Machine Learning vs Deep Learning, ¿qué son? ¿Cómo funcionan?

¡Hola Nitroamig@s! Seguimos una semana más con vosotros, y ahora toca hablar de algo muy interesante. En cuanto se oyen estos términos automáticamente nos explota el cerebro, pero hoy os los vamos a explicar de forma rápida y sencilla. Machine Learning vs Deep Learning, ¿qué son? ¿Cómo funcionan?

¡Vamos a verlo!

Mindblow Mind Explosion GIF - Mindblow Mind Explosion Mind Blown - Descubre & Comparte GIFs

Inteligencia Artificial

Los robots inteligentes y las ramas híbridas de estas con humanos como los androides y cyborgs llevan acompañándonos mucho tiempo en la literatura y el cine. No obstante, fue en la década de 1950 cuando se empezaron a crear las primeras inteligencias artificiales.

Eran ordenadores enormes a la par que primitivos, y se experimentaba con ellos para ver si podían llegar a superar la mente humana. De aquellos intentos recordamos las competiciones para ver quién resolvía antes problemas matemáticos, o las ya famosas partidas de ajedrez que nos dejaban boquiabiertos.

Al fin y al cabo, una inteligencia artificial se podría resumir en una máquina creada para imitar el comportamiento humano o emular nuestra forma de pensar. Claro está, supone una visión muy limitada, ya que la máquina no podía ir más allá que lo que sus creadores le dejaban o eran capaces de discernir.

Una vez que los humanos nos resignamos al casi infinito potencial de las IA, comenzamos a dar pasos de gigante. Actualmente, y en los últimos 10 años, no solo la tecnología de estas ha aumentado. Se trata del "libre albedrío" que se les está dando para que aprendan, lo cual nos ha hecho avanzar décadas en este campo.

Machine Learning vs Deep Learning

Lo primero que hay que aclarar, es que no son sistemas enfrentados. Ponemos nuestro clásico "vs" por la serie del blog, pero realmente no es ninguna competición. De hecho, el Deep Learning es una evolución del Machine Learning. Digamos que es el siguiente salto que debían dar las inteligencias artificiales para ser más eficientes.

Así pues, os comentamos de forma sencilla en qué consisten cada uno.

Machine Learning

Se trata de un compendio de algoritmos matemáticos cuya función es conseguir una inteligencia artificial funcional. Es decir, se juntan miles, o millones de datos concretos que interesan que tenga la IA y se conectan entre sí, como un árbol con millones de ramas. La IA, creada con toda esta información, usará sus datos para tomar una decisión "lógica", tal y como haría una persona.

Esperamos que con este dibujo os ayude un poco más a comprenderlo. No se trata de leer todo lo que pone ahí, sino que veáis un tipo de estructura que puede tener el sistema de aprendizaje de una IA. Con todas estas variantes y datos, cuando se le presente un problema, la IA usará toda esta información para lograr una solución con la información de la que dispone.

Ejemplo y limitaciones

¿Queréis un ejemplo? Vamos a imaginar que quieres crear una IA que detecte coches y sepa diferenciarlo de las personas. Tendrás que crear una base de datos con miles y miles de imágenes de coches y de personas indicándole cuál es cuál y por qué lo es. Además, tendrás que dar detalles diferenciadores de uno y otro. Por ejemplo, los coches tienen ruedas negras y redondas, mientras que las personas, no. De esta forma, tras analizar miles de fotos, aprenderá a diferenciar qué es un coche de una persona.

Ahora bien, ¿y si le pones una foto de una persona yendo en una bicicleta o en una moto? ¿Y si pones una foto de una persona que usa una silla de ruedas? Si no has dado pautas muy claras a tu IA, cometerá errores de identificación en situaciones concretas. Aunque acierte un 96% de las veces, fallar ese 4% puede ser un problema. Si queréis saber lo desastroso que puede resultar una IA poco pulida, podéis leer lo que le sucedió a Microsoft.

Es por múltiples limitaciones educacionales que se desarrolló el nuevo sistema, el Deep Learning.

Deep Learning

Este sí es un poco más complicado de explicar, pero es igual de fácil de entender. Si el Machine Learning se asemeja a un árbol, el Deep Learning sería una fusión entre una telaraña y un rascacielos. Decenas, o cientos de pisos, y en cada uno de ellos una enorme tela de araña. Esto es así porque ya no solo se trata de imitar el razonamiento humano, sino la estructura de nuestro cerebro. Por esta razón se crean las llamadas "redes neuronales" con las que ahora trabajan las IA más avanzadas.

Cortocircuito datos, más datos! animated gif

No se trata solamente de darles la información como en el caso anterior, sino que ya no hace falta decirle las diferencias entre una persona y un coche. La IA, tras ver millones de fotos, sabrá por sí misma, sin que le digamos nada, diferenciarlos correctamente. Con esto se busca conseguir que la IA tenga su propia percepción e instinto. Por ejemplo, verá que todos los humanos tienen nariz, mientras que los coches no.

Gracias a estos avances, se intenta que la máquina sea capaz de tener creatividad propia, así como "sentimientos". Y es en esto último donde más existe la dificultad.

Ejemplo y limitaciones

En cuanto a las limitaciones, lamentablemente las únicas que tiene son las que le ponen los humanos. Es decir, al tratar de darle una ética y moral subjetivas a gusto de los autores, la IA tendrá perspectivas condicionadas por estos. El hecho de que una IA alcance una inteligencia tan desarrollada que no se pueda controlar, es un temor más que fundamentado y que hasta ha señalado la ONU.

El ejemplo más clásico es el de las decenas y decenas de novelas y películas en las que las máquinas llegan a la conclusión de que lo mejor para salvar el planeta es acabar con los humanos. También se dice que cuando una máquina sea capaz de fabricar a otras máquinas y dirigirlas, acabaría por desacatar la producción controlada. Otra de las teorías es que podría darse la situación en que la IA, simplemente, ignorase las órdenes humanas.

Conclusiones

Sabemos que este tema, simplemente leído, puede resultar un tanto complicado. Aunque lo hemos simplificado tanto como ha sido posible, siempre decimos eso de: "más vale un vídeo que 1.000 palabras". Os dejamos con un excelente vídeo del canal de divulgación informática y tecnológica DOT CSV. Con él terminaréis de entender los conceptos y definiciones que hemos tratado durante esta entrada.

Recordad que sacamos entradas así de interesantes todas las semanas, y que podéis seguirnos en las redes sociales.

¡Un nitrosaludo a todos!

Si continuas navegando estás aceptando nuestra política de cookies