La programación tradicional y la Inteligencia Artificial (IA) son dos enfoques diferentes para la construcción de software. Mientras que la programación tradicional utiliza reglas lógicas y decisiones predefinidas según el contexto de lo que estamos programando, la IA se basa en el aprendizaje automático y la capacidad de aprender con nuevos datos.
fuente imagen: oga.ai
La programación tradicional es adecuada para tareas específicas y bien definidas, como la resolución de problemas matemáticos o la ejecución de tareas repetitivas.
Los programas tradicionales se basan en un conjunto de instrucciones específicas que se escriben o codifican y se ejecutan en un orden determinado.
En cambio la IA utiliza algoritmos de aprendizaje automático que permiten que los sistemas aprendan y se adapten a nuevos escenarios a medida que se les presenta información adicional.
Como se presenta en la imagen anterior, un programa tradicional cuenta con una reglas de negocio establecidas según el propósito que estamos buscando, contiene información de entrada (histórico de datos) y esta se procesa de acuerdo a las reglas y nos arroja un resultado.
Por el otro lado, un proyecto de IA contiene datos de entrenamiento, que validará si nuestro modelo es bueno, la cual basado en datos históricos se le ha enseñado a través de decisiones o etiquetas para que tenga un marco de referencia en el momento que procese nueva información y pueda arrojar igualmente un resultado.
Entonces, la gran diferencia radica principalmente en que en el modelo de programación tradicional sino está contemplado el caso o los datos de entrada en alguna regla de negocio, el programa podría arrojarnos un error, o el programa podría bloquearse, por lo que un programador debería incluir cada vez una nueva regla de negocio a medida que encuentre nuevos casos. Mientras que en el programa de IA con algoritmos de aprendizaje automático permite que los sistemas aprendan y se adapten a nuevas situaciones a medida que se les presenta información adicional, entran en juego otro tipo de características como la precision y exactitud que veremos en otro post.
Esto significa que los sistemas de IA pueden hacer predicciones y tomar decisiones en función de datos y patrones, sin necesidad de programación específica para cada escenario.
Veamos con un ejemplo las diferencias de estos dos tipos:
Imagina que te han contratado para desarrollar un programa de prevención de fraude en tiempo real para una compañia financiera. Si decidieras realizarla con programación tradicional, seguramente tendrás que programar todos los escenarios posibles que conozcas de cómo una persona puede realizar un fraude, es decir las reglas del negocio. Si revisamos algunas opciones de esos posibles escenarios podremos encontrar 50 o 100 o 200 reglas a programar, estas reglas son variables que pueden estar correlacionadas, esto quiere decir que tu program tendría miles de IF anidados (si esto entonces esto) y la tarea sería prácticamente imposible y bastante ineficiente.
En cambio con la utilización de un modelo de aprendizaje automático de IA, estos pueden procesar grandes volúmenes de información o variables correlacionadas y adicional cada vez aprender de un nuevo dato que pueda comportarse como un patrón entre los que delinquen, para que nuestro programa pueda ser más predictivo y efectivo para esta compañia.
En resumen, mientras que la programación tradicional es adecuada para tareas específicas y bien definidas, la IA es mejor para tareas más complejas y que requieren una adaptabilidad a nuevos datos. La IA tiene el potencial de revolucionar muchos aspectos de la vida cotidiana y de los negocios, pero también debe ser utilizada de manera responsable y consciente de sus limitaciones.