Machine Learning

El machine learning es el subconjunto de la inteligencia artificial (IA) centrado en algoritmos que pueden "aprender" los patrones de los datos de entrenamiento y, posteriormente, hacer inferencias precisas sobre nuevos datos. Esta capacidad de reconocimiento de patrones permite a los modelos de machine learning tomar decisiones o realizar predicciones sin instrucciones explícitas y codificadas de forma rígida. El machine learning ha llegado a dominar el campo de la IA, constituyendo la columna vertebral de la mayoría de los sistemas modernos, desde modelos de previsión hasta vehículos autónomos, pasando por modelos de lenguaje de gran tamaño (LLM) y otras herramientas de IA generativa. La premisa central del ML es que si se optimiza el rendimiento de un modelo en un conjunto de datos de tareas que se asemejan adecuadamente a los problemas del mundo real para los que se utilizará, a través de un proceso llamado entrenamiento de modelos, el modelo puede hacer predicciones precisas sobre los nuevos datos que ve en su caso de uso final. El entrenamiento es simplemente un medio para alcanzar un fin: la generalización, es decir, la capacidad de traducir un buen rendimiento en los datos de entrenamiento en resultados útiles en escenarios del mundo real. Este es el objetivo fundamental del machine learning. En esencia, un modelo entrenado aplica patrones que aprendió de los datos de entrenamiento para inferir el output correcto para una tarea del mundo real: la implementación de un modelo de IA es por lo tanto llamada inferencia de IA. El deep learning, el subconjunto del machine learning impulsado por grandes redes neuronales artificiales, o más bien "profundas", ha surgido en las últimas décadas como la arquitectura de modelos de IA de última generación en casi todos los dominios en los que se utiliza la IA. A diferencia de los algoritmos explícitamente definidos del machine learning tradicional, el deep learning se basa en "redes" distribuidas de operaciones matemáticas que le confieren una capacidad sin igual para aprender los matices intrincados de datos muy complejos. Dado que el deep learning requiere cantidades muy grandes de datos y recursos computacionales, su llegada ha coincidido con la creciente importancia del "big data" y las unidades de procesamiento gráfico (GPU). La disciplina del machine learning está estrechamente entrelazada con la de la ciencia de datos. En cierto sentido, el machine learning puede entenderse como una colección de algoritmos y técnicas para automatizar el análisis de datos y (lo que es más importante) aplicar los aprendizajes de ese análisis a la ejecución autónoma de tareas relevantes. Aunque el concepto central no se le atribuye a él, sí se le suele atribuir el origen del término. En 1959, publicó en la revista IBM Journal el artículo "Some Studies in Machine Learning Using the Game of Checkers" ("Algunos estudios sobre el machine learning utilizando el juego de damas"). En la introducción del artículo, Samuel articula claramente el resultado ideal del machine learning: "un ordenador puede programarse para que aprenda a jugar mejor a las damas que la propia persona que escribió el programa".1

Deep Learning

El deep learning es un subconjunto de machine learning impulsado por redes neuronales cuyo diseño se inspira en la estructura del cerebro humano. Los modelos de deep learning están detrás de la mayor parte de la inteligencia artificial (IA) más avanzada en la actualidad, desde la visión artificial y la IA generativa hasta los coches autónomos y la robótica. A diferencia de la lógica matemática explícitamente definida de los algoritmos tradicionales de machine learning, las redes neuronales de los modelos de deep learning comprenden muchas capas interconectadas de "neuronas" que realizan cada una una operación matemática. Mediante el uso del machine learning para ajustar la fuerza de las conexiones entre las neuronas individuales de las capas adyacentes (es decir, los pesos y sesgos variables del modelo), la red puede optimizarse para obtener outputs más precisos. Aunque las redes neuronales y el deep learning se han asociado indisolublemente entre sí, no son estrictamente sinónimos: "deep learning" se refiere al entrenamiento de modelos con al menos 4 capas (aunque las arquitecturas de redes neuronales modernas suelen ser mucho más "profundas" que eso) . Es esta estructura distribuida, altamente flexible y ajustable lo que explica la increíble potencia y versatilidad de deep learning. Imagine el entrenamiento de datos como puntos de datos dispersos en un gráfico bidimensional, y el objetivo del entrenamiento de modelos es encontrar una línea que pase por cada uno de esos puntos de datos. Esencialmente, el machine learning tradicional tiene como objetivo lograr esto utilizando una sola función matemática que produce una sola línea (o curva); el deep learning, por otro lado, puede juntar un número arbitrario de líneas más pequeñas y ajustables individualmente para formar la forma deseada. Las redes neuronales profundas son aproximadores universales: se ha demostrado teóricamente que para cualquier función, existe una disposición de red neuronal que puede reproducirla.1 Los modelos de deep learning suelen entrenarse mediante el aprendizaje supervisado en datos etiquetados para realizar tareas de regresión y clasificación. Pero como las redes neuronales suelen requerir una enorme cantidad de datos de entrenamiento para alcanzar un rendimiento óptimo, el coste y el trabajo de adquirir conjuntos de datos de ejemplos de entrenamiento anotados pueden ser prohibitivos. Esto ha llevado al desarrollo de técnicas para replicar tareas de aprendizaje supervisado utilizando datos no etiquetados. El término aprendizaje autosupervisado fue acuñado por Yann LeCun a finales de la década de 2010 para desambiguar estos métodos del aprendizaje no supervisado tradicional. Desde entonces, el aprendizaje autosupervisado se ha convertido en un modo destacado de entrenar redes neuronales, en particular para los modelos fundacionales que sustentan la IA generativa. Aunque los científicos de datos introdujeron las redes neuronales (o conceptos análogos) al principio de la historia del machine learning, su avance no comenzó en serio hasta finales de la década de 2000 y principios de la de 2010. La llegada de las redes de deep learning en la mayoría de los subconjuntos del machine learning fue posible en parte por los avances en las unidades de procesamiento gráfico (GPU) de alto rendimiento que permitieron el procesamiento paralelo de cantidades masivas de pasos computacionales. Dado que el deep learning requiere una enorme cantidad de potencia informática tanto para el entrenamiento como para la inferencia, estos avances de hardware aumentaron considerablemente la velocidad y la practicidad de la implementación de modelos de deep learning a escala.