Machine Learning

¿Una máquina aprendiendo?

Ocultar

Para que las máquinas aprendan debemos entrenarlas.

La inteligencia aprende a partir del procesamiento de datos, algoritmos de aprendizaje y reconocimiento de patrones. Para ello necesita de 3 cosas:

  • Recibir datos.
  • Ser entrenada para saber qué se espera que haga a partir de esos datos.
  • Reconocer patrones que lo ayuden a predecir el resultado esperado.

Según la cantidad de información que reciba pueden pasar 2 cosas:

  • Subajuste (underfitting): la máquina ha recibido pocos datos y no puede generalizar su conocimiento, necesita de más datos que la ayuden a entender mejor el contexto para dar resultados más precisos.
  • Sobreajuste (overfitting): la máquina ha recibido muchos datos iguales, cuándo se presenta algún caso distinto, no logra reconocer que el contexto es el mismo pero con un elemento diferente.

Mira este ejemplo sobre como aprenden las máquinas

Ocultar

<Como_aprenden_las_inteligencias_artificiales_(1).mp4>

Transcripción del audio del video

Las inteligencias artificiales no tienen el mismo conocimiento del mundo que nosotros, ni piensan ni aprenden igual. Existen tareas que son naturales o triviales para las personas, pero complicadas de implementar por una máquina. Las inteligencias artificiales no imaginan conceptos ante una palabra como silla, ni que puede ser de madera, ni que la gente se suele sentar en ella.

Es decir, no piensan en el objeto del mundo real que a todos se nos viene a la mente. Lo que interpretan es que silla suele aparecer en el mismo contexto que otras palabras como habitación, sofá o sentarse. Así pues, pueden saber lo que significa esta palabra por el contexto en el que se escribe.

Los modelos de inteligencia artificial aprenden viendo una cosa muchas veces. A partir de lo que reciben, descubrirán patrones y relaciones entre los datos que no suelen ser obvias para los humanos. Este aprendizaje en baso a datos y ejemplos es el denominado Machine Learning.

Existen varias plataformas gratuitas en las que puedes entrenar un modelo de inteligencia artificial utilizando el aprendizaje supervisado. Aprendizaje supervisado significa que tú supervisarás cómo aprende el modelo de inteligencia artificial indicándole cuál será la respuesta correcta. En la web Teachable Machine encontrarás un modelo de clasificación y podrás armar tu propio proyecto.

Deberás pensar, ¿qué clasificarás? ¿Serán imágenes, textos, sonidos? ¿Este será su tipo de datos? ¿Cuáles serán las distintas clasificaciones que tendrás? Por ejemplo, ¿perros y gatos? Bueno, estas serán sus clases o etiquetas. Una vez que lo entrenes, le darás datos sin clasificar y descubrirás si el modelo ha aprendido por sí mismo. Supongamos que quieres que un modelo de inteligencia artificial reconozca si la imagen que tú le muestras será un perro o un gato.

Lo que tendrás que hacer en principio será recolectar un conjunto de datos que esté formado por montones y montones de imágenes de perros y de gatos. Entrenarás al modelo diciéndole cuáles de esas imágenes son perros y cuáles de ellas son gatos. Una vez que el modelo aprenda qué características visuales definen a un perro o a un gato para detectarlos, cuando le demos una foto nueva sin etiquetar, sin decirle a qué categoría pertenece, deberá por su cuenta entender si es un perro o es un gato.