Kriblog-aprendizaje

Aprendizaje supervisado vs. Aprendizaje no supervisado

Me gustaría partir este blog con tres relatos que al inicio pueden parecer inconexos, pero espero que con tu compañía y dedicación culminemos este escrito entendiendo su relación

¿Qué es la Inteligencia Artificial?

Hoy está muy de moda el concepto de IA. Lo vemos en las noticias, en medicina, educación e incluso en nuestros dispositivos móviles pero, ¿existe un consenso en lo que es y no es la inteligencia artificial? La respuesta de algunos autores es del estilo “habilidad de los ordenadores para hacer actividades que normalmente requieren inteligencia humana” (Rouhiainen, 2018). Pero si vamos más adelante, se pueden abrir discusiones sobre la definición de la propia inteligencia humana. Por lo tanto, llegar a una definición universal de IA se vuelve algo complejo cuando intentamos comprender la manera en la que los humanos nos relacionamos y desenvolvemos en nuestra vida. La forma en la que yo describo la IA es dotar a un ente la capacidad de aparentar comportamientos inteligentes. Esto último lo digo porque la inteligencia artificial actual no es más que la fusión de las matemáticas/estadísticas con las herramientas de programación.

Dicho esto, cuando se “crea” una inteligencia artificial, lo que se hace es dar una receta específica que a nuestros ojos se entenderá como un comportamiento inteligente. Bajo esa consigna podemos estar de acuerdo que un brazo robótico en una fábrica es una forma de IA, más aún, la decisión de catalogar algo como una IA dependerá siempre de la definición de la que partamos. Para agregar más vocabulario, el Machine Learning va un poco más allá siendo la rama de la IA que brinda a las máquinas la capacidad de aprender: ya no solo muestra una aparente inteligencia, sino que puede aprender

¿La inteligencia de
un niño

Plasma en tu mente la siguiente situación: va un padre caminando por un parque con su hija. Es la primera vez que ella verá animales en su vida y al momento de verlos no puede evitar preguntar de qué animal se trata. Luego de ver e identificar a varios perros en el parque, ella le pregunta a su padre: Hay muchos perros distintos, ¿cómo puedo saber si es o no un perro?

¿Cómo respondes a esta pregunta? Aquí dejo algunas de las respuestas que se me ocurren para caracterizar a un perro:

  1. Tiene cuatro patas
  2.  Está cubierto de pelo
  3.  Tiene cola

Esto podrá parecer un poco extraño, ya que generalmente uno no aprende de esta manera a identificar animales. La forma más común es ver a muchos animales e identificarlos con el tiempo gracias a esos ejemplos. ¿Qué pasará cuando esta niña vea un gato o un caballo? Si ella nunca ha visto alguno, probablemente asociará que es otra clase de perro. Bueno, probablemente con el tiempo aprenderá a distinguir animales y alguien le dirá que se está volviendo cada vez más inteligente.

No siempre necesitamos instrucciones

Por medio de otra analogía a nuestra infancia, uno de los juegos más comunes en nuestro primer ciclo es el de agrupar juguetes. Esto implica el separar elementos dependiendo de sus características y formas: podemos separar dinosaurios de muñecos de acción, círculos de cuadrados y triángulos… Es muy poco probable que nos hayan dado instrucciones explícitas de cómo realizar esto, todo lo contrario, es lo natural tratar de buscar patrones en nuestro entorno para poder agruparlos.

Al comenzar este blog planteé la idea de estos tres relatos inconexos, sin embargo, cada uno establece la definición más natural que se produce al abordar el concepto de Machine Learning en dos de sus grandes formas de aprendizaje: supervisado y no supervisado.

Aprendizaje supervisado

El aprendizaje supervisado es aquel que nos permite predecir alguna variable de intereses dependiendo de sus características, por ejemplo: predecir si un animal es o no un perro de acuerdo a las características del animal que nos muestran. Lo que diferencia al aprendizaje supervisado de otros aprendizajes es que además de algunas características necesitamos ejemplos tangibles de lo que queremos conseguir (en este contexto, que podamos ver a distintos tipos de perro antes de comenzar a predecir).

Esta es la forma de aprendizaje que utilizan las tan conocidas redes neuronales, a las cuales se le presentan una gran cantidad de ejemplos para que ellas aprendan por sí solas a diferenciar y determinar si corresponde a la predicción deseada o no. A esto último se le llama problema de clasificación.

Aprendizaje no supervisado

Por otro lado, el aprendizaje no supervisado carece de ese factor característico del tópico anterior, es decir, no necesita un ejemplo o un objetivo en concreto. Al igual que el tercer relato, el ANS solo necesita datos de entrada e intentará obtener conocimiento de esto mediante asociaciones que nos permitan generar nueva información, de la misma manera en la que podemos agrupar nuestros juguetes por tipo. A esto se le llama problema de clustering (agrupamiento).

Quizás pueda parecer un poco trivial el agrupar elementos de la misma manera que un niño agrupa sus juguetes. Sin embargo, la inclusión de las matemáticas y la programación en este asunto nos permite obtener conocimiento que a la vista se vuelve invisible. Un ejemplo concreto es poder generar grupos de clientes en base a características como su edad, ingresos, residencia o lo que tú quieras, lo cual te permite lanzar campañas especializadas dependiendo de los atributos que consideres relevante en tu público objetivo.

El siguiente paso es que puedas profundizar aún más en lo que cada uno de estos tipos de aprendizaje te puede ofrecer. No obstante, ya tienes una idea general de su diferencia y puedes practicar explicándoselo a personas que no necesariamente son cercanas a la inteligencia artificial, ya que, como ha quedado claro, la creación de una inteligencia artificial siempre estará supeditada a nuestra propia concepción de la inteligencia humana y será inspirada en la misma.

Referencia

Rouhiainen, L. (2018). Inteligencia artificial. Madrid: Alienta Editorial.

Aprendizaje supervisado vs. Aprendizaje no supervisado

kripton

kripton