Cuando nos embarcamos en el mundo de la ciencia de datos es normal que al principio nos quedemos atrapados en la confusión de diferenciar la inteligencia artificial (AI) frente al aprendizaje automático (ML) y al aprendizaje profundo (DL).
Aunque las tres terminologías generalmente se usan indistintamente, no se refieren exactamente a las mismas cosas.
Andrey Bulezyuk , experto en informática con sede en Alemania y con más de cinco años de experiencia enseñando a las personas cómo funcionan los sistemas de inteligencia artificial, dice que “los profesionales en este campo pueden articular claramente las diferencias entre los tres términos estrechamente relacionados”.
Por lo tanto, ¿hay alguna diferencia entre inteligencia artificial, aprendizaje automático y aprendizaje profundo?
Como puede ver en la imagen de abajo con los tres círculos, DL es un subconjunto de ML, que a su vez es también un subconjunto de AI.
Distintos campos y alcances de aplicación del AI, ML y DL. Robert F. Dickerson (2018).
Por lo tanto, la IA es el concepto general que estalló inicialmente, luego fue seguido por ML que prosperó más tarde, y finalmente DL que promete escalar los avances de la IA a otro nivel.
Profundicemos para que pueda comprender cuál es mejor para su caso de uso específico: inteligencia artificial, aprendizaje automático o aprendizaje profundo.
¿Qué es la inteligencia artificial?
Como su nombre lo indica, la inteligencia artificial se puede interpretar libremente como la incorporación de la inteligencia humana a las máquinas.
La inteligencia artificial es el concepto más amplio que consiste en todo, desde una buena IA antigua (GOFAI) hasta tecnologías futuristas como el aprendizaje profundo.
Cada vez que una máquina completa tareas basadas en un conjunto de reglas estipuladas que resuelven problemas (algoritmos), tal comportamiento “inteligente” es lo que se llama inteligencia artificial.
Por ejemplo, tales máquinas pueden mover y manipular objetos, reconocer si alguien ha levantado la mano o resolver otros problemas.
Las máquinas con IA generalmente se clasifican en dos grupos: generales y estrechas. Las máquinas de inteligencia artificial generales de inteligencia artificial pueden resolver problemas de manera inteligente, como las mencionadas anteriormente.
Las máquinas de inteligencia artificial estrecha pueden realizar tareas específicas muy bien, a veces mejor que los humanos, aunque tienen un alcance limitado.
La tecnología utilizada para clasificar imágenes en Pinterest es un ejemplo de IA estrecha.
¿Qué es el aprendizaje automático (ML)?
Como su nombre lo indica, ML se puede interpretar libremente para significar potenciar los sistemas informáticos con la capacidad de “aprender”.
La intención de ML es permitir que las máquinas aprendan por sí mismas utilizando los datos proporcionados y hagan predicciones precisas.
ML es un subconjunto de inteligencia artificial; de hecho, es simplemente una técnica para realizar IA. Es un método de entrenamiento de algoritmos para que puedan aprender a tomar decisiones.
La capacitación en aprendizaje automático implica proporcionar muchos datos al algoritmo y permitirle aprender más sobre la información procesada.
¿Qué es el aprendizaje profundo (DL)?
Como se mencionó anteriormente, el aprendizaje profundo es un subconjunto de ML; de hecho, es simplemente una técnica para realizar el aprendizaje automático. En otras palabras, DL es la próxima evolución del aprendizaje automático.
Los algoritmos DL están más o menos inspirados por los patrones de procesamiento de información encontrados en el cerebro humano. Al igual que usamos nuestros cerebros para identificar patrones y clasificar varios tipos de información, se pueden enseñar algoritmos de aprendizaje profundo para realizar las mismas tareas para las máquinas.
El cerebro generalmente trata de descifrar la información que recibe. Lo logra a través del etiquetado y la asignación de los elementos en varias categorías.
Cada vez que recibimos una nueva información, el cerebro intenta compararla con un elemento conocido antes de darle sentido, que es el mismo concepto que emplean los algoritmos de aprendizaje profundo.
Por ejemplo, las redes neuronales artificiales (ANN) son un tipo de algoritmos que tienen como objetivo imitar la forma en que nuestros cerebros toman decisiones.Comparar el aprendizaje profundo con el aprendizaje automático puede ayudarlo a comprender sus sutiles diferencias.
Por ejemplo, mientras que DL puede descubrir automáticamente las características que se utilizarán para la clasificación, ML requiere que estas características se proporcionen manualmente.
Además, en contraste con ML, DL necesita máquinas de alta gama y cantidades considerablemente grandes de datos de entrenamiento para entregar resultados precisos.
Espero les haya gustado esta entrega.
Hasta la próxima.
Fuente:
Javier Blanco, J. B. (2019, 22 septiembre). Aclarando t̩rminos: AI, Machine Learning y Deep Learning РAgencia 6 Noticias. Recuperado 23 septiembre, 2019, de https://agencia6.com/index.php/2019/09/22/aclarando-terminos-ai-machine-learning-y-deep-learning/