Actualidade

« Atrás

Machine Learning e Deep Learning, como diferencialos

Data:  venres, 14 de febreiro de 2020

É raro o día en que non vemos unha noticia relacionada coa Intelixencia Artificial. Termos como Machine Learning ou Deep Learning están á orde do día e, con este artigo, imos tentar aclarar que é cada un destes termos.
 
Nos 50, un grupo de enxeñeiros e informáticos propuxéronse crear máquinas cun comportamento similar á intelixencia humana. En 1956, reúnense na primeira Conferencia de Intelixencia Artificial e nace así un novo campo da ciencia, a Intelixencia Artificial ou AI.
 
Nos 60 e 70, chegaron a crear máquinas que xogaban ás damas, que resolvían problemas algebraicos, pero déronse conta de que chegar a esa utopía, a de crear unha intelixencia artificial equiparable á humana era unha tarefa complicada.
 
Nos 80, comézanse a usar técnicas de Aprendizaxe Baseada en Experiencias facendo que un computador analizase información e fose capaz de descartar datos sen relevancia.
 
Nos 90, os novos algoritmos analizan grandes cantidades de datos e son capaces de sacar conclusións e aprender do resultado.
 
A creación de algoritmos evoluciona ata principios do século XXI, de maneira que xa son capaces de analizar datos, aprender diso e ofrecer unha predición. A esta técnica denomínaselle Machine Learning. Por tanto, con técnicas de Machine Learning, un algoritmo é capaz de aprender a facer unha tarefa sen necesidade dun programador, establecer as súas regras e aprender por si mesmo. O obxectivo é crear un modelo que nos permita resolver un problema, o cal se adestra cunha gran cantidade de datos e aprende destes e, como saída, é capaz de facer unha predición, ofrecer unha solución ao problema… 
 
Desta forma, son capaces de recoñecer un obxecto nunha imaxe, entender un discurso, Facebook é capaz de identificar a unha persoa pola súa cara, Netflix de facer a recomendación do que vas ver e Google recomendarche un produto segundo os teus gustos. Segundo a tarefa para realizar será máis adecuado utilizar un algoritmo ou outro. Algúns dos algoritmos máis usados en Machine Learning son as árbores de decisión, programación lóxica inductiva, o clustering ou as redes Bayesianas entre outros.
 
 
 
A partir de 2010, empézanse a utilizar algoritmos de alto nivel. Caracterízanse porque tratan de imitar o funcionamento da rede neuronal do cerebro humano, cun desenvolvemento bastante complexo. Están compostas por capas por onde transcorren os datos secuencialmente e nas que se aplica unha serie de regras de aprendizaxe, os resultados compáranse co resultado obxectivo e, se é necesario, vanse axustando os parámetros ata chegar a un resultado correcto; esta técnica denomínase Deep Learning. Os chatboots e os servizos avanzados de tradución usan Deep Learning e Google usa este tipo de algoritmos, por exemplo, para as procuras por imaxe.
 
 
Como conclusión, podemos dicir que Machine Learning é unha "rama" do campo da ciencia denominado Intelixencia Artificial e Deep Learning é unha técnica dentro de Machine Learning.
As dúas perseguen o mesmo obxectivo, que é o desenvolvemento de técnicas que permiten ás máquinas aprender por si mesmas e resolver tarefas, pero cunha diferenza principal, en Deep Learning o nivel de aprendizaxe é moito máis detallado debido ao modo en que se implementa ese algoritmo de rede neuronal artificial.
 
 
 
 
 
Manuel Freire
Asesor Tic SmartPeme

Fonte:  SmartPeme