Diferencia entre AI, ML y DL

Inteligencia Artificial (IA). Ingeniería Mecánica (ML). Aprendizaje profundo (DL). Puede encontrar estos términos y darse cuenta de que a veces se usan indistintamente. De hecho, son completamente diferentes.

Inteligencia Artificial (IA)

AI significa la capacidad de imitar el comportamiento cognitivo de una persona, como la toma de decisiones, el aprendizaje, la resolución de problemas, etc. La Ingeniería del Conocimiento es el núcleo de la investigación y el desarrollo de IA. Las máquinas o los sistemas informáticos pueden descubrir que proporcionan grandes cantidades de datos. En el pasado, AI podía imitar lo que un contable podría saber sobre el código tributario o los problemas aritméticos básicos. Solo dependen de algoritmos escritos por informáticos. Algunos expertos lo llaman "bueno, viejo AI".

Aprendizaje automático (ML)

ML es un subconjunto de IA. El gran avance se produjo en 1959 cuando Arthur Samuel se dio cuenta de que, en lugar de enseñarle al sistema todo lo que necesitaba saber sobre el mundo, podían recibir capacitación para aprender sistemas y mejorar el rendimiento.

La segunda razón de este éxito es la aparición de Big Data. Big Data es una gran cantidad de datos recopilados desde el comienzo de la era digital. Con el avance de las computadoras, Internet y la tecnología, todo está en sus manos. Dejamos pistas digitales con casi cualquier movimiento digital. Desde transacciones en línea hasta la última búsqueda. Todo está registrado y disponible para su análisis.

Con estos datos, es más eficiente codificar sistemas para pensar como personas y darles acceso a toda la información sobre el mundo. Esto ha dado lugar al término "aprendizaje automático" porque los sistemas están constantemente aprendiendo y refinando debido a la prueba y error. Su objetivo es minimizar los errores o aumentar la probabilidad de que sus declaraciones sean verdaderas.

La capacidad de probar y cometer errores es posible gracias al desarrollo de redes neuronales. Las redes neuronales son un conjunto de algoritmos que permiten que una computadora clasifique información como el cerebro humano. Como se mencionó, opera en un sistema de probabilidad basado en los datos ingresados ​​en el sistema. Ingresar un ciclo de retroalimentación ayudará al sistema al examinar si las predicciones son correctas o no, y mejorará con el tiempo.

Aprendizaje profundo (DL)

DL es el método ML más moderno. El objetivo principal del DL es transformar las redes neuronales en redes neuronales profundas. DL se centra solo en la imitación de la función cognitiva del cerebro humano. La palabra "profundo" se refiere a muchas capas de redes neuronales. En lugar de comprender los datos en términos de codificación, DL permite que el sistema clasifique datos complejos, como señales de máquina, señales de audio, videos, discursos y palabras escritas. El sistema puede sacar conclusiones similares a las conclusiones humanas.

Uno de los mejores ejemplos son los automóviles autopropulsados. Con sensores y análisis in situ, el sistema aprende a reconocer obstáculos y a proporcionar reacciones apropiadas. Con el desarrollo de Google DL, DeepMind podrá producir IA con la capacidad de diagnosticar enfermedades oculares con una precisión del 94.5%.

En resumen, puede decir que AI es una imagen de campo amplio, ML es una parte especializada de AI y, finalmente, DL es una versión bien adaptada de ML. Son similares pero en muchos sentidos diferentes.

Publicado originalmente en: www.nexusmediaworks.com