Me gustaría compartir esta respuesta mío que escribí para una pregunta similar ASI creo que sería adecuado para esta pregunta mejor.
Voy a explicar esto con la ayuda de una historia, una historia muy larga.
Atrás quedaron los días cuando las computadoras eran máquinas ingenuos que no se podía hacer nada más que seguir las instrucciones especificadas a la carta. Mira una máquina (un un programa de ordenador o computadora, por ejemplo) como un recién nacido que no tiene realmente una idea de los problemas que iba a encontrar en el mundo real. Por suerte para él, sus padres están encantados absolutamente de guiar y ayudándole a cabo en las etapas iniciales de manera que pueda comprender cómo funciona el mundo. Son cien por ciento dedicado a este niño ya que este es su primer y único hijo hasta el momento.
- ¿Por qué Noam Chomsky es tan pesimista sobre el progreso en Inteligencia Artificial?
- ¿Cuál es el mejor libro para aprender redes neuronales artificiales?
- ¿Cuál es el método posible para crear artificialmente / científicamente una nueva especie humana?
- ¿Qué tipo de IA es la computadora esposa de plancton en Bob Esponja?
- ¿Cuál es la arquitectura típica de un chatbot de IA?
En resumen, los padres están dispuestos a enseñarle y que tiene la capacidad de aprender.
El primer año y medio como los niños aprende muy poco que había de llevar adelante en sus últimos años como su estilo de vida cambiaría por completo. Por ejemplo, no va a ser el uso de pañales después de algunos años, o sea bebiendo leche de un biberón. Entonces, comenzaremos a seguir su proceso de aprendizaje, digamos desde el segundo año.
Vamos a suponer que todos los niños tienen un potencial igual y lo inteligente que un niño termina es directamente proporcional a lo bien que los padres son capaces de enseñar y guiarlo. La mayor parte de la enseñanza se basaría en lo bien que el niño observa los padres que a su vez depende de qué tan interesante y observables son los padres.
Voy a asumir que el niño es completamente ingenua pero tiene todo el potencial necesario para convertirse en un chico inteligente súper que crecería hasta concursos de deletreo de la ECA y olimpiadas de matemáticas por igual.
El niño debe empezar a dar sus primeros pasos. Se da cuenta de que sus padres no están mintiendo en el suelo / cama / cuna todo el día pero están caminando y se involucraron en actividades. Los hallazgos niño que más interesante que pasar todo su tiempo rodando por el suelo.
Por lo que pide a sus padres “mamá, papá, ¿cómo puedo hacer esto a pie y esas cosas?”
Sus padres dicen: “Chico, es más bien complicado. Así que lo que tiene que aprender a hacer primero es ponerse de pie.”
Él pregunta “Claro que suena fácil. Pero espera, ¿cómo puedo hacer eso?”
Dicen “Sus piernas son capaces de soportar su propio peso, así que trate de pie sobre sus patas como nosotros.”
El chico dice “Claro. Suena como un juego de niños” (Véase lo que hice allí?)
Los padres sentarse y decidir a verlo después de decir todo eso. Pero espera, el niño no sabe lo que es una pierna o una mano es. Por lo que decide probar todo.
La primera vez que extiende su mano, ya que son las primeras partes del cuerpo que pueda ver con claridad. Él intenta levantarse para arriba con las manos. Él termina en una posición donde no pasa nada ya que sus piernas están mintiendo en el suelo.Él piensa “Bueno, eso fue incómodo”.
Así que decide eliminar a su obstáculo inmediato. Las piernas. Se trata de eliminar los obstáculos por completo y empieza a tirar de sus piernas. Eso fue dolorosa y ahora sus padres al ver a su difícil situación le están dando algunas palabras de sabiduría.
“No todos los recursos son inútiles. Sólo podría no ser inmediatamente útil”.
Kid piensa “que debe ser verdadera porque todavía tienen esa parte del cuerpo a la izquierda en ellos.”
Así que decide eliminar temporalmente el obstáculo haciendo que sus piernas hagan lo mismo que sus manos. Él termina en una posición de cuatro patas. Mientras que en el proceso, él se da cuenta de que las piernas son más fuertes que las manos y parecen ser más cómodo haciendo este trabajo que sus manos. Así que toma la mejor opción de los dos y decide seguir adelante con la tarea de defender el uso de sus piernas. Después de unos pocos ensayos, ahí está él, poniéndose de pie al igual que sus padres.
Una máquina o un programa es similar a este recién nacido. Es ingenuo, pero tiene la capacidad de aprender y por suerte, tiene un algoritmo que se emocionó absolutamente para ayudar hacia fuera y está completamente dedicado a este programa / máquina porque esta es su única preocupación.
Pero, ¿cómo aprender una máquina? Qué se aprende como nosotros? ¿Tiene una intuición? Bueno, es como que lo hace. Enseñamos que sea intuitiva, pero no tanto como nosotros.
Ahora, el niño puede ponerse de pie. Cada mañana, se despierta, termina el desayuno y se levanta. Se pone de pie hasta la hora del almuerzo y luego termina el almuerzo y se levanta de nuevo. Eso fue divertido durante unos días. Luego les preguntó a sus padres si estaba listo para caminar.
