IA, Machine Learning y Deep Learning, ¿cuál es la diferencia?

IA, Machine Learning y Deep Learning, ¿cuál es la diferencia?

Rodrigo Alonso

Construir una IA (Inteligencia Artificial) es algo complicado, pero comprender en qué consiste no tiene por qué serlo. Para ello, en este artículo os vamos a explicar qué son la IA, el Machine Learning y el Deep Learning, así como las diferencias entre ellos.

La mayoría de IA existentes son realmente ordenadores diseñados para resolver problemas, o más bien para hacer predicciones basándose en los datos que tiene (como el cerebro humano). Introduces un montón de datos (como los números del 1 al 10) y le pides que haga un modelo (X + 1 empezando en el 0), y la Inteligencia Artificial hace una predicción. No es algo mágico, simplemente usa los datos que tiene para adivinar lo que va a suceder a continuación.

Lo que diferencia a la Inteligencia Artificial de otros programas de ordenador es que no hay que programarla específicamente para cada escenario. Podemos enseñarle cosas (Machine Learning, aprendizaje automático), pero también puede aprender por sí mismo (Deep Learning). Si bien existen múltiples variantes de cada uno, se pueden definir de manera general de esta forma:

  • IA (Inteligencia Artificial): una máquina que es capaz de imitar el razonamiento humano.
  • ML (Machine Learning): un subconjunto de Inteligencia Artificial donde las personas «entrenan» a las máquinas para reconocer patrones basados en datos y hacer sus predicciones.
  • DL (Deep Learning): un subconjunto de ML en el que la máquina es capaz de razonar y sacar sus propias conclusiones, aprendiendo por sí misma.

Diagrama de Inteligencia Artificial

La IA (Inteligencia Artificial)

La definición más amplia posible de lo que es la Inteligencia Artificial es simplemente que se trata de una máquina capaz de pensar como un ser humano. Puede ser tan simple como seguir un diagrama de flujo lógico, o puede ser un ordenador casi humano que es capaz de aprender un montón de entradas sensoriales y aplicar ese conocimiento a nuevas situaciones. Esta última parte es la clave, de hecho: la IA más «fuerte» que todos imaginan es una que puede conectar todos los datos aprendidos para tener la capacidad de manejar cualquier situación.

IA

En este momento, la IA todavía está bastante lejos de eso; por ejemplo, Alexa puede ser un buen mayordomo pero no puede pasar el famoso test de Turing. Actualmente tenemos una forma bastante limitada de Inteligencia Artificial, y estamos bastante lejos de ese concepto de ciencia-ficción de las películas de Terminator, Skynet.

ML (Machine Learning)

Sin Machine Learning (aprendizaje automático), la Inteligencia Artificial se limitaría simplemente a ejecutar largas listas de «si X es verdadero, haz Y o de lo contrario, haz Z». Sin embargo, esta innovación le da a los ordenadores el poder de resolver las cosas sin que las tengan programadas explícitamente. Como ejemplo de un aprendizaje automático, supongamos que quieres que un programa pueda identificar gatos en imágenes:

  • Dale a tu IA un conjunto de características de cómo es un gato, para que sepa reconocerlo. Colores, formas, etc.
  • Muéstrale imágenes (si alguna está etiquetada como «gato», la IA podrá identificarla más fácilmente).
  • Una vez que el programa haya visto suficientes gatos, debería ser capaz de identificarlos en otras imágenes: «si la imagen contiene X, Y y Z características, entonces hay un 95% de que sea un gato».

Machine Learning

Aunque suene complicado, se puede resumir en lo siguiente: «Los humanos le decimos al ordenador qué buscar, y el ordenador refina el criterio hasta que tenga un modelo específico de lo que le hemos pedido». Es bastante simple, muy útil y es lo que filtra los correos de SPAM, te hace recomendaciones en Netflix y modifica tu actividad en Facebook.

DL (Deep Learning)

Desde 2018, esta es la vanguardia de la Inteligencia Artificial. Piensa en ello como un aprendizaje automático con profundas «redes neuronales» que procesan los datos de manera similar al cerebro humano. La diferencia clave con respecto a su predecesor es que los humanos no tienen que enseñar al programa cómo son los gatos; simplemente dale suficientes fotos de gatos y será capaz de resolverlo por sí mismo:

  • Dale muchas fotos de gatos.
  • El algoritmo inspeccionará las fotos para ver qué tienen en común (pista: son gatos).
  • Cada foto se deconstruirá en múltiples niveles de detalle, desde formas grandes y generales hasta líneas pequeñas. Si una forma se repite mucho, el algoritmo lo etiquetará como una característica importante.
  • Tras analizar suficientes fotos, el algoritmo ya sabrá reconocer los patrones que definen lo que es un gato y podrá identificarlo en cualquier otro escenario.

Deep Learning

En resumen: el Deep Learning es el aprendizaje automático, en el que el ordenador es capaz de aprender por sí mismo (aunque va mucho más allá de los gatos, claro, pues actualmente las máquinas ya son capaces de captar muchos más parámetros dentro de la fotos, como el paisaje por ejemplo).

El Deep Learning requiere muchos más datos iniciales y potencia de cómputo que el Machine Learning, eso sí, pero compañías como Facebook o Amazon ya están comenzando a implementarlo.