Introducción:
Los modelos de aprendizaje automático con memoria limitada obtienen conocimiento a partir de material, hechos, almacenamiento local o situaciones aprendidos previamente. Las máquinas de memoria limitada, a diferencia de las máquinas reactivas, pueden aprender del pasado analizando las acciones o los datos que se les suministran con el objetivo de acumular conocimiento provisional.
¿Qué es la IA de memoria limitada?
Como indica su nombre, la IA de memoria limitada consiste en una máquina capaz de mirar al pasado. Aprende de experiencias pasadas observando los datos o las acciones. Este tipo de IA utiliza conocimiento histórico junto con información preprogramada y realiza predicciones al ejecutar tareas complejas.[1]
¿Cómo funciona la IA de memoria limitada?
La IA de memoria limitada se utiliza cuando el equipo entrena continuamente el modelo, sin interrupciones, para que analice y utilice los datos y, con base en esa experiencia, la máquina prediga resultados futuros.
Deben seguirse seis etapas al utilizar IA de memoria limitada en el aprendizaje automático:
- Se crea el modelo de aprendizaje automático necesario.
- El modelo debe ser capaz de hacer predicciones o estimaciones.
- El modelo debe ser capaz de aceptar retroalimentación social.
- El modelo debe aceptar la respuesta del entorno.
- La retroalimentación debe guardarse como datos.
- Es esencial que estas fases se repitan en secuencia.
¿Cuáles son los principales enfoques de aprendizaje automático que utilizan inteligencia artificial con memoria limitada?
Aprendizaje por refuerzo:
Es un tipo de aprendizaje automático que aprende a crear mejores pronósticos o predicciones mediante ensayo y error o entrenamiento.
Memoria a corto y largo plazo (LSTM):
Es un tipo de memoria que utiliza información anterior para anticipar el siguiente elemento de una secuencia. Al generar pronósticos, las LSTM dan prioridad a la evidencia más reciente y restan valor a los datos históricos, aunque aun así los utilizan para extraer inferencias.
Redes generativas adversarias evolutivas (E-GAN):
Evoluciona con el tiempo, tomando caminos ligeramente distintos según encuentros previos. Este modelo busca continuamente un camino mejor durante su ciclo evolutivo de mutación y cumple distintos objetivos mediante simulaciones y estadística, o azar.[2]
¿Cuál es un ejemplo de IA de memoria limitada?
Por ejemplo, los vehículos autónomos emplean IA de memoria limitada para vigilar la velocidad y la dirección de otros automóviles, lo que les ayuda a «leer la carretera» y a realizar los ajustes necesarios. Son más seguros en las carreteras gracias a este proceso de análisis e interpretación de los datos entrantes.
La IA de memoria limitada, en cambio, sigue siendo restringida, como su nombre indica. Los datos que usan los coches autónomos son momentáneos y no se conservan en la memoria a largo plazo del vehículo.
¿Cuáles son algunas características de la IA de memoria limitada?
- Capaz de manejar tareas complejas.
- Capaz de almacenar la experiencia histórica.
- Este es el estado actual de la IA y algunos dicen que hemos llegado a un muro.
Conclusión:
Las máquinas con memoria limitada pueden usar experiencias previas para emitir juicios eficaces. Las máquinas analizan las observaciones de datos mediante su base teórica preprogramada. Los datos observados se conservan durante un breve tiempo y luego se descartan.
- Understanding the Four Types of Artificial Intelligence. 14 de noviembre de 2016; Disponible en: https://www.govtech.com/computing/understanding-the-four-types-of-artificial-intelligence.html.
- Introduction to AI. Disponible en: https://builtin.com/artificial-intelligence.
Ejemplos de IA de memoria limitada
La mayor parte de la IA que usas a diario es IA de memoria limitada. Estos son ejemplos habituales:
- Los coches autónomos siguen la velocidad, la dirección y la distancia de los vehículos y peatones cercanos durante una ventana breve de tiempo y la combinan con el conocimiento entrenado de las normas de circulación.
- Los chatbots y asistentes virtuales usan la conversación actual para dar respuestas relevantes.
- Los sistemas de recomendación de las aplicaciones de vídeo, música y compras aprenden de tu actividad reciente.
- La detección de fraudes compara una nueva transacción con tu patrón de gasto reciente.
- Las aplicaciones de navegación usan datos de tráfico recientes para sugerir rutas más rápidas.
- Modelos de reconocimiento de imágenes y rostros entrenados con grandes conjuntos de fotos.
- La previsión de la demanda usa las ventas recientes para predecir las necesidades de stock de la próxima semana; consulta analítica con IA.
Cómo funciona la IA de memoria limitada
Primero se entrena un modelo con un gran conjunto de datos del pasado. Cuando se ejecuta, también mantiene una memoria a corto plazo de las entradas recientes. No conserva esa memoria para siempre, y por eso se llama «limitada». Compárala con una máquina reactiva, que no tiene ninguna memoria.
Respuestas rápidas
¿ChatGPT es una IA de memoria limitada?
Los modelos de lenguaje de gran tamaño suelen clasificarse como IA de memoria limitada porque se entrenan con datos del pasado y usan la conversación actual como contexto a corto plazo.
¿Cuál es la diferencia entre la IA de memoria limitada y la IA de teoría de la mente?
La IA de memoria limitada usa datos recientes para tomar decisiones. La IA de teoría de la mente también entendería las creencias y las emociones humanas, algo que los sistemas actuales no hacen realmente. Consulta IA de teoría de la mente.
¿Pueden las empresas usar IA de memoria limitada?
Sí. Los chatbots de atención al cliente, la previsión y la búsqueda de documentos son IA de memoria limitada. Consulta nuestros servicios de desarrollo de IA.
