Aprendizaje automático frente a aprendizaje profundo: un ejemplo

Para ayudarlo a comprender la diferencia entre el aprendizaje automático y el aprendizaje profundo, considere el siguiente ejemplo: está desarrollando una aplicación que puede examinar cualquier imagen para determinar si contiene o no un rostro humano.

En el aprendizaje automático tradicional, le daría a la máquina varias imágenes como entrada. Algunas de estas imágenes tienen rostros, otras no. Las que tienen rostros muestran diferentes personas, solo para asegurarse de que el algoritmo tenga una amplia variedad de datos de los que aprender. No necesariamente le dice al algoritmo "esto es un rostro" o "esto no es un rostro", pero aun así tiene que darle alguna orientación. Le dice al algoritmo cuáles son algunas de las características de los rostros, como:

• Una forma general consistente con el rostro general.

• Una nariz en el centro del rostro que tiene una forma general consistente.

• Dos ojos con la misma forma general y tres partes visibles en cada ojo: una pupila, un iris y la esclerótica (blanca).

• Una boca con una forma general consistente que puede estar abierta o cerrada.

• Y muchas más.

El algoritmo utiliza estas características, junto con las imágenes que le da, como entrada para formar lo que considera un "rostro". A continuación, se proporciona otro conjunto de datos al algoritmo; utiliza este conjunto de datos para validar sus predicciones. Por último, le proporciona al algoritmo nuevas imágenes de prueba y debería poder identificar si esas imágenes incluyen rostros.

En el aprendizaje profundo, no se le da al algoritmo ninguna orientación sobre cuáles son las características de un rostro. En su lugar, solo debe proporcionarle al algoritmo imágenes como entrada y muchas de ellas. El algoritmo comienza a analizar cada imagen y colocar diferentes dimensiones de la imagen en capas. Como se mencionó anteriormente, las capas inferiores comienzan de manera simple (hay cambios abruptos de color entre los píxeles, es decir, estos son bordes) y pueden volverse progresivamente más complejas (hay un único objeto centrado, de forma ovalada cerca de la parte inferior, es decir, esta es una boca). Depende del algoritmo de aprendizaje profundo formar su propia concepción de un "rostro" basada en las características comunes que aprende de la entrada. Esto permite que el aprendizaje profundo tome determinaciones que incluso los humanos pueden no ser capaces de tomar.

Información adicional

Para obtener información adicional sobre las diferencias entre el aprendizaje automático y el aprendizaje profundo, consulte aquí