Deep learning: què és i com es relaciona amb el machine learning?

Continuant un parell d'articles que hem fet, aquí et parlarem de quin és el Deep Learning i la seva relació amb el Machine Learning. Tots dos termes són c ada vegada més importants en la societat en què vivim i et serà de gran ajuda saber què ens envolta.

Índex de continguts

Què és el Deep Learning?

El Deep Learning és un subconjunt de tècniques que van néixer al voltant dels anys 2000 fruit de l'Machine Learning. Per aquesta raó, hauríem catalogar-la com una de les seves branca, sent al seu torn part de la ciències de la computació.

Aquests sistemes són més autònoms que els seus germans grans, encara que la seva estructura també és força més complexa. Això els dóna un clar avantatge a l'hora de realitzar diferents tipus de tasques on exerceixen una tasca igual o millor que altres sistemes amb algoritmes Machine Learning.

Així mateix, hi ha altres treballs on Deep Learning destaca sobre el seu antecessor. Un dels casos més sonats són les Intel·ligències Artificials estil AlphaGo, la Intel·ligència de Google capaç de vèncer el campió mundial de Go.

Potser et sona una mica a xinès, però Go és un joc molt famós i, a més, molt exigent. Per posar-ho en context, matemàtics afirmen amb rotunditat que aquest passatemps és considerablement més complex que els escacs.

D'altra banda, el Deep Learning està molt relacionats amb el Big Data, ja que aquestes grans fonts d'informació els poden servir per aprendre i consolidar experiència. A més, gràcies a la situació en què estem, l'ambient per a la proliferació i desenvolupament d'aquesta tecnologia és perfecta per tres punts clau:

1. La gran acumulació de dades, ja que amb les eines que tenim avui dia, es poden obtenir i emmagatzemar dades de gairebé qualsevol persona. El grau de tecnologia en què estem, ja que els components són bons per a, en conjunt, oferir una potència considerable. El desig de les empreses per millorar les seves metodologies, ja que, aprofitant els dos punts anteriors, cada vegada més empreses aposten per la Intel·ligència Artificial. Si la teva empresa té emmagatzemats dades de milers de clients i les tecnologia et dóna peu a aprendre d'ells i utilitzar-lo, és una aposta segura.

L'estructura de l'Deep Learning

Malgrat tenir un desenvolupament bastant similar a l'Machine Learning, aquest conjunt d'algoritmes tenen algunes diferències nuclears. La més important és probablement la seva estructura interna, és a dir, el codi que conforma el seu algorisme.

Idea general sobre el Deep Learning

Com veus a la imatge, el Deep Learning està bastant relacionat amb les xarxes neuronals. Aquest concepte no és nou, però tampoc porta molt de temps amb nosaltres, així que és possible que no el coneguis.

Per simplificar-ho, podríem definir a una xarxa neuronal com un conjunt d'algoritmes (cada un d'anomenat capa) que tracten i es transmeten informació. Cada capa rep uns valors d'entrada i retornen uns de sortida i, a el passar per tota la xarxa, es torna un valor resultant final. Tot això, ocorre de forma seqüencial, normalment, on cada capa té un pes diferent, segons el resultat buscat.

Aquí et mostrem un breu vídeo (en anglès) sobre una Intel·ligència Artificial aprenent a jugar Super Mario World:

I potser et preguntes: "Per què tot aquest mètode tan intricat?" . Certament, el Deep Learning encara pertany al que anomenem les Intel·ligències Artificials Febles, però possiblement sigui el primer pas cap a les fortes.

Aquesta metodologia està inspirada vagament en el funcionament d'un cervell. Similar al que veiem en el "món físic", els sistemes formen capes i cada capa funciona d'una manera similar a una neurona. D'aquesta manera, les capes es relacionen entre elles, comparteixen informació i el més important és que tot es fa de forma autònoma.

Esquema molt simplificat de l'funcionament de l'Deep Learning

Seguint aquesta regla, les Intel·ligències més completes són, normalment, els que tenen més capes i algoritmes més sofisticats.

Com funciona una Intel·ligència Artificial amb aquest algoritme?

Si has vist els nostres articles previs sobre el tema, hauràs vist ja aquest gif. Aquí pots veure el nostre article sobre Intel·ligència Artificial i aquí pots llegir una mica sobre el Machine Learning.

però t'ho tornem a ensenyar una última vegada.

Aquesta imatge reflecteix bé i d'una manera molt senzilla com funcionaria una Intel·ligència que usi xarxes neuronals. Com veus, la seva tasca és simple: classificar imatges i aprendre a detectar gossos a les diferents fotos que li vagin passant.

Cada imatge comença entrant per la feed d'entrada, és a dir, per la Input Layer on ja començarien els primers càlculs. Els resultats obtinguts serien compartits a la segona capa o neurona i, evidentment, se l'informa què neurona ha fet aquest càlcul. Aquest procés es repeteix tantes vegades com capes tingui el nostre sistema fins que arribem a l'última d'elles.

L'última neurona és nomenada com la Output Layer i és la que, en aquest exemple, mostra el resultat. En altres casos, la Output Layer acaba sent realitzar l'acció calculada. Així mateix, si fiquem en la fórmula haver d'actuar el més ràpid possible (com en videojocs), el resultat ha de ser gairebé instantani. No obstant això, gràcies a el punt tecnològic en què estem això ja és possible.

Un dels exemples més clars d'això és la Intel·ligència Artificial AlphaStar, una altra creació de la mateixa Google.

Les Intel·ligències Artificials de Google Deepmind

Et hem parlat d'AlphaGo, una IA capaç de barallar contra els millors jugadors de Go de el món. No obstant això, aquesta té germans menors capaços d'aconseguir algunes fites bastant impressionants.

AlphaZero

Aquesta Intel·ligència va aprendre en només 24 hores un nivell sobrehumà d'escacs, shoji i go amb el qual va guanyar a diversos jugadors famosos. Així mateix, a la llista de contrincants derrotats va apuntar també a la versió de AlphaGo Zero de 3 dies d'experiència, alguna cosa realment increïble. Aquí surt a la llum la velocitat d'aprenentatge d'aquesta Intel·ligència Artificial.

El més impressionant de tot és que l'equip no va tenir accés a llibres d'aprenentatge o base de dades, de manera que totes les seves tàctiques van ser apreses amb la pràctica.

En un altre de les seves trobades es va enfrontar a Stockfish, un veterà programa automatitzat de codi obert que juga a escacs. No obstant això, en tan sols quatre hores va ser dominat per AlphaZero.

Cal destacar que mentre que aquest primer calcula uns 70 milions de moviments, AlphaZero, en escacs, només té en compte 80 mil sortides diferents. La diferència de prediccions es compensava amb un molt millor judici de quines serien jugades prometedores.

Amb demostracions de força com aquest podem veure la potència de les noves Intel·ligències Artificials.

AlphaStar

D'altra banda, AlphaStar és una IA que, avui dia, és capaç de jugar a l'RTS Starcraft II (Estratègia en Temps Real, en espanyol).

En el moment de la seva demostració, AlphaStar va barallar contra diversos jugadors professionals de medi guanyant deu partides consecutives i perdent solament l'última.

A diferència d'escacs o el go, Starcraft II és un enfrontament en temps real, de manera que cada segon has d'estar fent coses. A causa d'això, podem entreveure que la tecnologia actual és capaç de mantenir aquests ritmes frenètics de càlcul i decisió.

Pel que fa a la preparació de la Intel·ligència, per a les dates de la prova en viu tenia al voltant de 200 anys d'experiència entrenant només amb protos (una de les races disponibles). També va ser capada perquè només pogués realitzar accions si tenia la càmera físicament sobre la unitat, així s'assimilava més a com jugaria una persona.

No obstant això, tot i tenir aquests handicaps, AlphaStar va aconseguir vèncer la majoria de les seves trobades usant una tàctica abandonada a la vessant competitiva de el joc. Un punt a destacar, és que AlphaStar sol mantenir les APM (Accions Per Minut) baixes, de manera que les seves decisions són molt eficients.

Accions per minut mitjanes realitzades per la IA i per un jugador professional

No obstant això, quan la situació ho requereix demostra un control sobrehumà, literalment, de les unitats trencant fàcilment el comptador.

Aquí pots veure una de les seves demostracions a el complet:

El futur de les Intel·ligències Artificials

Ja t'hem parlat d'aquest tema, així que no et repetirem massa la mateixa xerrada. El que sí cal destacar són els possibles futurs que l'esperen a l'Deep Learning.

Segons Andrew Yan-Tak Ng, un conegut expert en matèria de Intel·ligències Artificials, el Deep Learning és un bon pas cap a les Intel·ligències de el futur. A diferència d'altres mètodes d'ensenyament, aquest és considerablement més eficient a mesura que augmentem la mostra de dades.

ET RECOMENDAMOSBABAHU X1: El raspall de dents amb AI ja està disponible

La següent diapositiva pertany a la seva presentació "El que els científics de la informació haurien de saber sobre el Deep Learning". Si t'interessa, pots veure-la en aquest enllaç.

No debades, el desenvolupament de tecnologia no ha parat. Cada any tindrem components més potents, de manera que cada vegada tindrem més pati per provar. Igual que va passar amb les IAs antigues i el Machine Learning, nous algoritmes, metodologies i sistemes apareixeran i reemplaçaran l'avui innovador Deep Learning.

Així mateix, com deus imaginar, el futur està abordat per les màquina semi-intel·ligents.

Com et vam apuntar en altres articles, la majoria d'aparells electrònics tindran (alguns ja les incorporen) Intel·ligències de suport. Un cas molt notable és el de les Intel·ligències que ajuden a realitzar fotos de millor qualitat.

No obstant això, un punt on potser floreixi aquesta tecnologia envers la majoria d'usuaris és el IOT (Internet de les Coses, en espanyol).

L'Internet de les Coses

Aquest terme cada vegada té més pes en les conferències de tecnologia i informàtica i busca consolidar-se ara que tenim els mitjans.

La idea és que els electrodomèstics, aparells elèctrics i altres siguin objectes identificables, puguin comunicar-se entre ells i, a més, ser controlats amb un dispositiu. D'aquesta manera podem tenir un recompte de quins objectes hi ha en un lloc, on són, interactuar amb ells i tot això des del mòbil. Així mateix, els objectes també podrien interactuar entre ells i si per exemple un aliment caducara, potser la nevera seria capaç de indicártelo quan ho abrieses.

D'altra banda, les Intel·ligències Artificials haurien de ser capaços de supervisar l'estat i rendiment dels electrodomèstics. Amb això, podria establir un pla d'electricitat i optimitzar l'energia utilitzada.

No obstant això, un punt rellevant que ens queda per perfeccionar seria la seguretat envers Internet. És una cosa que encara no sembla patir molt assetjament, però tots sabem que serà imprescindible si volem que sigui un servei segur.

És una idea una mica abstracta, però a mesura que vagi envaint les nostres vides, te n'aniràs familiaritzant.

La importància de les noves tecnologies i el Deep Learning

És ineludible pensar que la informàtica i les Intel·ligències Artificials conformaran gran part de el futur que ens espera. Per això, és important sempre estar mig assabentat / a de què va passant al món regit per bits.

Amb aquest esperit en ment, ja podem veure com van apareixent diferents titulacions, cursos i graus que ensenyen aquests temes en profunditat. Per exemple, han aparegut algunes enginyeries de dades, altres graus sobre Big Data i, clarament, cursos de Deep Learning i Intel·ligència Artificial.

Per aquest mateix motiu, et instem a que investiguis sobre el tema. Internet, amb els seus més i els seus menys, encara no és autònoma, ni perfecta, ni realment segura, però és una font gairebé il·limitada de coneixement. Amb una mica de sort, trobaràs d'on aprendre i podràs embarcar-te en un nou llenguatge, o millor dit, un nou món.

Com el Machine Learning és una disciplina lleugerament més lleugera, hi ha programes que et permeten trastejar una mica amb les dades. Si t'interessa conèixer una mica més del tema i comprovar per tu mateix / a els límits d'aquesta tecnologia, pots visitar IBM Watson Developer Cloud o Amazon Machine Learning. T'avisem: t'hauràs de crear un compte i no serà un camí fàcil d'aprendre, però potser un dia et serveixi per aconseguir grans fites.

Més enllà d'aquí és el món de les idees, així que tot queda a les teves mans. I a tu, què et semblen les noves tecnologies relacionades amb la Intel·ligència Artificial? Quines altres aplicacions de l'Deep Learning coneixes o vols veure? Comparteix les teves idees a la caixa de sota.

Font Business Bloc Think BigXatakaMachine Learning Mastery