Aunque los conceptos de Machine Learning, o Aprendizaje automático, e Inteligencia Artificial son habitualmente confundidos y usados indistintamente, con una cierta tendencia a emplear el término Inteligencia Artificial para referirnos a ambos campos científicos, la realidad es que hacen referencia a áreas distintas del conocimiento. En este artículo vamos a ver las diferencias entre ambos conceptos, así como con otros términos habituales relacionados, como Big Data o Deep Learning.
Existen varias definiciones del concepto de Machine Learning, siendo una de las más populares la siguiente:
Machine Learning, o Aprendizaje Automático es una rama de la Inteligencia Artificial cuyo objetivo es construir sistemas que aprendan automáticamente de los datos.
De esta definición podemos extraer dos características vitales del campo del Machine Learning:
Pongamos un ejemplo: Imaginemos que queremos crear un sistema que aprenda a reconocer si una determinada imagen representa un gato (la imagen se etiquetará como un 1) o cualquier otra cosa (la imagen se etiquetará como un 0), como vemos en la siguiente imagen.
Al construir un modelo de Machine Learning, el desarrollador no indica al modelo en que patrones debe de fijarse para reconocer un gato, como por ejemplo orejas puntiagudas, cuatro patas, pelaje por todo el cuerpo con ciertas características… sino que será el propio modelo el que, basándose en le histórico de imágenes proporcionadas, decida que características son más útiles para distinguir a un gato de otro tipo de entidades. A esto es a lo que nos referidos con el concepto de aprender de forma “automática”, y es lo que define los sistemas de Machine Learning.
Por tanto, hemos dejado claro que el Machine Learning es un subconjunto dentro de todas las técnicas que abarca el campo de la Inteligencia Artificial, en concreto un subconjunto que se define por la capacidad de aprender de forma automática a resolver ciertas tareas.
Existen otros conceptos relacionados con el Machine Learning que son habitualmente confundidos y no siempre bien empleados, como Deep Learning y Big Data.
Por un lado, tenemos el Deep Learning, que se refiere a una familia específica de modelos de Machine Learning. Esta familia de modelos tiene unas características especiales que la hacen especialmente indicada para ciertos problemas, como el reconocimiento de imágenes, pero siguen siendo un tipo de técnicas de Machine Learning. Si tenéis interés en profundizar en el concepto de Deep Learning, tenemos un artículo sobre este tema aquí.
En segundo lugar, el término Big Data también aparece habitualmente vinculado al Machine Learning. Sin embargo, es importante tener claro que hace referencia a un concepto que, si bien guarda relación con el Machine Learning, es independiente y presenta características distintas. En pocas palabras, el Big Data se refiere a conjuntos de datos muy grandes y complejos, frecuentemente procedentes de fuentes de datos no clásicas. Estos conjuntos de datos son tan voluminosos que el software tradicional de procesamiento de datos simplemente no puede gestionarlos, pero que permiten resolver problemas empresariales, en muchas ocasiones mediante el entrenamiento de modelos de Machine Learning sobre estos conjuntos de Big Data, que antes no se habrían podido abordar.
Resumiendo, tenemos que el Machine Learning es un subconjunto dentro del área de la Inteligencia Artificial. A su vez, el Deep Learning es un subconjunto de los modelos disponibles dentro de las técnicas de Machine Learning. Por último, Big Data hace referencia a conjuntos de datos de gran tamaño, que permiten incrementar el potencial y la utilidad de los modelos de Machine Learning.
