AI frente a Machine Learning
frente a Deep Learning

Todos los acrónimos

Casi es más difícil entender todos los acrónimos que rodean a la inteligencia artificial (AI) que la tecnología subyacente de AI frente a machine learning frente a deep learning. Si a esto le sumamos las diferentes disciplinas de la AI así como los dominios de aplicación, es fácil que la persona promedio se desconecte y pase a otra cosa. Por eso es una buena idea observar primero cómo se puede definir claramente cada uno al comparar la ciencia detrás de tecnologías complejas como machine learning vs. AI o NLP vs. machine learning.

A continuación, intentamos explicar las partes importantes de la inteligencia artificial y cómo encajan entre sí. En Sonix, nos centramos específicamente en el reconocimiento automático del habla, por lo que explicamos las tecnologías clave con eso en mente. Los conocimientos que proporcionamos sobre las aplicaciones de AI vs. ML vs. DL se conectan directamente con el trabajo que realizamos para nuestros clientes.

Primero comencemos con algunos de los acrónimos más utilizados y sus definiciones:

• Artificial Intelligence (AI) — la disciplina amplia de crear máquinas inteligentes
• Machine Learning (ML) — se refiere a sistemas que pueden aprender de la experiencia
• Deep Learning (DL) — se refiere a sistemas que pueden aprender de la experiencia en grandes conjuntos de datos
• Artificial Neural Networks (ANN) — se refiere a modelos de redes neuronales humanas que están diseñados para ayudar a las computadoras a aprender
• Natural Language Processing (NLP) — se refiere a sistemas que pueden entender el lenguaje
• Automated Speech Recognition (ASR) — se refiere al uso de técnicas basadas en hardware y software informático para identificar y procesar la voz humana

La inteligencia artificial (AI) es la disciplina general que cubre cualquier cosa relacionada con hacer que las máquinas sean inteligentes. Ya sea un robot, un refrigerador, un automóvil o una aplicación de software, si los estás haciendo inteligentes, entonces es AI. El Machine Learning (ML) se usa comúnmente junto con la AI, pero no son lo mismo. El ML es un subconjunto de la AI. El ML se refiere a sistemas que pueden aprender por sí mismos. Sistemas que se vuelven más y más inteligentes con el tiempo sin intervención humana. El Deep Learning (DL) es ML pero aplicado a grandes conjuntos de datos. La mayor parte del trabajo de AI ahora involucra ML porque el comportamiento inteligente requiere un conocimiento considerable, y el aprendizaje es la forma más fácil de obtener ese conocimiento. La imagen a continuación captura la relación entre machine learning vs. AI vs. DL.

Existen muchas técnicas y enfoques para el ML. Uno de esos enfoques son las redes neuronales artificiales (ANN), a veces llamadas simplemente redes neuronales. Un buen ejemplo de esto es el motor de recomendaciones de Amazon. Amazon utiliza redes neuronales artificiales para generar recomendaciones para sus clientes. Amazon sugiere productos mostrándote "los clientes que vieron este artículo también vieron" y "los clientes que compraron este artículo también compraron". Amazon asimila los datos de todas las experiencias de navegación de sus usuarios y utiliza esa información para realizar recomendaciones de productos efectivas.

En Sonix, convertimos audio a texto utilizando máquinas. Las tecnologías principales subyacentes son el reconocimiento automático del habla (ASR) y el procesamiento del lenguaje natural (NLP). ASR es el procesamiento del habla a texto, mientras que NLP es el procesamiento del texto para entender el significado. Debido a que los humanos hablan con coloquialismos y abreviaturas, se requiere un análisis informático extenso del lenguaje natural para generar resultados precisos.

ASR y NLP entran dentro de la AI. El ML y el NLP tienen cierto solapamiento, ya que el ML se utiliza a menudo para tareas de NLP. El ASR también se solapa con el ML. Históricamente ha sido una fuerza impulsora detrás de muchas técnicas de aprendizaje automático. Al comparar la AI frente al aprendizaje automático, es crucial entender los solapamientos y diferencias dentro del diagrama.

En resumen, el DL es un subconjunto del ML, y ambos son subconjuntos de la AI. ASR y NLP caen bajo la AI y se solapan con ML y DL. Es increíble cómo todos están entrelazados. No se trata tanto de aprendizaje automático frente a AI, sino más bien de cómo estas tecnologías relativamente nuevas pueden crear y mejorar métodos para resolver problemas de alto nivel en tiempo real.