Diferencia entre AI, ML y DL

Video

Puedes ver el video de este script acá: https://youtu.be/-d3ecbdEyPM

Este es uno de los temas que salen con más frecuencia en sesiones de preguntas y respuestas: ¿Cómo están relacionadas estas tres frases: Inteligencia Artificial, Machine Learning y las Redes Neuronales?

Comencemos por la definición de la inteligencia artificial: Es el intento de imitar la inteligencia humana realizado por un software implícita o explícitamente programado para dicha completar una tarea. Esto útlimo es en donde me parece que existe mucha confusión respecto a la inteligencia artificial.

Tienen que saber que las computadoras son tontas por naturaleza, y si tu computadora está funcionando es porque alguien la programó mediante un montón de instrucciones, incluyendo un montón de if-else. Por ejemplo, piensa en un cajero automático que recibe una petición para entregarte cierta cantidad de dinero de acuerdo a los billetes que tenga en su inventario. Esta inteligencia está artificialmente programada en el dispositivo, y de ahí viene el nombre de “inteligencia artificial”.

Por increíble que parezca, ese ejemplo, y muchas de las cosas que parecen cotidianas para cualquier desarrollador actualmente, son (o fueron consideradas en algún momento como) inteligencia artificial. Este es un fenómeno muy curioso conocido como The AI Effect o el efecto inteligencia artificial, el cual nos dice que una vez que algo se vuelve cotidiano, deja de ser considerado como IA…

Pero bueno, volviendo a nuestro ejemplo del cajero: Los ingenieros e ingenieras que diseñaron y programaron el cajero, desarrollaron un sistema basado en reglas, integrando todas las posibles combinaciones de billetes y cantidades posibles.

Ahora, si lo que se quiere hacer es introducir esta inteligencia artificial en una computadora sin necesariamente programar este conocimiento, estaríamos hablando ahora sí del famosísimo Machine Learning.

Un ejemplo de machine learning es un sistema que predice la demanda que un producto en el futuro al “aprender” de datos históricos (como las ventas pasadas), el contexto (como la época del año) y atributos del producto mismo. En este caso, el sistema no fue programado explícitamente con una fórmula matemática que cubre todos los casos posibles. El sistema “aprendió” a partir de la información histórica. Y de eso se trata el aprendizaje automático (sí, así es como yo traduciría machine learning al español).

El aprendizaje automático consiste en una rama de la ciencia computacional, que muchas veces se traslapa con el campo de la estadística inferencial, que consiste en programar computadoras para que su desempeño en una tarea específica mejore a partir de su experiencia al desempeñarse en dicha tarea.

Machine learning cubre modelos y algoritmos como el de la regresión lineal, las máquinas de vectores, los árboles de decisión y también... las redes neuronales.

Las redes neuronales forman parte de un subcampo del machine learning, y existen simplemente porque, mientras que los algoritmos “tradicionales” del aprendizaje automático son buenos para ciertas tareas, hay otros para los que no lo son. Muchas de estas tareas tienen que ver con el análisis de datos no estructurados, como el entender el género de una canción, determinar el sentimiento expresado en una opinión en internet o clasificar una imagen por el animal que aparece en ésta.

Pronto haré un video hablando más a detalle sobre las redes neuronales, pero a resumidas cuentas, son modelos de aprendizaje automático creados bajo la inspiración de nuestro entendimiento de cómo funciona el cerebro humano, en particular en la estructura de neuronas interconectadas y cómo es que se activan cada vez que reciben una señal.

Pero cabe decir que las redes neuronales simplemente se inspiraron un poco en el cerebro humano, puesto que nuestras neuronas no están organizadas en capas como en las redes neuronales. Es por eso que a veces podrás encontrar que a las redes neuronales, también se les conoce como redes neuronales ARTIFICIALES.

Y de nuevo, al ser parte del aprendizaje automático, no es necesario que programes todas las condiciones y operaciones dentro de la red, algoritmo se encargará de entrenar el modelo por ti mismo.

Si ya simplifiqué la definición de las redes neuronales, prepárate porque la definición que te voy a dar del aprendizaje profundo es también una simplificación: El aprendizaje profundo, también llamado deep learning, es básicamente una red neuronal más grande, en particular, con más capas que una red neuronal tradicional. Entonces, el deep learning es un subgrupo dentro de las redes neuronales.

Pero basta, creo que ya cubrí todos los términos que menciono en el título. Para recapitular:

La inteligencia artificial es una área encargada de dotar a las computadoras con inteligencia, el el machine learning es un área dentro de la inteligencia artificial que consiste en darle inteligencia a las computadoras sin programarla explícitamente, las redes neuronales son simplemente una de las áreas dentro del machine learning y el deep learning es una especialización de las redes neuronales. Como las capas de una cebolla, como Shrek!

Espero con esta definición ya todo haya quedado claro, y ahora sepas lo que significan estos términos y cómo es que se relacionan entre sí. Espero que este video te haya entretenido y te haya sido de utilidad, y si así fue, ya sabes, dale un me gusta y lo compartas con alguien más. Ya sabes, cualquier duda o comentario, me lo haces llegar por los comentarios de este video o a través de Twitter. Suscríbete si es que aún no lo has hecho para que no te pierdas más videos sobre ciencia de datos y, nos vemos la próxima.