Deep Learning Y Machine Learning

Estos dos términos hacen referencia a la inteligencia artificial y a la forma en que las máquinas pueden aprender.

Estas máquinas aprenden haciendo uso de recursos propios como lo son, la recopilación de información de la nube o datos ingresados por el programador para ser utilizados por Inteligencia Artificial.

Se utiliza en la resolución de problemas, comparación de imágenes, formas, colores y características a las que se quiera hacer referencia, requiriendo o no, la intervención humana, siempre buscando una autonomía del sistema en la resolución de problemas.

Machine Learning

Es una técnica utilizada para realizar la construcción de modelos de interacción artificial de los programas y tiene como base la información que el programador quiere que el programa identifique.

Si inicialmente el programador quiere que el programa identifique una imagen específica, deberá ingresar el código que lleve al programa a encontrar la imagen.

Llegado el caso en el que la información que recibe el programa, para identificar la imagen no es puntual sino general, el programa podría entrar en conflicto y dar un resultado equivocado.

El programador deberá ingresar códigos de referencia para que el programa aprenda que el nombre que se le dio a la imagen representa el objeto.

La información debe ser precisa para que el programa logre diferenciar las características de una imagen entre varias imágenes aparentemente iguales.

Este tipo de programas tienen la capacidad de evaluar su propio desempeño al momento de realizar el proceso para el que fueron programados, lo anterior llevaría a mejorar el resultado de las búsquedas, mediante los ajustes realizados por el mismo programa.

Deep Learning

Está técnica llamada “Deep Learning”, es mucho más compleja, ya que, utiliza un sistema escalonado de análisis la cual podríamos describir como una red neuronal artificial.

Esta red neuronal integra un análisis básico y elemental inicial para convertirlo en un análisis más complejo y detallado.

El programa ya no necesitará una etiqueta que le describa la imagen sino que este, a partir de información previamente recopilada y almacenada, tomará decisiones sobre el resultado que mostrará, tomando como referencia detalles mínimos en una imagen desde curvas, formas, colores, sombras, texturas, etc.

Debido a que este tipo de programas aprenden y se controlan por si mismos, se irá eliminando parte de la intervención humana.

Este tipo de programas despiertan mucho interés en el mercado ya que su utilización se aplica a infinidad de sectores resolviendo problemas de manera rápida y eficiente, como por ejemplo:

  • Utiliza imágenes para buscar productos envés de escribir una larga lista de características.
  • Identificar imágenes corporativas que se muestran en internet sin autorización de la empresa.
  • Realiza una evaluación de los gustos y reacciones de los usuarios de productos adquiridos en línea para mejorar la experiencia de los clientes.
  • En el sector de la salud se podría utilizar en el análisis y comportamiento de enfermedades con el fin de analizar mecanismos de prevención y tratamiento.
  • Analizar imágenes como radiografías, ecografías y otras imágenes con el fin de detectar de manera rápida tumores, cáncer o condiciones que sean difíciles de detectar para el ojo de los doctores.

Autores: Yenny Marisol Sánchez SánchezKaren Juliana Ibáñez

Editor: Luz Adriana Muñoz

Editor: Hisle Ángela Gutiérrez García

Código: UCP2-4

Referencias

García Moreno, C. (s.f.). ¿Qué es el Deep Learning y para qué sirve?.  Indra Company. https://www.indracompany.com/es/blogneo/deep-learning-sirve

Mackenzie, M. (2018). Artificial Intelligence & AI & Machine Learning. [Fotografía]. Flickr. https://www.flickr.com/photos/mikemacmarketing/30212411048

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *