¿Qué es el aprendizaje profundo? ¿Cómo se relaciona con la IA y el aprendizaje automático?

Answer 1

La mayor parte del aprendizaje automático se divide en dos categorías, el aprendizaje supervisado y el no supervisado. En el aprendizaje supervisado, una gran parte adecuada de datos ya está clasificada, y esto se usa para entrenar y validar un algoritmo. Su éxito depende de varios factores, pero fundamentalmente en la elección y manipulación de las características creadas a mano que se utilizan para identificar los clústeres. En su esencia, el aprendizaje automático consiste en clasificar los datos. Se hace un esfuerzo considerable para elegir las funciones correctas para las técnicas supervisadas y no supervisadas.

El aprendizaje profundo tiene vínculos estrechos con las redes neuronales diseñadas originalmente para la IA y es una técnica de aprendizaje automático que tiene múltiples niveles (jerárquica). Hay varios algoritmos e hipótesis en uso. Una hipótesis popular es el perceptrón. Por ejemplo, las características en bruto ponderadas se aplican a una capa y se pasan a un disparador de suma no lineal, y luego a otra capa y así sucesivamente. La técnica es menos sensible a la selección inicial de características y demuestra ser bastante adecuada para el procesamiento del lenguaje natural y problemas relacionados. El aprendizaje profundo también se divide en dos categorías principales de aprendizaje supervisado y no supervisado.

Si estás interesado, Theano es una biblioteca de Python que facilita la escritura de modelos de aprendizaje profundo y ofrece la opción de entrenarlos en una GPU.

Answer 2

El aprendizaje profundo es un nombre elegante para un subconjunto de algoritmos de aprendizaje automático. El término “profundo” proviene del hecho de que estos algoritmos aprenden el concepto de interés en una representación jerárquica. Por ejemplo, para la tarea de reconocer objetos en imágenes, dados (de decenas de miles a millones de) imágenes de entrenamiento sin procesar (píxeles), aprenden el concepto de bordes y, posteriormente, aprenden una representación de partes de objetos basadas en bordes y objetos completos. Basado en estas partes. Si bien esta clase de algoritmos no es nueva, solo recientemente se han hecho prácticamente útiles, debido a la abundancia de datos de entrenamiento y potencia computacional en forma de GPU, que son necesarios para capacitarlos de manera efectiva.

Una introducción al aprendizaje profundo para no especialistas por los tres científicos más importantes en el área se publicó recientemente en Nature. Es bastante fantástico.

Página en nature.com

Answer 3

El aprendizaje profundo es sinónimo de aprendizaje automático. El aprendizaje automático tiene un alcance más amplio e incluye modelos como regresión lineal, máquinas de vectores de soporte además de redes neuronales artificiales. El aprendizaje profundo solo utiliza redes neurales artificiales jerárquicas.

La IA es la encarnación del aprendizaje automático en un sistema cognitivo más funcional. Por ejemplo, una IA puede usar un modelo entrenado para reconocer paredes y otro modelo para reconocer objetos en movimiento para la navegación espacial y la planificación de la trayectoria.