Archivo

Archive for 12 de abril de 2019

Aprendizaje Profundo (Deep Learning) vs. Aprendizaje Automático (Machine Learning): una explicación simple

12 de abril de 2019 Deja un comentario

¿Cuál es la diferencia entre Deep Learning vs Machine Learning? ¿Cómo son similares o diferentes entre sí? ¿Cómo benefician a los negocios? ¡Vamos a averiguarlo!

El Aprendizaje Automático y el Aprendizaje Profundo son dos subconjuntos de la Inteligencia Artificial que han atraído mucha atención en los últimos dos años. Si está buscando entender los términos de la manera más sencilla posible, no hay un mejor lugar para estar.

En primer lugar, echemos un vistazo a algunos datos y estadísticas interesantes sobre el Aprendizaje Profundo y el Aprendizaje Automático:

— Un especialista en Inteligencia Artificial de su personal le costará un salario neto equivalente a un Roll-Royce Ghost Series II del 2017, o incluso más. Los especialistas en IA pueden obtener una compensación alrededor de $ 300,000 a $ 500,000. (The New York Times).

— ¿Podría perder su trabajo por Inteligencia Artificial? Según un informe reciente de PwC, tal vez. Para la década de 2030, predicen que aproximadamente el 38% de todos los empleos en los Estados Unidos podrían ser sustituidos por tecnologías de Inteligencia Artificial y automatización.

 Heliograf, el escritor de Inteligencia Artificial de The Washington Post, creó aproximadamente 850 historias en el año 2016 durante los Juegos Olímpicos de Río y la elección presidencial de 2016. (The Washington Post).

— Para el año 2020, el 57% de los compradores de negocios dependerán únicamente de las empresas para saber qué necesitan antes de poder pedir algo. Significa que tener capacidades de predicción sólidas con Inteligencia Artificial será la clave para mantener a sus clientes. (Salesforce).

— El primer programa de Inteligencia Artificial, “The Logic Theorist”, fue creado en 1955 por Newell & Simon. (World Information Organization).

Los investigadores también predicen que para 2020, el 85% de las interacciones con los clientes se manejarán sin un humano. Eso es solo un año y algunos se van. (Gartner).

— El 80% de los ejecutivos cree que la Inteligencia Artificial aumenta la productividad. (The Motley Fool).

— El mercado de la Inteligencia Artificial o el Aprendizaje Automático crecerá a una industria de $ 5,05 mil millones para el año 2020. (The Motley Fool)

Espero que le gusten estas estadísticas. Ahora, si se queda conmigo por un tiempo, intentaré explicar cuál es realmente la diferencia entre el Aprendizaje Profundo frente al Aprendizaje Automático, y cómo puede aprovechar estos dos subconjuntos de la Inteligencia Artificial para nuevas y emocionantes oportunidades comerciales.

—————————————————————————————————————–

Aprendizaje Profundo vs Aprendizaje Automático

—————————————————————————————————————–

Antes de comenzar, espero que esté familiarizado con una comprensión básica de lo que significan los términos Aprendizaje Profundo (Deep Learning) y Aprendizaje Automático (Machine Learning). Si no es así, aquí hay un par de definiciones simples de Aprendizaje Profundo y Aprendizaje Automático para tontos, con perdón:

Aprendizaje automático para los principiantes:

Un subconjunto de la Inteligencia Artificial involucrado con la creación de algoritmos que pueden modificarse a sí mismos sin intervención humana para producir el resultado deseado, alimentándose a través de datos estructurados.

Aprendizaje Profundo para los principiantes:

Un subconjunto del Aprendizaje Automático en el que los algoritmos se crean y funcionan de manera similar a los del Aprendizaje Automático, pero existen numerosos niveles de estos algoritmos, cada uno de los cuales brinda una interpretación diferente de los datos de los que se alimenta. Dicha red de algoritmos se denomina redes neuronales artificiales, que se denominan de modo que su funcionamiento sea una inspiración, o se puede decir; un intento de imitar la función de las redes neuronales humanas presentes en el cerebro.

Traté de poner esas definiciones de la manera más simple posible, pero incluso si no le ayudó a distinguir las diferencias, aquí hay un ejemplo que lo hará.

Eche un vistazo a la imagen de arriba. Lo que verá es una colección de fotos de gatos y perros. Ahora, digamos que desea identificar las imágenes de perros y gatos por separado con la ayuda de los algoritmos del Aprendizaje Automático y las redes del Aprendizaje Profundo.

En matemáticas, lógica, ciencias de la computación y disciplinas relacionadas, un algoritmo ​ es un conjunto prescrito de instrucciones o reglas bien definidas, ordenadas y finitas que permiten llevar a cabo una actividad mediante pasos sucesivos que no generen dudas a quien deba hacer dicha actividad.​

Cabe mencionar por último que los algoritmos son muy importantes en la informática ya que permiten representar datos como secuencias de bits. Un programa es un algoritmo que indica a la computadora qué pasos específicos debe seguir para desarrollar una tarea.

