son:

  • Aprendizaje automático
  • Procesamiento del lenguaje natural
  • Reconocimiento de texto y voz
  • Visión
  • Robótica

AI_clasificacion.png

Coloquialmente, el término inteligencia artificial se aplica cuando una máquina imita las funciones «cognitivas» que los humanos asocian con otras mentes humanas, como por ejemplo: «percibir», «razonar», «aprender» y «resolver problemas». (Tomado de Wikipedia).

Referencias:
A People’s Guide to AI
A guide for newsrooms in the age of smart machines
What journalists talk about when they talk about AI 

Machine learning o aprendizaje automático:

El aprendizaje automático es una rama de la inteligencia artificial en la que una computadora genera reglas y predicciones basadas en datos que se le han introducido. (Tomado de A People’s Guide to AI)

En otras palabras, se refiere al uso de algoritmos que aprenden patrones de los datos y pueden realizar tareas sin ser programados explícitamente para hacerlo.

Hay varios tipos de aprendizaje automático:

  • Aprendizaje supervisado: requiere de datos previamente etiquetados para aprender a realizar su trabajo. 
  • Aprendizaje no supervisado: no requiere datos etiquetados; en cambio, permite que el algoritmo encuentre patrones en los datos, como grupos de entradas que comparten una característica, y generalmente se usan para agrupar o vincular registros que son similares.
  • Reforzamiento de aprendizaje: no requiere datos etiquetados, aprende gracias a la retroalimentación al algoritmo a lo largo del tiempo. (Tomado de What is machine learning and why should I care?, un artículo de Nicholas Diakopoulos para Columbia Journalism Review).  


Referencias
Ask a Techspert: What is machine learning?
[Podcast]
Machine Learning Guide. Episode What is AI / ML.

[Curso gratuito] Aprendizaje Automático


Algoritmo

Una serie de pasos realizados para resolver un problema en particular o para lograr un resultado. (Tomado de News Algorithms Glossary)

Referencias:
“The Secret Rules of Modern Living Algorithms” – Documentary.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s