Big Data

Tendencias, novedades, noticias y tips del mundo de Big Data

Big Data

22 Jun 2017
Sé el primero en comentar

¿Por qué el Deep Learning ha superado al Machine Learning?

1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
Cargando…
Alvaro Andrés Riaza

Deep Machine y Machine Learning

 

¿Por qué el Deep Learning va a revolucionar la inteligencia artificial? ¿Sabes cómo aprovechar al máximo esta tecnología? Descubre cuáles son las claves que lo diferencian con su antecesor, el Machine Learning, y qué innovaciones han permitido que sea el término tecnológico de moda.

Hoy os enseñamos los dos sistemas de Inteligencia Artificial que están revolucionando la tecnología actual y que consiguen que los ordenadores se acerquen cada vez más al funcionamiento del cerebro humano e incluso, en ciertos aspectos, superarlo. El Machine Learning sería el presente (o casi pasado) y el Deep Learning el futuro de la Inteligencia Artificial.

Artículos relacionados:

Ambos sistemas de Inteligencia Artificial trabajan con grandes cantidades de datos e información (Big Data) pero se separan de los sistemas más sencillos al ser capaces de aprender por sí mismos y corregir errores (Machine Learning) y la más innovadora (Deep Learning) por ser capaz de tomar decisiones a partir de los datos por sí misma. En realidad, se podría decir que el sistema Deep Learning es una vertiente más compleja y perfeccionada del Machine Learning.

Deep Learning, un sistema de IA que se aproxima al funcionamiento del cerebro humano.

La clave para diferenciarlos además de la perfección técnica es justamente la intervención humana: Con Machine Learning supervisamos todos los procesos y enseñamos al ordenador a aprender distintos datos y clasificarlos. En cambio, Deep Learning aprende por sí mismo con cada dato nuevo que recibe, lo mismo toma un dato o categoría erróneo una vez, sin embargo, aprende de ese error y emplea otro dato para acercarse al resultado correcto cada vez de forma más rápida y fiable.  

El funcionamiento del Machine Learning

En castellano se le denomina aprendizaje automático porque justo este sistema de IA surgió por la necesidad de dar a un ordenador algoritmos que trabajasen con reglas y mecanismos que encontrasen respuestas entre una gran cantidad de datos y al mismo tiempo ser capaces de predecir datos o incluso sugerir opciones.

Es decir, para ser más claros, trabaja con patrones: si buscamos un coche en concreto irá examinando distintas categorías: color, marca, caballos y cilindrada, dimensiones… Y descartará todos los datos incorrectos para ofrecer el dato pertinente. Lo negativo del Machine Learning es que hay que guiar al sistema en cada fase para que con la práctica sepa identificarlo automáticamente.

La autonomía de la IA de Deep Learning

Este sistema está mucho más sofisticado y trabaja prácticamente de forma autónoma, solo necesita una etapa de intervención humana: la programación. Tras esa fase, como explica su traducción al castellano “aprendizaje profundo”, sobrepasa ampliamente las posibilidades tecnológicas de su antecesor e intenta imitar el funcionamiento del cerebro, trabajando por capas o unidades neuronales. Cada capa neuronal del sistema procesa la información y arroja un resultado en forma de ponderación.

En este caso, si ofreciéramos una ingesta cantidad de imágenes de coches a un ordenador y buscásemos un modelo en concreto detallando las características principales el Deep Learning procesaría los resultados y ponderaría con un porcentaje la posibilidad de que sea o no el modelo buscado. Cada vez que el sistema realiza una búsqueda aprende por sí mismo y en la siguiente ya tendrá claro qué dato tiene que buscar antes y cuál no para conseguir mejorar los resultados. Es fundamental como trabaja con los errores, porque cada vez que definimos que se ha equivocado incorpora un nuevo dato a la red neuronal que no volverá a repetir en una búsqueda similar.

¿Qué innovaciones hemos conseguido gracias al Deep Learning?

Las multinacionales tecnológicas más importantes ya utilizan el Deep Learning para resolver problemas del mundo actual y conseguir que los ordenadores actúen y piensen como humanos. Como de costumbre, Google ha sido el pionero en la materia. Procura imitar el funcionamiento cerebral con su proyecto de Google Brain con el que ha revolucionado el reconocimiento de voz e imagen. Mismamente, en 2012, el equipo de Andrew NG necesitó 16.000 ordenadores para reconocer un gato en concreto entre los más de 10 millones de videos de Youtube. Gracias al I+D en Deep Learning ahora se necesitan muchísimos ordenadores menos.

¿Por qué las multinacionales tecnológicas más importantes ya utilizan el #DeepLearning ?

Un ejemplo que conocemos todos es el reconocimiento fotográfico que utiliza Facebook para conseguir etiquetar las distintas caras que aparece en una foto y al mismo tiempo para identificar la localización de una imagen. En un trabajo similar ha trabajado el Brain Team de Google con un proyecto denominado “Show and Tell” que utiliza el sistema de reconocimiento TensorFlow que dispone de un motor que con una precisión del 93,9%  muestra en un pequeño texto lo que ocurre en la imagen, es decir no solo a quién pertenece una cara, sino lo que ocurre en una foto, el lugar, el ambiente…

Twitter, que no iba a ser menos, ha preferido potenciar el Deep Learning para mejorar la calidad de imagen de sus videos en streaming. Las redes de neuronas permiten comprimir más el video.

Prometen facilitar la rutina diaria deduciendo con una simple foto cuantas calorías puede tener un plato o incluso que los coches puedan conducir de forma autónoma reconociendo patrones de conducción en la que quizá sea la idea más ambiciosa relacionada con la IA. En el deporte ya nos permiten reconocer de forma sencilla si existe en una jugada fuera de juego o quién ha cruzado la meta primero en los 100 m lisos.

Pero todo tiene un proceso y en los inicios siempre hay muchos bugs y fallos. Pero para que se puedan utilizar de verdad todas estas ideas necesitan el más profundo perfeccionamiento, no sirve el 99% si ese 1% puede provocar daños en los humanos.

Si tú también quieres conocer e innovar el mundo empresarial a través de la tecnología y utilizando el Big Data, no te pierdas el Postgrado en Big Data Marketing

Postgrado en Big Data Marketing

Aprende a mejorar la eficacia de la comunicación y a trabajar con proyectos de Big Data

¡Quiero apuntarme!

Comparte y comenta este artículo!

Ideas, noticias y mucha formación en tu bandeja de correo
Suscríbete ahora y recibe los mejores contenidos sobre Emprendedores, Marketing, Negocios e Internet

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

SUSCRÍBETE AL BLOG

Ideas, noticias y mucha formación en tu bandeja de correo
Sucríbete ahora y recibe todo el contenido de nuestro blog

LO MÁS LEÍDO HOY

BUSCA EN EL BLOG

IEBS EN LAS REDES

x
Ideas, noticias y mucha formación en tu bandeja de correo
Suscríbete ahora y recibe los mejores contenidos sobre Emprendedores, Marketing, Negocios e Internet

No gracias, seguir leyendo el post