En IA, ¿qué es un modelo ML?

Informática → Inteligencia artificial → Aprendizaje automático

Machine Learning (ML) se refiere a un amplio conjunto de técnicas informáticas que, según Arthur Lee Samuel, ” nos permiten dar a las computadoras la capacidad de aprender sin ser programados explícitamente “.

Básicamente, el aprendizaje automático es un subcampo de la informática, que explora el estudio y la construcción de algoritmos que pueden aprender y hacer predicciones sobre los datos.

Las tareas de aprendizaje automático generalmente se segmentan en tres grandes categorías:

Aprendizaje supervisado

Una máquina presenta las entradas de ejemplo y las salidas deseadas, donde una máquina tiene que aprender una regla general de asignación de entradas a salidas.

Aprendizaje sin supervisión

No se introducen etiquetas en el algoritmo de aprendizaje, lo que deja a la máquina introducir su propia estructura a las entradas.

Aprendizaje reforzado

Se introduce una máquina en el entorno dinámico donde tiene que realizar un determinado objetivo.

Modelos de aprendizaje automático

• aprendizaje profundo
• Inferencia bayesiana
• árboles de decisión
• soporte de máquinas de vectores
• etc.

Hay muchos modelos de ML que se asignan a las tareas que se segmentan en las categorías anteriores, encuentre una explicación más detallada aquí .

Si yo fuera uno de los personajes de Harry Potter , diría que la IA no era más que magia pura, ML era la varita mágica [1] y algoritmos matemáticos: poderosos hechizos mágicos. Pero la verdad es que todo se trata de matemáticas. Matemáticas difíciles.

Los términos AI y ML están muy relacionados. Necesita investigaciones especializadas en el campo de la IA para construir máquinas inteligentes. Sin embargo, uno no puede prescindir de los gurús del aprendizaje automático que hacen que estas máquinas sean realmente inteligentes.

No quiero abrumarme con una lista interminable de definiciones, nociones y enfoques, es por eso que compartiré con ustedes la explicación proporcionada por Nidhi Chappell, un jefe de aprendizaje automático en Intel:

“La IA es básicamente la inteligencia: cómo hacemos que las máquinas sean inteligentes, mientras que el aprendizaje automático es la implementación de los métodos informáticos que lo respaldan. La forma en que pienso es: la IA es la ciencia y el aprendizaje automático son los algoritmos que hacen que las máquinas sean más inteligentes. Entonces, el habilitador para la IA es el aprendizaje automático ”.

Incluso ahora, mientras estás leyendo esta línea, una máquina te está aprendiendo . Qué está bien y qué está mal.

Notas al pie

[1] Varita de saúco

Acrónimo de ML para aprendizaje automático. Algunos piensan que este tipo de aprendizaje indica inteligencia, no lo hace. El proceso es similar a los métodos matemáticos, como la bisección, donde se utiliza un criterio de convergencia para acercarse a un valor numérico. La primera aproximación a la solución se introduce en un modelo matemático y, dependiendo del resultado, la siguiente aproximación es más alta o más baja: las conjeturas adicionales reducen a la mitad la diferencia entre las conjeturas anteriores en la dirección del criterio de convergencia.

En las soluciones ML, un modelo que asigna muestras de entrada a un conjunto de posibilidades de salida usa algo como términos de gradiente en los modelos para converger rápidamente en salidas conocidas para llegar a una asignación que luego puede usarse con diferentes muestras de entrada para sugerir diferentes clases ( combinaciones lineales) del conjunto de salida. Esto es efectivamente un clasificador.

1. Los conjuntos de entrenamiento con salidas son ejemplos para encontrar los pesos de los parámetros de salida. Por lo tanto, no está aprendiendo, esto es prueba y error. La evolución es prueba y error, pero pocos lo llamarían aprendizaje.
2. La inteligencia es medida de alguna forma (indeterminada) de adaptabilidad (con respecto a algo (generalmente el entorno)). Es una propiedad del sistema (es decir, ¡en realidad no puede ser artificial!). No hay inteligencia en la máquina que se está utilizando para ML: los programadores suministran las muestras clave. Así que ML no tiene nada que ver con IA … con la excepción del argumento de venta. Vender ML se logra al vincularlo a la IA … en detrimento de la IA.

Intente tener ML en su mente como una herramienta razonable de clasificación basada en computadora. Para AI, actualmente … todavía no existe.

Un modelo es el algoritmo utilizado para encontrar patrones en los datos sin que el programador tenga que programar explícitamente esos patrones.

La mayoría de los ingenieros de aprendizaje automático usan Python para construir sus modelos. Hay modelos para casi todo. Parece que muchos los están dividiendo en modelos de aprendizaje profundo y modelos de aprendizaje no profundo.

Mire mi curso GRATUITO a continuación para tener una idea de un modelo ML. Te muestro cómo construir uno en el curso.

Las 5 mejores bibliotecas de aprendizaje automático en Python – Udemy