Conceptos básicos del Aprendizaje Profundo frente al Aprendizaje Automático: cuando este problema se resuelve mediante el aprendizaje automático:

Para ayudar a que el algoritmo ML (Machine Learning) clasifique las imágenes de la colección de acuerdo con las dos categorías de perros y gatos, deberá presentar estas imágenes de manera colectiva. Pero, ¿cómo sabe el algoritmo cuál es cuál?

La respuesta a esta pregunta, como en la definición anterior de Aprendizaje Automático para principiantes, es información estructurada. Simplemente etiquete las imágenes de perros y gatos de una manera que definirá las características específicas de ambos animales. Estos datos serán suficientes para que el algoritmo del Aprendizaje Automático aprenda, y luego continuará trabajando en función de las etiquetas que entendió, y clasificará millones de otras imágenes de ambos animales según las características que aprendió a través de dichas etiquetas.

Aprendizaje Profundo frente a Aprendizaje Automático: cuando el problema se resuelve a través del Aprendizaje Profundo:

Las redes de Aprendizaje Profundo adoptarían un enfoque diferente para resolver este problema. La principal ventaja de las redes de Aprendizaje Profundo es que no necesariamente necesitan datos estructurados / etiquetados de las imágenes para clasificar a los dos animales. Las redes neuronales artificiales que usan el Aprendizaje Profundo envían la entrada (los datos de las imágenes) a través de diferentes capas de la red, y cada red define jerárquicamente las características específicas de las imágenes.

Esto es, de una manera similar a cómo nuestro cerebro humano trabaja para resolver problemas, pasando las consultas a través de varias jerarquías de conceptos y preguntas relacionadas para encontrar una respuesta.

Una vez que los datos se procesan a través de capas dentro de redes neuronales profundas, el sistema encuentra los identificadores adecuados para clasificar a los animales de sus imágenes.

Nota: Este es solo un ejemplo para ayudarle a comprender las diferencias en la forma en que funcionan los conceptos básicos del Aprendizaje Automático y las redes del Aprendizaje Profundo. Tanto el Aprendizaje Profundo como el Aprendizaje Automático no se aplican simultáneamente en la mayoría de los casos, incluido este. La razón de lo mismo se explicará más adelante a medida que lea.

En el Machine Learning hay que guiar a la máquina en cada una de las fases del proceso para que aprenda, a través de la práctica, a identificar lo que queremos de manera automática.

Entonces, en ese ejemplo, vimos que un algoritmo de Aprendizaje Automático requería datos etiquetados / estructurados para comprender las diferencias entre imágenes de perros y gatos, para aprender la clasificación y luego producir resultados.

Por otro lado, una red de Aprendizaje Profundo fue capaz de clasificar imágenes de ambos animales a través de los datos procesados ​​dentro de las capas de la red. No requirió ningún tipo de datos etiquetados / estructurados, ya que se basó en las diferentes salidas procesadas por cada capa que se amalgamaron para formar una forma unificada de clasificar las imágenes.

En el Deep Learning la máquina aprende por sí sola con cada nuevo input de información que recibe. Si en alguna ocasión emplea un dato equivocado, aprende del error.

————————————————————–

Que hemos aprendido aquí

————————————————————–

    1. La diferencia clave entre el Aprendizaje Profundo (Deep Learning) frente al Aprendizaje Automático (Machine Learning) se debe a la forma en que los datos se presentan al sistema. Los algoritmos del Aprendizaje Automático casi siempre requieren datos estructurados, mientras que las redes de Aprendizaje Profundo dependen de las capas de las redes neuronales artificiales (ANN).
    2. Los algoritmos de Aprendizaje Automático están diseñados para ‘aprender’ a hacer cosas mediante la comprensión de los datos etiquetados, y luego se utilizan para producir resultados adicionales con más conjuntos de datos. Sin embargo, deben volver a formarse a través de la intervención humana cuando la salida real no es la deseada.
    3. Las redes del Aprendizaje Profundo no requieren intervención humana ya que las capas anidadas en las redes neuronales colocan los datos a través de jerarquías de diferentes conceptos, que eventualmente aprenden a través de sus propios errores. Sin embargo, incluso estos están sujetos a resultados defectuosos si la calidad de los datos no es lo suficientemente buena.
    4. Los datos son el gobernador aquí. Es la calidad de los datos la que determina en última instancia la calidad del resultado, de ahí el valor del Big Data.

