1.3 - Inteligencia Artificial vs. Machine Learning vs. Deep Learning
Lección 3 de la sección “Introducción al Deep Learning” del curso Fundamentos de Deep Learning con Python.
Tabla de contenido
Introducción
En la lección anterior vimos una idea detallada de los principales elementos de un sistema de Machine y Deep Learning. En esta lección haremos una clara distinción entre tres conceptos que a veces suelen confundirse: la Inteligencia Artificial, el Machine Learning y el Deep Learning.
Suscríbete para tener acceso al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
La Inteligencia Artificial
La Inteligencia Artificial, más que una técnica, es un concepto: lograr que las máquinas posean las mismas características de la inteligencia humana. Por tratarse de un término amplio (como lo es la “inteligencia humana”), se han desarrollado son tecnologías capaces de realizar tareas específicas, a un nivel igual o superior al del ser humano. Ejemplos de estas tareas específicas son por ejemplo en las áreas de visión por computador y el procesamiento del lenguaje natural.
El Machine Learning
El Machine Learning es el conjunto de técnicas capaces de desarrollar algunas de las tareas específicas mencionadas anteriormente. Como vimos, el Machine Learning permite desarrollar modelos capaces de aprender de los datos.
Un ejemplo de un sistema de Machine Learning es la detección de fraudes, en donde se extraen ciertas características de los datos de los usuarios y de los patrones de uso de los productos para de esta forma entrenar un modelo que aprenda a determinar si un dato en particular corresponde a una transacción fraudulenta o no.
En el ejemplo anterior tenemos una fase que requiere la intervención humana, que corresponde precisamente a la extracción de características. Y este elemento de intervención humana es lo que caracteriza al Machine Learning.
El Deep Learning
Pero existen problemas más complejos que la detección de fraudes analizada anteriormente. Un ejemplo de este tipo de situaciones es el reconocimiento facial, en donde se busca verificar la identidad de una persona de manera confiable a partir del procesamiento de la imagen de su rostro, permitiendo así su acceso por ejemplo a una plataforma digital, independientemente de las condiciones de iluminación, de la pose o de los accesorios que pueda estar usando, entre otros.
En este caso el Machine Learning convencional no funciona y es acá donde aparece el Deep Learning, una sub-área del Machine Learning en donde se elimina la intervención humana en esa etapa de extracción de características. Lo anterior se logra con las neuronas artificiales, que al ser combinadas de diferentes formas generan modelos capaces de procesar datos muy complejos, como audio, imágenes y videos.
En este curso nos enfocaremos precisamente en este tipo de modelos de Deep Learning.
Recuerda suscribirte para acceder al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Conclusión
En resumen, el Deep Learning es una sub-área del Machine Learning, que a su vez es una sub-área de la Inteligencia Artificial.
En el Deep Learning tendremos modelos capaces de aprender de los datos con mínima intervención humana y con resultados espectaculares que incluso superan muchas veces el desempeño humano.
En la próxima lección veremos entonces cuál ha sido la evolución del Deep Learning y algunos casos de éxito.