Última revisión:
¿Qué es el machine learning? Definición y diferencia con el deep learning
El machine learning, o aprendizaje automático, es la rama de la inteligencia artificial en la que un programa aprende a realizar una tarea a partir de ejemplos, en lugar de seguir reglas escritas por un programador. Se basa en un modelo cuyos parámetros se ajustan automáticamente con datos hasta dar resultados fiables.
Arthur Samuel, investigador de IBM, publicó en julio de 1959 en el IBM Journal of Research and Development uno de los artículos fundacionales del campo: su programa de damas aprendía a jugar mejor que su autor, a partir únicamente de las reglas y de sus partidas. La definición oficial francesa (Journal officiel del 9 de diciembre de 2018) describe un «proceso por el cual un algoritmo evalúa y mejora su rendimiento sin la intervención de un programador», repitiendo su ejecución sobre conjuntos de datos. En la práctica, un modelo tiene parámetros, a menudo inicializados al azar, que el entrenamiento ajusta para reducir la diferencia entre sus predicciones y los resultados esperados. Una vez entrenado, el modelo se pone en producción y se aplica a casos nuevos (CNIL). Se distinguen tres modos de aprendizaje. Supervisado: cada ejemplo lleva la respuesta correcta (este cliente se dio de baja, esta factura es fraudulenta). No supervisado: el algoritmo busca por sí solo agrupaciones, por ejemplo segmentos de clientes. Por refuerzo: un agente aprende por ensayo y recompensa. Los métodos llamados clásicos (regresión, árboles de decisión, bosques aleatorios, gradient boosting) destacan con los datos tabulares de una empresa: ventas, existencias, historial de clientes. El deep learning es una subfamilia del machine learning, basada en redes neuronales con muchas capas, más adecuada para imágenes, sonido y texto. La IA generativa es una aplicación reciente de él.
Ejemplo concreto
Caso ilustrativo: una cadena regional francesa de centros de jardinería con 25 tiendas quiere prever mejor sus ventas para reducir las plantas sin vender. Dispone de tres años de historial de caja, del calendario de promociones y de datos meteorológicos. Un modelo de gradient boosting, entrenado con estos datos tabulares, prevé las ventas por tienda y por semana. Tras dos temporadas, los responsables de sección hacen los pedidos a partir de la previsión y ajustan al margen. No hace falta deep learning: los datos son estructurados y de volumen moderado, y el equipo quiere entender qué variables pesan (clima, festivos, promociones), algo que un modelo clásico permite leer.
Comparación
| Machine learning clásico | Deep learning | IA generativa | |
|---|---|---|---|
| Lugar dentro de la IA | Familia de IA que aprende a partir de datos | Subfamilia del machine learning | Aplicación del deep learning |
| Técnicas | Regresión, árboles de decisión, bosques aleatorios, gradient boosting | Redes neuronales profundas (CNN, RNN, transformers) | Grandes modelos de lenguaje, modelos de difusión |
| Datos típicos | Tablas estructuradas (ventas, clientes, sensores) | Imágenes, audio, textos, grandes volúmenes | Texto, imágenes, código; preentrenamiento con corpus masivos |
| Preparación de datos | Selección manual de las variables útiles | La red extrae por sí misma las características | Modelo ya entrenado, adaptado mediante instrucciones o documentos |
| Resultado | Una predicción o una clase | Una predicción, una detección, una transcripción | Un contenido nuevo (texto, imagen, código) |
| Coste de cálculo | Bajo, basta un servidor estándar | Alto, tarjetas gráficas (GPU) | Muy alto en el entrenamiento; facturado por uso (tokens) |
Preguntas frecuentes
¿Qué es el machine learning, en pocas palabras?
Es una forma de programar mediante ejemplos. En lugar de escribir todas las reglas, se muestran a un algoritmo miles de casos con la respuesta correcta, y él ajusta su propio modelo para reproducir esas respuestas y aplicarlas después a casos nuevos.
¿Cuál es la diferencia entre machine learning y deep learning?
El deep learning es una parte del machine learning. Usa redes neuronales con muchas capas, que extraen por sí mismas las características útiles de los datos brutos (píxeles, sonidos, palabras). Requiere muchos más datos y cálculo. El machine learning clásico suele bastar para datos en tabla.
¿Cuál es la diferencia entre machine learning e inteligencia artificial?
La inteligencia artificial es el campo general. El machine learning es hoy su familia más utilizada: la que aprende a partir de datos. Una IA también puede basarse en reglas escritas por expertos, sin ningún aprendizaje.
¿Qué ejemplos de machine learning hay en la empresa?
Previsión de ventas y existencias, detección de fraude, scoring de crédito, predicción de bajas de clientes (churn), recomendación de productos, mantenimiento predictivo de máquinas, clasificación automática de correos o facturas.
¿Qué tipos de machine learning existen?
Tres grandes tipos. El aprendizaje supervisado, con ejemplos etiquetados (predecir un precio, detectar un fraude). El no supervisado, sin etiquetas (segmentar una clientela). El aprendizaje por refuerzo, por ensayo y recompensa (optimizar una estrategia, controlar un robot).
¿Hacen falta muchos datos para el machine learning?
Menos de lo que se cree con los métodos clásicos: unos miles de ejemplos bien etiquetados suelen bastar con datos en tabla. La calidad y la representatividad importan más que el volumen. El deep learning, en cambio, suele necesitar muchos más ejemplos.
Ver también
Para profundizar
Machine Learning Crash Course, Google for Developers (curso introductorio gratuito)
Fuentes
- Some Studies in Machine Learning Using the Game of Checkers, Arthur L. Samuel, IBM Journal of Research and Development, vol. 3, n.º 3, julio de 1959. https://ieeexplore.ieee.org/document/5392560
- Vocabulaire de l'intelligence artificielle, definición oficial francesa de «apprentissage automatique», Journal officiel n.º 0285 del 9 de diciembre de 2018. https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000037783813
- Apprentissage automatique (definición), CNIL (autoridad francesa de protección de datos). https://www.cnil.fr/fr/definition/apprentissage-automatique