——————————————————————————————————————–

Lo que no vimos en el ejemplo, pero son puntos importantes a tener en cuenta:

——————————————————————————————————————–

      1. Dado que los algoritmos del Aprendizaje Automático requieren datos etiquetados, no son adecuados para resolver consultas complejas que involucran una gran cantidad de datos.
      2. Aunque en este caso, vimos la aplicación de redes del Aprendizaje Profundo para resolver una consulta menor como esta. La aplicación real de las redes neuronales del Aprendizaje Profundo está en una escala mucho mayor. De hecho, teniendo en cuenta la cantidad de capas, jerarquías y conceptos que procesan estas redes, solo son adecuadas para realizar cálculos complejos en lugar de simples.
      3. Ambos subconjuntos de la IA giran en torno a los datos para entregar realmente cualquier forma de ‘inteligencia’. Sin embargo, lo que se debe saber es que el Aprendizaje Profundo requiere muchos más datos que un algoritmo de Aprendizaje Automático tradicional. La razón de esto es que solo es capaz de identificar aristas (conceptos, diferencias) dentro de las capas de redes neuronales cuando se expone a más de un millón de puntos de datos. Los algoritmos del Aprendizaje Automático, por otro lado, pueden aprender a través de criterios definidos preprogramados.

Entonces, con el anterior ejemplo y la explicación posterior de los conceptos básicos del Aprendizaje Profundo frente al Aprendizaje Automático, espero que hayan entendido las diferencias entre ambos. Dado que estas son explicaciones simples, hago todo lo posible para no introducir términos técnicos que son en su mayoría incomprensibles para aquellos que buscan aprovechar las soluciones de la Inteligencia Artificial y el Aprendizaje Automático para su negocio.

Ahora es el momento de martillar el clavo final. ¿Cuándo debería utilizar realmente el Aprendizaje Profundo o el Aprendizaje Automático en su empresa?

¿Cuándo usar el Aprendizaje Profundo?

      • Si es una empresa con grandes cantidades de datos para derivar interpretaciones.
      • Si tiene que resolver problemas demasiado complejos para el Aprendizaje Automático.
      • Si puede gastar una gran cantidad de recursos y gastos computacionales para impulsar el hardware y el software para capacitar a las redes del Aprendizaje Profundo.

¿Cuándo utilizará el desarrollo del Aprendizaje Automático para su negocio?

      • Si tiene datos que se pueden estructurar y utilizar para entrenar algoritmos de Aprendizaje Automático.
      • Si está buscando aprovechar los beneficios de la IA para aumentar su ventaja frente a la competencia.
      • Las mejores soluciones de Aprendizaje Automático pueden ayudar en la automatización de varias operaciones comerciales, incluida la verificación de identidad, publicidad, mercadeo y recopilación de información, y ayudar a aprovechar grandes oportunidades para el futuro.

Terminando:

Espero que le guste este blog. Este blog definitivamente le ayudará a despejar todas sus dudas relacionadas con el Aprendizaje Profundo y el Aprendizaje Automático, además de otras cuestiones que tengan que ver con las nuevas tecnologías. Con el aumento de las diferentes tecnologías, las empresas hoy en día están buscando empresas de consultoría tecnológica para encontrar lo que es mejor para su negocio.

Puede pensar en el Aprendizaje Profundo (Deep Learning), el Aprendizaje Automático (Machine Learning) y la Inteligencia Artificial como un conjunto de muñecas rusas (MATRIOSKAS) anidadas una dentro de la otra, comenzando con las más pequeñas y ejercitándose. El Aprendizaje Profundo es un subconjunto del Aprendizaje Automático, y el Aprendizaje Automático es un subconjunto de la IA, que es un término general para cualquier programa de computadora que hace algo inteligente. En otras palabras, todo Aprendizaje Automático es IA, pero no toda IA es Aprendizaje Automático, etc.

El aumento de la Inteligencia Artificial también dará lugar a un aumento en los servicios de desarrollo de software inteligente, el desarrollo de aplicaciones IoT y los servicios de desarrollo de blockchain (ya hablaremos de este concepto más adelante). Hoy en día, los desarrolladores de software personalizados están aprendiendo nuevas formas de programación que están más inclinadas al Aprendizaje Profundo y al Aprendizaje Automático.

Si desea agregar algo en el artículo, mencione en el cuadro de comentarios y no olvide “aplaudir” o “criticar” y compartir el artículo si lo considera interesante. Esto me motivará a escribir más artículos informativos.

Artículos relacionados:

Las 10 mejores tendencias de Inteligencia Artificial en 2019

Cómo se conectan la Inteligencia Artificial y el Big Data

Big Data Significa Grandes Innovaciones

El Camino de un Data Scientist

El Futuro del Cloud Computing

¿Qué es Big Data?

¿Qué es la Inteligencia Artificial?

Productos y Servicios de Alibaba Cloud

Blockchain e IoT: una fusión que garantiza transacciones válidas y seguras

Infografía – Inteligencia Artificial y Aprendizaje Automático (Machine Learning) en la empresa

Anuncios
A %d blogueros les gusta esto: