{"id":4927,"date":"2016-12-12T19:44:20","date_gmt":"2016-12-12T19:44:20","guid":{"rendered":"http:\/\/www.abrima.com\/blog\/?p=4927"},"modified":"2016-12-12T19:44:20","modified_gmt":"2016-12-12T19:44:20","slug":"diferencia-deep-learning-inteligencia-artificial-machine-learning","status":"publish","type":"post","link":"https:\/\/www.abrima.com\/blog\/diferencia-deep-learning-inteligencia-artificial-machine-learning\/","title":{"rendered":"\u00bfQu\u00e9 diferencia hay entre Deep Learning, Inteligencia Artificial y Machine Learning?"},"content":{"rendered":"

\"diferencias-entre-inteligencia-artificial-machine-learning-y-deep-learning\"<\/p>\n

\u00daltimamente, y m\u00e1s en estas fechas que\u00a0los informes con las tendencias del a\u00f1o que viene proliferan<\/a>, estamos oyendo (y leyendo) mucho acerca de las consecuencias que la rob\u00f3tica<\/a> y la inteligencia artificial traer\u00e1n a nuestras vidas<\/strong>, tanto en el \u00e1mbito personal como profesional.<\/p>\n

En medio de tanto ruido\u00a0es f\u00e1cil encontrar tecnicismos que se confunden f\u00e1cilmente: Machine Learning (ML), Deep Learning, Big Data o la propia Inteligencia Artificial (IA)<\/strong>\u2026 Tecnolog\u00edas que se entremezclan unas con otras en los an\u00e1lisis predictivos o cuando un texto describe sus aplicaciones m\u00e1s recientes, pero\u00a0que\u00a0a menudo\u00a0se emplean err\u00f3neamente como si fueran equivalentes.<\/strong><\/p>\n

Cierto es que todas tienen relaci\u00f3n, pues\u00a0se basan en el procesamiento de datos en grandes cantidades (Big Data)<\/a><\/strong> pero su nivel de complejidad no es\u00a0equiparable. A grandes rasgos, podr\u00edamos decir que la Inteligencia Artificial<\/strong> es la tecnolog\u00eda m\u00e1s \u201cb\u00e1sica\u201d, ya que responde siempre igual ante los mimos par\u00e1metros, que ha evolucionado en\u00a0el Machine Learning<\/strong> (tambi\u00e9n llamado Aprendizaje Autom\u00e1tico), que es capaz de autoaprender y corregir errores, y en Deep Learning<\/strong> (la m\u00e1s compleja de las tres) que, adem\u00e1s de eso, toma decisiones a partir de los datos.<\/strong><\/p>\n

Para entenderlo mejor, tomemos un ejemplo: imaginemos\u00a0que queremos identificar la marca y el modelo de todos los veh\u00edculos que pasan por una calle. Por un lado tendr\u00edamos las im\u00e1genes y el sonido de las c\u00e1maras y por otro una base de datos enorme con la forma,\u00a0caracter\u00edsticas t\u00e9cnicas o el sonido del motor de miles de coches. Un sistema de inteligencia artificial<\/strong> indetificar\u00eda los coches de las im\u00e1genes por su aproximaci\u00f3n a los datos que conoce; pero no siempre acertar\u00eda, ya que hay coches con caracter\u00edsticas muy similares.<\/p>\n

\"\u00bfQu\u00e9<\/a><\/p>\n

Un sistema con Machine Learning<\/strong> podr\u00eda \u201caprenderse\u201d los datos y clasificar con mayor precisi\u00f3n los veh\u00edculos, pero uno con Deep Learning puede \u201centrenarse\u201d sobre los nuevos datos que va recibiendo.\u00a0<\/strong>Es decir, puede emplear un diferenciador err\u00f3neo y equivocarse una vez, pero a la siguiente emplea otro para acercarse cada vez m\u00e1s al resultado correcto.<\/p>\n

Google emplea Deep Learning<\/strong> en sus algoritmos de reconocimiento de voz e imagen, Netflix<\/a> y Amazon lo utilizan para adelantarse a\u00a0tus gustos\u00a0y los investigadores del MIT (Instituto Tecnol\u00f3gico de Massachusetts) para predecir el futuro.<\/p>\n

El\u00a0Deep Learning<\/strong> toma\u00a0conceptos b\u00e1sicos de\u00a0la IA<\/strong> y los enfoca en la resoluci\u00f3n de problemas del mundo real a partir de redes neuronales profundas que imitan la forma en que nuestro cerebro toma decisiones. Es decir, emplea los datos que conoce para tomar decisiones sobre datos nuevos. Por eso es la tecnolog\u00eda m\u00e1s similar al funcionamiento cerebral humano.<\/p>\n

Esas redes son construcciones l\u00f3gicas resultado de\u00a0una serie de\u00a0preguntas binarias (verdadero o falso, s\u00ed o no) de las que se extrae un valor num\u00e9rico; cada vez que incorpora un nuevo dato lo transfiere\u00a0a esa red neuronal, y lo clasifica seg\u00fan la respuesta a dichas preguntas.<\/p>\n

Dicha clasificaci\u00f3n permite procesar ingentes cantidad de datos (\u00a0como por ejemplo, todos los tuits publicados desde que existe Twitter) pero tambi\u00e9n complejos (como por ejemplo reconocer personas en una fotograf\u00eda).<\/p>\n

\u00bfQu\u00e9 aplicaciones se le est\u00e1 dando al Deep Learning en la industria?<\/strong> En \u00e1mbitos tan distintos como la conducci\u00f3n, la redacci\u00f3n de informes o la judicatura:<\/p>\n