Diferencia entre Inteligencia Artificial – Machine Learning – Deep Learning

Inteligencia Artificial y Machine Learning o Aprendizaje Automático, a menudo se usan

indistintamente sin conocer exactamente a que se refiere, pero ahora se ha agregado un nuevo
termino que cada vez escuchamos más y más y es Deep Learning o Aprendizaje Profundo. Estos
son palabras de moda que casi todos los días escuchamos, pero ¿cuál es el significado real de cada
uno de ellos? ¿cuál es la tecnología detrás de esto? ¿cómo se hacen estas funciones inteligentes?,
de esto precisamente te voy a hablar hoy.

Comencemos a entender que la manera más fácil de pensar en su relación es visualizándola como
círculos concéntricos con Inteligencia Artificial, la idea que vino primero, la más grande y, a su vez,
más compleja ya que abarca mucha más área que en conjunto forma este concepto.Seguidamente
tenemos Machine Learning o como en ocasiones se le conoce Aprendizaje Automático, la que
floreció más tarde y con la que sea podido acercar más a tener resultados muchos más acertados
que en otras tecnologías.Y finalmente llegamos a Deep Learning o Aprendizaje Profundo, lo que
está impulsando la explosión en está área hoy en día y la que esta atrayendo más y más personas
a estudiarla y a su vez desarrollarla.Ahora definamos cada una de ellas para entenderlas mejor y
ver exactamente sus diferencias y a su vez sus relaciones.

Diferencia entre Inteligencia Artificial – Machine Learning – Deep Learning

La Inteligencia Artificial, en el sentido más amplio, describe las diferentes formas en que una
máquina interactúa con el mundo que lo rodea. Este es el término más usado para intentar hacer
que los computadores piensen de la manera en que los humanos piensan, ser capaces de simular
los tipos de cosas que los humanos hacen y, en última instancia, resolver los problemas de una
manera mejor y más rápida que nosotros.

La Inteligencia Artificial en sí es un término bastante genérico para resolver tareas que son fáciles
para los humanos, pero difíciles para las computadoras. Incluye todo tipo de tareas, como hacer
trabajos creativos, planificar, moverse, hablar, reconocer objetos y sonidos, realizar transacciones
sociales o comerciales, etc.

Diferencia entre Inteligencia Artificial – Machine Learning – Deep Learning

Un ejemplo de esto lo podemos ver en los teléfonos Iphone con el asistente Siri. Una persona
puede solicitarle información sobre el clima de un lugar específica y ella en poco segundos
responderá con la respuesta correcta, pero ¿cómo hace esto?.

A pesar que parece simple, no lo es, acá la solicitud le llega al asistente utilizando el lenguaje
natural y debe procesarlo, recuerda que es una máquina que solamente entiende ceros y unos,
por lo que debe transformar la onda de sonido en algo que ella entienda, en este caso cero y uno.
Una vez realizado esto debe buscar la información, lo puede hacer utilizando las aplicaciones
instaladas en el celular o directamente en la web. En este caso, como lo que estamos solicitando
es el clima en una ciudad busca la información directamente en la aplicación correspondiente para
dar la respuesta. Acá vuelve el proceso de que una máquina se haga entender por un humano en
lenguaje natural, por lo que esos cero y uno se vuelven a transformar ahora en una onda de
sonido para dar la respuesta al usuario. Todo este proceso se hace en segundos, pero todo eso se
logra gracias a las tecnologías tan avanzadas que tenemos hoy en día.

Este es solo un pequeño ejemplo de Inteligencia Artificial, inclusive exactamente así es como
funciona Alexa, el asistente virtual de Amazon.

Diferencia entre Inteligencia Artificial – Machine Learning – Deep Learning

Pasemos ahora a hablar sobre Machine Learning. A este concepto se llego después que por
muchos años los investigadores probaron muchos enfoques para crear la Inteligencia Artificial por
lo que llegaron a la conclusión de que en vez de programar computadoras para que sean
inteligentes mediante rutinas de software codificadas manualmente para realizar una tarea en
partículas, se les diera a las máquinas acceso a una gran cantidad de datos de muestra y los
codificará para encontrar patrones y aprender por sí mismos cómo actuar la tarea.

Por lo tanto, Machine Learning es un subconjunto de la Inteligencia Artificial y se centra en la

capacidad de las máquinas para recibir un conjunto de datos y aprender por sí mismos, cambiando
los algoritmos a medida que aprenden más sobre la información que están procesando.

El enfoque principal de Machine Learning es el de “aprender” en lugar de solo la programación de

computadoras. Aquí una máquina utiliza algoritmos complejos para analizar una cantidad masiva
de datos, reconocer patrones entre los datos y hacer una predicción, sin requerir que una persona
programe instrucciones específicas en el software de la máquina.

Diferencia entre Inteligencia Artificial – Machine Learning – Deep Learning

Veamos un ejemplo, tenemos este animal y queremos conocer cuál es el sonido que hace, por lo
que introducimos una foto del animal a nuestro algoritmo y según la experiencia de ese, lo
aprendido que data entregada, podrá reconocer al animal y determinar exactamente cuál es el
sonido que hace.

Como podemos observar acá el algoritmo da una predicción de acuerdo a lo aprendido, lo cual es
el propósito fundamental con está tecnología.

Diferencia entre Inteligencia Artificial – Machine Learning – Deep Learning

Machine Learning se basa en enfoques algorítmicos que a lo largo de los años incluyeron el
aprendizaje del árbol de decisiones, la programación de la lógica regresiva, el agrupamiento, el
aprendizaje de refuerzo, entre otros. Pero solo los desarrollos en el área de las redes neuronales,
que están diseñados para funcionar clasificando la información de la misma manera que lo hace
un cerebro humano, permitieron un gran avance, y precisamente a este es lo que se le conoce
como Deep Learning o Aprendizaje Profundo.

Deep Learning lleva la inteligencia de la computadora aún más lejos, estas redes imitan la
conectividad del cerebro humano, clasifican conjuntos de datos y encuentran correlaciones entre
ellos. Con su nuevo conocimiento, adquirido sin intervención humana, la máquina puede aplicar
sus conocimientos a otros conjuntos de datos, cuantos más datos tenga la máquina a su
disposición, más precisa serán sus predicciones.

Esta es la tecnología que ha tenido más auge en los últimos años, por todo lo que ha podido
conseguir. Utiliza los principios de los algoritmos básicos de Machine Learning, en conjunto,
intentando modelar abstracciones de alto nivel en datos usando arquitecturas computas. Esta
definición puede ser compleja, pero es que con este aprendizaje se puede hacer practicamente
cualquier cosa, la desventaja es que requiere un número superior de datos, comparado con los
otros algoritmos, pero el mayor inconveniente que tiene es que se requiere tecnología de punta
para poder procesar los algoritmo, razón por la cual, no ha sido, hasta ahora que se ha venido
desarrollando este aprendizaje.