A nivel e la Inteligencia Artificial, no se trata de hacer magia sino de identificar patrones. En pocas palabras, se trata de automatizar el proceso de aprendizaje.
Hoy en día las unidades de procesamiento han llegado a un nivel de complejidad que les permite imitar el funcionamiento del sistema nervioso de un ser vivo creando una red neuronal artificial, para emular la capacidad de aprendizaje por capas que colaboran entre sí a fin de producir una respuesta a una determinada acción o estímulo del ambiente.
Pero, en resumidas cuentas, lo que hacen dichas redes neuronales es: establecer una serie de subdivisiones denominadas “células”, que se activan ejecutando una acción de transferencia de información entre cada una de las capas, generando así una respuesta determinada. Ese es el principio básico (así suene un poco complejo) bajo el cual los sistemas, después de una serie de interacciones con el ambiente, empiezan a establecer un modelo matemático que les permite entender su entorno y aprender de él por medio de algo conocido como #DeepLearning (#AprendizajeProfundo).
Todavía suena complicado, lo sé! En palabras simples se refiere a sistemas que pueden aprender a representar numéricamente objetos y/o acciones del mundo real, por medio de las variaciones en las condiciones captadas a través de diversos sensores (micrófonos, cámaras y otras cosas conectadas) para interpretar cosas como:
- La proximidad de un ser humano a un auto que se maneja solo,
- Una determinada acción que puede estar intentando ejecutar un ser humano al usar el sistema de entretenimiento de un automóvil, por medio de comandos de voz.
- Los usuarios de Facebook cada vez que cargan una imagen, reciben del sistema la sugerencia de etiquetar a ciertas personas de acuerdo con los rostros que aparecen en la fotografía. Ese proceso, que suena tan simple, es el resultado de un concepto de “aprendizaje profundo” (en inglés “Deep Learning”) en integración con “Big Data” .
- Los amantes de Netflix al inicio de la sesión y al terminar de ver una película, generalmente reciben una serie de sugerencias basadas en el análisis de las tendencias por perfil de usuario y sus relaciones, que también involucran en la ecuación “Deep Learning” + “Big Data”.
- Identificar celular cancerígenas en un tejido humano.
Los ejemplos del video anterior muestran diferentes aplicaciones del #DeepLearning o Aprendizaje Profundo que, pueden no ser perfectos pero, seguramente, van a ayudar a los humanos a automatizar y mejorar algunos procesos importantes para mejorar la calidad de vida.
¿Cuál es la relación entre el Aprendizaje de Máquina #MachineLearning y el Aprendizaje Profundo #DeepLearning?
Aunque el Aprendizaje de Máquina o #MachineLearning no es nada nuevo (llevamos años hablando del tema), el poder entrenar a una máquina para que ejecute una tarea determinada por medio de una red neuronal (prácticamente sin, o con muy poca, intervención humana) es lo que lleva a ese aprendizaje a algo más especifico y profundo, conocido como #DeepLearning que, requiere el análisis de cantidades exhorbitantes de data para eliminar las fluctuaciones y generar interpretaciones de calidad.
¿Cómo aprende la Inteligencia Artificial?
Definitivamente las máquinas aprenden de diversas formas pero, la gran mayoría parten de 3 tipos de aprendizaje:
- Supervisado,
- Sin supervisión
- Aprendizaje reforzado
Los casos de uso de cada tipo de aprendizaje son diferentes y es difícil afirmar que uno es mejor que el otro pero, señor lector, si tiene 5 minutos más para dar un paseo rápido por el camino del aprendizaje a nivel de la Inteligencia Artificial, lo mejor visualizar el siguiente video con la mente abierta y un buen café (nadie lo va a culpar si necesita parar, retroceder y/o verlo varias veces). Seguramente, este será el abrebocas de toda una serie de artículos al respecto en TECHcetera.
