El deep learning y el machine learning (aprendizaje profundo y aprendizaje automático) son términos bastante populares en el mundo de la tecnología y exclusivos del campo de la inteligencia artificial. Pero no se trata de algo nuevo, sino que se remonta a la década de los ochentas en los laboratorios de las universidades y empresas tecnológicas del primer mundo.
En principio, estos métodos de aprendizaje trabajan con el reconocimiento de patrones en medio de un ambiente donde los datos se presentan con aleatoriedad. Si nos ponemos como ejemplo a nosotros los humanos, es nuestra capacidad para diferenciar las letras o números escritos sobre un papel, a pesar de que cada persona use una caligrafía muy diferente para expresar cierto caracter.
La informática tradicional tiene un enfoque muy cuadriculado para trabajar. Si lo relacionamos con el ejemplo que acabamos de brindar, reconocería la letra X solo si se le presentan dos diagonales perfectamente cruzados por sus mitades. No obstante, gracias a la inteligencia artificial la letra será reconocida independientemente de si fue escrita de forma asimétrica o defectuosa, porque el único patrón que importa para que una X sea tal, es que dos líneas diagonales se crucen entre sí.
Aunque a simple vista este reconocimiento sea absurdo por tratarse de un trabajo que podemos hacer desde muy pequeños, para que una maquina pueda efectuarlo se necesitan algoritmos complejos que repliquen la estructura neuronal del cerebro. La idea es hacer que una maquina sea capaz de aprender por sí misma.
La información que las diversas situaciones mundanas proporcionan son demasiado amplias y ofrecen una infinidad de combinaciones, por lo que sería demencial e imposible programar a una maquina que pueda predecir todo. Es necesario que el sistema sea capaz de reprogramarse usando los datos recogidos por experiencias previas y así hacerse cada vez más sofisticado, tal como hacemos nosotros los humanos a lo largo de nuestra vida.
La ventaja con las maquinas es que ellas tienen el potencial de madurar y aprender en tiempos extremadamente veloces, con lo que son capaces de manejar una mayor cantidad de datos y realizar ciertas tareas de un modo mucho más eficiente que la gente de carne y hueso. De ahí que uno de los grandes temores sea la desaparición de la mayoría de empleos en el futuro.
¿Qué diferencia hay entre deep learning y machine learning?
Aunque ambos conceptos parten de lo mismo, la realidad es que el primero es mucho más amplio. Mientras que el machine learning identifica patrones y se nutre tras cada nueva experiencia, el deep learning también arroja datos ponderados que nos muestran márgenes de error (cuya idea es reducir cada vez más).
Por ejemplo, el machine learning reconoce a un ratón por sus características, pero el deep learning también da a conocer de forma porcentual qué posibilidades existen de que el animal sea otro tipo de roedor. El aprendizaje profundo trabaja con capas de información, cada una más detallada que la anterior, con el objetivo de reducir el margen de error al mínimo posible.
weibo.com
¿Qué diferencia hay entre deep learning y machine learning?
Aunque ambos conceptos parten de lo mismo, la realidad es que el primero es mucho más amplio. Mientras que el machine learning identifica patrones y se nutre tras cada nueva experiencia, el deep learning también arroja datos ponderados que nos muestran márgenes de error (cuya idea es reducir cada vez más).
Por ejemplo, el machine learning reconoce a un ratón por sus características, pero el deep learning también da a conocer de forma porcentual qué posibilidades existen de que el animal sea otro tipo de roedor. El aprendizaje profundo trabaja con capas de información, cada una más detallada que la anterior, con el objetivo de reducir el margen de error al mínimo posible.
Comentarios
Publicar un comentario