Los padres dicen “¿Por qué no?”
Así que decide imitar a sus padres como lo ha observado agudamente a caminar. Se trata de poner los dos pies hacia delante, se cae. Ahora él sabe que no debe poner ambos pies hacia adelante para que no se enfrentará a lesiones. Luego trata de poner ambos pies hacia atrás, se cae. Ahora sabe que no debe poner los dos pies hacia atrás. Ahora ha aprendido a caminar.
El proceso de aprendizaje de una máquina es algo similar.
Nosotros los seres humanos aprenden por asociación. Por ejemplo, cuando el niño se cayó después de poner los dos pies hacia adelante o hacia atrás o decir cuando se topa con una pared mientras se camina, se enteró de lo que sucede cuando se hace todo esto. Así que cada vez que camina, que todavía es capaz de poner los dos pies hacia adelante o caminando en una pared, pero él no hace eso, ya que dio lugar a resultados no deseados en el pasado.
Una máquina aprende por eliminación. Siempre que una máquina se cae al poner ambos pies hacia adelante, se elimina dicha acción en el futuro porque se dio cuenta de que
la acción se traduce en resultados indeseables. Así que una vez que la acción ha sido eliminado no se trata de poner los dos pies hacia adelante. La máquina aquí ha eliminado su capacidad de realizar acciones no deseadas, limitando así el número de opciones que tiene para elegir.Problemas de aprendizaje automático se clasifica en dos tipos:
- Clasificación
- Regresión
Clasificación:
Problemas de clasificación tienen salidas binarias.
Ellos son nuestro día a día, sí o no preguntas. ¿Es esta una naranja o no? ¿Debo comprar esta acción o no? ¿Este paciente tiene cáncer o no?
Considera esto. El niño ha aprendido a caminar y los padres quieren que aprenda otras cosas también. De modo que lo deciden enseñar acerca de las frutas. Ellos traen una bolsa de manzanas y otra bolsa de naranjas. Se mantienen tanto frente a él. Le dan parámetros que distinguen entre una manzana y una naranja.
Al final del proceso, el niño aprende a distinguir de la siguiente manera:
- Si la piel es suave, es una manzana, si es gruesa es una naranja.
- Las naranjas son casi redondas y las manzanas generalmente no son redondas.
- Naranjas y manzanas tienen un olor diferente.
Los padres están contentos de que el niño ha aprendido a diferenciar entre los dos frutas. Él recibe un abrazo extra ese día y se van a trabajar. Cuando llegan a casa esa misma tarde le ven a jugar con un limón. Le preguntan lo que está jugando con. Él dice: “Mamá, papá, estoy jugando con una naranja.”
Ahora, es el derecho niño o mal? Técnicamente, mal. Pero para un niño cuyo conocimiento de las frutas se limita a las manzanas y naranjas, que tiene razón. Los limones son más cerca de las naranjas que las manzanas. Se habría llegado a la conclusión de que es un limón en base a comparaciones con su conjunto de parámetros distintiva. Así es como el proceso de pensamiento habría sido:
- La piel no es uniforme, pero por supuesto. Entonces esto podría ser una naranja y no una manzana.
- Esto es muy casi redonda. Por lo que esta podría ser una naranja y no una manzana.
- Esto no huele como una manzana. Pero huele similar a una naranja.
- Esta es una naranja.
Así es como funciona un algoritmo de clasificación. La máquina tiene un conjunto de datos de entrada. Por ejemplo, una tabla que enumera abajo tamaños de tumor y si son malignas o benignas. Así que cuando la máquina se pone un nuevo tamaño que no es parte del conjunto de datos, se compara con la lista conocida y devuelve maligno si está más cerca de un tumor maligno o vuelve benignas.
Regresión:
Las regresiones son bastante complicadas y no son fáciles como problemas de clasificación. El niño no puede gestionar el resto de su vida sólo por ser capaz de determinar si la fruta es una manzana o una naranja.
Los padres lo llevan a una juguetería para su cumpleaños. Se le pide que elija y se pierde por las elecciones. Como un niño, tendrá su propio requisito por lo que decide jugar con cada juguete durante 5 minutos y decide, basándose en la luminosidad del color es, ¿cuántas funciones tiene, ¿cuánto ruido que realizar y parámetros similares. Así que si le gustaba el juguete, la próxima vez va a comprar otro juguete más cercano a éste si decide comprar uno nuevo o el mismo juguete si quiere uno más de lo mismo.
Esto es similar al funcionamiento de un algoritmo de regresión. Un algoritmo de regresión tiene que ser diseñado de manera que cubre todos los parámetros necesarios. No sólo uno o dos. Sin embargo, la función que más se acerque a todos los parámetros
Originalmente escrito aquí: La respuesta de Vignesh Natarajan a ¿Cómo se explica aprendizaje automático y minería de datos para la gente que no Informática?
No echa un vistazo a las otras respuestas a esta pregunta, hay algunos excelentes explicaciones.
