Taxonomia dels models d'IA
La intel·ligència artificial no és un sol algorisme ni una única tècnica: és una família d'enfocaments que comparteixen l'objectiu de fer que les màquines resolguin problemes que tradicionalment requerien intel·ligència humana. Entendre la taxonomia dels models d'IA és fonamental per triar la solució adequada per a cada problema.
Aprenentatge supervisat
L'algoritme aprèn a partir d'un conjunt de dades etiquetades: per a cada entrada X, existeix una sortida Y coneguda. L'objectiu és aprendre la funció f(X) → Y que generalitzi bé a dades noves.
Problemes de regressió — la sortida és un valor continu: - Predicció del preu d'un habitatge - Previsió de demanda elèctrica - Estimació del temps d'entrega d'una comanda
Problemes de classificació — la sortida és una categoria discreta: - Detecció de spam (spam / no spam) - Diagnòstic mèdic (malalt / sa / tipus de malaltia) - Reconeixement facial
# Exemple: classificació amb scikit-learn
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)
print(f"Accuracy: {model.score(X_test, y_test):.2%}")
Aprenentatge no supervisat
No hi ha etiquetes. L'algoritme descobreix estructura oculta en les dades per si sol.
Clustering — agrupa exemples similars: - K-Means: particions esferiqes, cal especificar K - DBSCAN: detecta clústers de forma arbitrària i valors atípics - Hierarchical clustering: dendrograma, no cal especificar K a priori
Reducció de dimensionalitat — comprimeix la representació: - PCA (Principal Component Analysis): projecció lineal que maximitza la variança - t-SNE / UMAP: visualització no lineal de dades d'alta dimensió - Autoencoders: compressió neuronal (encoder → representació latent → decoder)
Cas d'ús real: Spotify usa clustering per agrupar usuaris amb gustos similars i alimentar el motor de recomanació Discover Weekly.
Aprenentatge per reforç
Un agent aprèn per interacció amb un entorn: pren accions, rep recompenses (positives o negatives) i ajusta la seva política per maximitzar la recompensa acumulada.
Components clau: - Agent: qui pren decisions - Entorn: el sistema amb el qual interactua - Estat (s): observació actual de l'entorn - Acció (a): decisió de l'agent - Recompensa (r): senyal de feedback - Política (π): estratègia de l'agent
graph LR
A[Agent] -->|Acció| E[Entorn]
E -->|Estat + Recompensa| A
E -->|Estat nou| AExemples reals 2024-2025: - AlphaGo / AlphaZero (DeepMind): supera els millors jugadors humans en Go, escacs i shogi - ChatGPT RLHF: el model base GPT es refina amb reforç per feedback humà (Reinforcement Learning from Human Feedback) - Robòtica: Boston Dynamics entrena els seus robots amb simulació + RL
Comparativa dels tres paradigmes
| Característica | Supervisat | No supervisat | Per reforç |
|---|---|---|---|
| Dades necessàries | Etiquetades | No etiquetades | Senyals de recompensa |
| Tasca típica | Classificació, regressió | Clustering, reducció | Control, jocs, robòtica |
| Interpretabilitat | Moderada | Baixa | Baixa |
| Dificultat d'entrenament | Moderada | Moderada | Alta |
| Exemples | Random Forest, SVM | K-Means, PCA | Q-Learning, PPO |
Miniactivitat — AC5071/02/01
Classifica cadascun dels sistemes següents en supervisat, no supervisat o per reforç. Justifica la resposta: a) Netflix recomana pel·lícules basant-se en l'historial d'un usuari sense saber quines li agradaran b) Un sistema detecta frau bancari marcat per analistes humans c) Un robot aprèn a caminar en una simulació física d) Google Fotos agrupa automàticament les fotos per persones sense que l'usuari etiqueti ningú