Machine learning y deep learning: en qué se diferencian

El deep learning es una parte del machine learning, y el machine learning es una parte de la inteligencia artificial. Esa es la respuesta corta a la pregunta del título. Los tres términos se usan a veces como sinónimos, pero describen niveles distintos: el más amplio es la IA, luego viene el machine learning, y dentro de este se encuentra el deep learning, que usa redes neuronales profundas.

Tres círculos, uno dentro de otro

Puedes imaginar tres círculos. El más grande es la inteligencia artificial, que agrupa las máquinas que imitan funciones humanas, como resolver problemas, aprender, reconocer voces o traducir. Según IBM, la IA es el término más amplio de todos.

Dentro de la IA está el machine learning, o aprendizaje automático. Es una forma de conseguir que una computadora mejore en una tarea a partir de ejemplos, en vez de seguir solo reglas escritas a mano. Dentro del machine learning está el deep learning, o aprendizaje profundo, que usa redes neuronales con muchas capas.

Qué es una red neuronal

Una red neuronal artificial es un conjunto de nodos organizados en capas. Cada nodo recibe valores de la capa anterior, los combina con pesos y, si supera un umbral, envía su resultado a la siguiente capa. Según IBM, el nombre viene de que las neuronas artificiales imitan de forma muy simple cómo se transmiten señales las neuronas del cerebro.

Los pesos son números que se ajustan durante el entrenamiento. Al cambiarlos, la red cambia la forma en que transforma la entrada en una salida. Entrenar una red es, en esencia, encontrar buenos valores para esos pesos.

Qué significa “profundo”

La palabra profundo se refiere al número de capas. IBM señala que una red con más de tres capas, contando la de entrada y la de salida, puede considerarse de aprendizaje profundo. Cuantas más capas, más niveles de representación puede aprender la red.

Un artículo de 2015 de LeCun, Bengio y Hinton, publicado en la revista Nature, lo explica con imágenes. La primera capa detecta bordes. La siguiente combina bordes en formas pequeñas. Las capas más altas juntan esas formas en partes de objetos. Lo importante es que esas capas no las diseñan personas: la red las aprende de los datos.

La diferencia práctica

En el machine learning clásico, una persona suele decidir qué características debe mirar el sistema. Por ejemplo, para reconocer comidas, un experto podría indicar que el color o la forma del pan son señales útiles. Según IBM, ese enfoque depende de la intervención humana y suele necesitar datos más estructurados.

En el deep learning, la red aprende esas características por sí sola. Puede recibir datos sin procesar, como texto o imágenes, y encontrar qué distingue una categoría de otra. Según IBM, a cambio el deep learning suele requerir más datos para ganar precisión, pero menos diseño manual.

Supón que tienes 1.000 fotos de pizzas, hamburguesas y tacos, cada una con su etiqueta. Un programa clásico necesitaría que alguien le diga qué mirar. Una red profunda puede aprender esas diferencias, siempre que tenga suficientes fotos etiquetadas para practicar.

Cómo aprende una red

El aprendizaje supervisado es la forma más común. Se le muestra a la red una entrada, por ejemplo una foto, y se compara su respuesta con la etiqueta correcta. La diferencia entre ambas se llama error.

Luego el sistema ajusta los pesos para reducir ese error. Según el artículo de Nature, en un sistema profundo típico puede haber cientos de millones de pesos, y se usan cientos de millones de ejemplos etiquetados para entrenarlo. El ajuste se hace repetidamente, en pequeños grupos de ejemplos.

Después del entrenamiento, el sistema se prueba con datos que nunca vio. Esa prueba mide si aprendió algo general o solo memorizó los ejemplos.

Cuándo conviene cada enfoque

No siempre conviene el modelo más complejo. Un modelo simple puede ser más fácil de entender, más barato de entrenar y suficiente para una tarea concreta. El deep learning brilla cuando hay muchos datos y el problema es complejo, como reconocer voz o imágenes.

Según IBM, las empresas usan el deep learning para tareas más complejas, como asistentes virtuales o detección de fraude. Para tareas más simples, un modelo clásico puede bastar.

Un límite importante para quien invierte

Un algoritmo que aprende de datos pasados no puede predecir el mercado con certeza. Los patrones del pasado pueden cambiar, y un modelo puede parecer preciso en datos históricos y fallar después. Si alguien decide comprar o vender con base en un modelo así, puede perder dinero.

Para entender cómo se conecta esta tecnología con la inteligencia artificial en general, lee la historia de la inteligencia artificial. Para un ejemplo de aprendizaje profundo en imágenes, lee ImageNet y el salto del aprendizaje profundo en 2012.

Más a fondo

El entrenamiento usa un método llamado descenso de gradiente estocástico. En cada paso, la red calcula cómo cambiaría el error si cada peso aumentara un poco, y mueve los pesos en la dirección que lo reduce. El término estocástico indica que se usan pequeños grupos de ejemplos, y cada grupo da una estimación aproximada del ajuste ideal.

La retropropagación es el método que calcula ese ajuste capa por capa, desde la salida hacia la entrada. Según IBM, permite atribuir el error a cada neurona y corregirla. Es la base de la mayoría de las redes profundas actuales.

Por último, las redes convolucionales son un tipo de red profunda especialmente útil para imágenes, video y audio. El artículo de Nature las describe como responsables de avances en procesamiento de imágenes, video, voz y audio, mientras que las redes recurrentes se usan para datos secuenciales, como texto y voz.