Deep Learning
Para poder comprender lo qué es el Deep Learning, debemos partir de la base del anterior punto: el Machine Learning. De forma simplificada: es un sistema que se basa también en el aprendizaje, pero cuyo objetivo es maximizar las opciones y oportunidades que ofrece la inteligencia artificial. Tiene numerosas capas de algoritmos (más que en el ML) para conseguir que un ordenador aprenda por su propia cuenta y pueda realizar tareas lo más similar posible a cómo lo hace un ser humano.
Un ejemplo muy claro es la conducción automática, ya que el vehículo aprende el manejo de un coche y trata de imitarlo con un alto porcentaje de acierto.
¿No te parece que son lo mismo? Aunque sus similitudes saltan a la vista, la gran diferencia reside en el tipo de datos con el que trabajan y el entramado de algoritmos con el que se han programado, además de los métodos de aprendizaje. El Deep Learning evita la fase de supervisión humana comprendiendo y asimilando elementos mucho más complejos. Por ejemplo, una IA de este tipo es capaz de distinguir entre las distintas personas que aparecen en una fotografía interpretando si es un niño o un adulto a través de los rasgos que diferencian un niño de un adulto (altura).
En estas dos primeras ramas (Machine Learning y Deep Learning) podemos distinguir tres categorías:
- Aprendizaje supervisado. Para poder aplicar los datos a la IA es necesaria la intervención humana.
- Aprendizaje no supervisado. Desaparece la mano humana y será la propia inteligencia la que asocie datos a través de patrones similares.
- Aprendizaje de refuerzo. La inteligencia humana interviene para ajustar ciertos datos que la IA ha entendido o asimilado de forma errónea.
