Los modelos discriminativos de IA aparecieron antes que los LLMs (large language models) tal como ChatGPT de OpenAI y modelos de generación de imágenes, como las soluciones de Stability AI.
Desde que el término “inteligencia artificial” fue enunciado por John
McCarthy en 1955, los modelos discriminativos han dado resultados satisfactorios, especialmente en los últimos 15 años.
La IA discriminativa se centra en algoritmos que aprenden a «separar» diferentes clases de datos.
Reconocen patrones y características únicos de cada clase, con el objetivo de vincular características de los datos de entrada con etiquetas/categorías para
la salida.
De esta manera, pueden clasificar de manera eficaz las instancias en grupos predefinidos, lo que facilita distinguir una clase de otro.
La IA discriminatoria ha encontrado aplicaciones en varios dominios, incluidos el «procesamiento natural del lenguaje», recomendaciones/sugerencias y la visión informática.
En el campo del procesamiento natural del lenguaje, la IA discriminativa se utiliza para clasificar texto en diferentes categorías, como el análisis de sentimiento.
En el ámbito de las recomendaciones se utiliza para predecir las preferencias del usuario y personalizarlas, por ejemplo recomendaciones de productos.
En visión por computadora se utiliza para reconocer objetos y clasificar imágenes en función de su contenido.
Las aplicaciones de la IA discriminativa son amplias y su impacto en diversas industrias es significativo.
Al observar las aplicaciones existentes, la IA discriminativa tiene cinco tareas principales: clasificación, regresión, agrupamiento, reducción de las dimensiones y refuerzo del aprendizaje.
De estas funciones de «separar datos en categorías» surge el término “discriminativo” y se vuelve evidente lo que significa en el contexto de la IA.
En pocas palabras, de una forma u otra, esta parte de la IA decide, seleccionar, distinguir o diferenciar datos de cualquier problema.
Mg. en Ing. Carlos Gerardo Said
