Actualidad

« Atrás

Machine Learning y Deep Learning, cómo diferenciarlos

Fecha:  viernes, 14 de febrero de 2020

Es raro el día en que no vemos una noticia relacionada con la Inteligencia Artificial. Términos como Machine Learning o Deep Learning están a la orden del día y, con este artículo, vamos a intentar aclarar qué es cada uno de estos términos.
 
En los 50, un grupo de ingenieros e informáticos se propusieron crear máquinas con un comportamiento similar a la inteligencia humana. En 1956, se reúnen en la primera Conferencia de Inteligencia Artificial y nace así un nuevo campo de la ciencia, la Inteligencia Artificial o AI.
 
En los 60 y 70, llegaron a crear máquinas que jugaban a las damas, que resolvían problemas algebraicos, pero se dieron cuenta de que llegar a esa utopía, la de crear una inteligencia artificial equiparable a la humana era una tarea complicada.
 
En los 80, se comienzan a usar técnicas de Aprendizaje Basado en Experiencias haciendo que un ordenador analizase información y fuese capaz de descartar datos sin relevancia.
 
En los 90, los nuevos algoritmos analizan grandes cantidades de datos y son capaces de sacar conclusiones y aprender del resultado.
 
La creación de algoritmos evoluciona hasta principios del siglo XXI, de manera que ya son capaces de analizar datos, aprender de ello y ofrecer una predicción. A esta técnica se le denomina Machine Learning. Por tanto, con técnicas de Machine Learning, un algoritmo es capaz de aprender a hacer una tarea sin necesidad de un programador, establecer sus reglas y aprender por sí mismo. El objetivo es crear un modelo que nos permita resolver un problema, el cual se entrena con una gran cantidad de datos y aprende de estos y, como salida, es capaz de hacer una predicción, ofrecer una solución al problema… 
 
De esta forma, son capaces de reconocer un objeto en una imagen, entender un discurso, Facebook es capaz de identificar a una persona por su cara, Netflix de hacer la recomendación de lo que vas a ver y Google recomendarte un producto según tus gustos. Según la tarea a realizar será más adecuado utilizar un algoritmo u otro. Algunos de los algoritmos más usados en Machine Learning son los árboles de decisión, programación lógica inductiva, el clustering o las redes Bayesianas entre otros.
 
 
A partir de 2010, se empiezan a utilizar algoritmos de alto nivel. Se caracterizan porque tratan de imitar el funcionamiento la red neuronal del cerebro humano, con un desarrollo bastante complejo. Están compuestas por capas por donde transcurren los datos secuencialmente y en las que se aplica una serie de reglas de aprendizaje, los resultados se comparan con el resultado objetivo y, si es necesario, se van ajustando los parámetros hasta llegar a un resultado correcto; esta técnica se denomina Deep Learning. Los chatboots y los servicios avanzados de traducción usan Deep Learning y Google usa este tipo de algoritmos, por ejemplo, para las búsquedas por imagen.
 
 
Como conclusión, podemos decir que Machine Learning es una "rama" del campo de la ciencia denominado Inteligencia Artificial y Deep Learning es una técnica dentro de Machine Learning.
Las dos persiguen el mismo objetivo, que es el desarrollo de técnicas que permiten a las máquinas aprender por sí mismas y resolver tareas, pero con una diferencia principal, en Deep Learning el nivel de aprendizaje es mucho más detallado debido al modo en que se implementa ese algoritmo de red neuronal artificial.
 
 
 
 
Manuel Freire
Asesor Tic SmartPeme

Fuente:  SmartPeme