Machine Learning, Big Data y calidad de los datos
Abrís el celular y el teclado te sugiere la palabra que ibas a escribir. Entrás a un video y la aplicación te propone otros tres que te pueden gustar. ¿Quién decidió eso? ¿Alguien «entiende» lo que te gusta o es otra cosa? En este apartado vas a descubrir cómo lo logra una computadora y qué hace falta para que no se equivoque.
Qué es la inteligencia artificial
La inteligencia artificial (IA) es el campo de las Ciencias de la Computación que busca que una computadora realice tareas que normalmente asociamos con la inteligencia humana: reconocer una cara, entender una frase, traducir, recomendar o decidir.
Está más cerca de lo que pensás. Algunos ejemplos de tu vida diaria:
-
El desbloqueo del celular con la cara.
-
Los asistentes de voz que entienden lo que decís.
-
Las recomendaciones de videos y música.
-
El traductor automático y el corrector del teclado.
-
Los filtros de las cámaras de las redes sociales.
Con tus palabras, explicá qué es la inteligencia artificial (IA). Después escribí un ejemplo de una aplicación o un dispositivo que uses en tu vida diaria y que utilice…
Con tus palabras, explicá qué es la inteligencia artificial (IA). Después escribí un ejemplo de una aplicación o un dispositivo que uses en tu vida diaria y que utilice IA.
Machine Learning: aprender de ejemplos
Para que una computadora reconozca un perro, ¿habría que escribirle todas las reglas («tiene cuatro patas, orejas, cola…»)? Sería imposible: hay perros de mil formas. Es mucho más práctico mostrarle muchos ejemplos y dejar que encuentre sola lo que tienen en común.
Eso es el Machine Learning o aprendizaje automático: una parte de la IA donde el sistema aprende patrones a partir de ejemplos, en lugar de seguir reglas escritas una por una.
Se hace en tres momentos:
-
Entrenar: se le muestran muchos ejemplos con su etiqueta («esto es un mate», «esto es un termo»).
-
Generar el modelo: la computadora encuentra patrones (formas, colores, sonidos) y los guarda. Eso es el modelo.
-
Probar y usar: se le da un ejemplo nuevo y el modelo responde cuál cree que es.
Herramientas como Teachable Machine o Quick Draw te dejan probar esto sin escribir código: sacás fotos, les ponés nombre y el modelo se entrena en segundos. El Machine Learning sirve para reconocer imágenes, sonidos o textos, y para predecir o recomendar.
Machine Learning significa «aprendizaje automático». Explicá qué quiere decir que una computadora «aprende» a partir de ejemplos y mencioná un tipo de tarea que se pueda…
Machine Learning significa «aprendizaje automático». Explicá qué quiere decir que una computadora «aprende» a partir de ejemplos y mencioná un tipo de tarea que se pueda resolver de esa manera, como reconocer imágenes o sonidos.
Big Data: cuando los datos son enormes
Cada vez que buscás algo, mirás un video o jugás en línea, dejás datos. Si lo hacen millones de personas todos los días, se juntan cantidades gigantescas. A eso se le llama Big Data («datos masivos»).
Se suele describir con tres ideas:
-
Volumen: muchísimos datos.
-
Variedad: textos, fotos, videos, sonidos, ubicaciones.
-
Velocidad: se generan y se actualizan constantemente.
| Situación | ¿Big Data? | Por qué |
|---|---|---|
| Tu lista de útiles | No | Son pocos datos, caben en una hoja. |
| Las búsquedas diarias de un buscador | Sí | Millones de registros, de muchos tipos, todo el tiempo. |
| Las notas de tu grupo | No | Pocos datos y fáciles de manejar. |
| Lo que publican las personas en una red social | Sí | Volumen, variedad y velocidad. |
Explicá qué se entiende por Big Data. Luego marcá cuál de estas situaciones es un ejemplo de Big Data y justificá tu elección: a) La lista de útiles de tu cuaderno de…
Explicá qué se entiende por Big Data. Luego marcá cuál de estas situaciones es un ejemplo de Big Data y justificá tu elección:
- a) La lista de útiles de tu cuaderno de clase.
- b) Los registros de millones de búsquedas que hacen por día los usuarios de un buscador.
Cómo se relacionan IA, Machine Learning y Big Data
Los tres conceptos van juntos, pero no son lo mismo:
-
La IA es el objetivo general: máquinas que hacen tareas «inteligentes».
-
El Machine Learning es una manera de lograrlo: aprender de ejemplos.
-
El Big Data es el material: los datos con los que se puede aprender.
| Concepto | Definición breve | Ejemplo |
|---|---|---|
| Inteligencia artificial | Máquinas que hacen tareas que parecen inteligentes | Asistente de voz |
| Machine Learning | Aprender patrones a partir de ejemplos | Modelo que distingue mate de termo |
| Big Data | Cantidades enormes de datos | Millones de búsquedas por día |
Completá el siguiente cuadro comparando los tres conceptos. Para cada uno escribí una definición breve y un ejemplo. | Concepto | Definición breve | Ejemplo |…
Completá el siguiente cuadro comparando los tres conceptos. Para cada uno escribí una definición breve y un ejemplo.
| Concepto | Definición breve | Ejemplo |
|---|---|---|
| Inteligencia artificial | ||
| Machine Learning | ||
| Big Data |
Después explicá en dos o tres líneas cómo se relacionan entre sí.
Datos de entrenamiento
Los datos de entrenamiento son los ejemplos con los que se enseña al modelo. Todo lo que el modelo sabe, lo sabe por ellos.
Valentina quiere distinguir un mate de un termo. Si saca una sola foto de cada uno, el modelo solo conoce un ángulo, una luz y un fondo. Con muchas fotos (de lado, de frente, de cerca, con distinta luz) aprende lo que realmente hace que un mate sea un mate.
Valentina quiere entrenar en Teachable Machine un modelo que distinga fotos de un mate y de un termo. Para eso saca fotos con la cámara de su computadora del Plan…
Valentina quiere entrenar en Teachable Machine un modelo que distinga fotos de un mate y de un termo. Para eso saca fotos con la cámara de su computadora del Plan Ceibal.
Explicá qué son los «datos de entrenamiento» en este caso y por qué Valentina necesita sacar varias fotos de cada objeto y no solo una.
Calidad y cantidad de los datos
Un modelo es tan bueno como los datos con los que se entrenó. Dos cosas importan:
-
Cantidad: suficientes ejemplos.
-
Calidad: ejemplos correctos, variados y equilibrados.
Una buena calidad de datos significa:
-
Correctos: bien etiquetados, sin errores.
-
Variados: distintas luces, fondos, ángulos, personas, situaciones.
-
Equilibrados: parecida cantidad de ejemplos por clase.
-
Representativos: parecidos a los casos reales donde se va a usar.
Y ahora la gran discusión: ¿importa más tener muchos datos o tener buenos datos? Se necesitan los dos, pero más datos no arreglan datos malos. Mil fotos de alfajores todas iguales, mal etiquetadas o desequilibradas dan un modelo malo. Pocos datos buenos pueden ser mejores que muchísimos malos, aunque con pocos datos tampoco alcanza.
Mateo entrenó un modelo en Teachable Machine con dos clases: «alfajor» y «bizcocho». Para la clase «alfajor» usó 80 fotos y para la clase «bizcocho» usó apenas 5 fotos.…
Mateo entrenó un modelo en Teachable Machine con dos clases: «alfajor» y «bizcocho». Para la clase «alfajor» usó 80 fotos y para la clase «bizcocho» usó apenas 5 fotos.
Al probar el modelo, casi siempre responde «alfajor», incluso cuando le muestra un bizcocho. Explicá por qué puede estar pasando esto y qué debería hacer Mateo para mejorarlo.
Un grupo de estudiantes de un liceo de Canelones dice: «Si le damos al modelo muchísimos datos, siempre va a funcionar bien, no importa cómo sean esos datos». Otro grupo…
Un grupo de estudiantes de un liceo de Canelones dice: «Si le damos al modelo muchísimos datos, siempre va a funcionar bien, no importa cómo sean esos datos». Otro grupo responde: «No, es más importante que los datos sean buenos que que sean muchos».
Argumentá a favor o en contra de cada postura. En tu respuesta usá al menos un ejemplo concreto con un modelo sencillo (por ejemplo, uno que clasifique imágenes) y mencioná qué características tienen los datos de buena calidad.
Datos sesgados: cuando el modelo se equivoca
Sofía entrenó un modelo para saber si alguien sonríe. Usó 100 fotos, todas en el salón, con buena luz y de compañeros de su grupo. Con su abuela, en una cocina con poca luz y con lentes, el modelo falla. ¿Por qué?
Cuando los datos no representan a todos, el modelo funciona bien para unos y mal para otros. Eso se llama sesgo. Es un problema serio: un sistema con sesgos puede tratar injustamente a ciertas personas, por ejemplo si reconoce mal las caras de algunas. Por eso hay que preguntarse siempre: ¿quién falta en mis datos?
Sofía entrenó un modelo en Teachable Machine para reconocer si una persona está sonriendo o seria. Usó 100 fotos, pero todas las sacó en el salón de clase, con buena…
Sofía entrenó un modelo en Teachable Machine para reconocer si una persona está sonriendo o seria. Usó 100 fotos, pero todas las sacó en el salón de clase, con buena luz, y todas eran de compañeros de su grupo. Cuando se lo muestra a su abuela, que está en una cocina con poca luz y usa lentes, el modelo se equivoca casi siempre.
Analizá el caso: identificá al menos dos problemas en los datos de entrenamiento, explicá cómo cada uno afecta al modelo y proponé qué datos agregarías para mejorarlo.
Resumen
-
La IA hace que las máquinas realicen tareas que parecen inteligentes; no piensa como una persona, calcula con datos.
-
El Machine Learning (aprendizaje automático) aprende patrones a partir de ejemplos: entrenar, generar el modelo, usarlo con datos nuevos.
-
El Big Data son datos masivos (volumen, variedad, velocidad) que alimentan a muchos modelos.
-
Los datos de entrenamiento son los ejemplos con los que aprende el modelo; hacen falta varios y variados.
-
Datos de calidad: correctos, variados, equilibrados y representativos. Más datos no arreglan datos malos.
-
Datos incompletos o desequilibrados producen sesgos y errores.
Volvé al principio: el celular te sugiere videos porque un modelo de Machine Learning aprendió patrones de enormes cantidades de datos de otros usuarios y de los tuyos; y si esos datos fueran malos o incompletos, las sugerencias también lo serían.