Desmitificando AI, ML y Deep Learning para Gerentes de Producto

Cuando comencé mi viaje como gerente de producto, sabía que quería seguir siendo más práctico y profundizar en las soluciones con los ingenieros. Como gerentes de productos, se nos pide que nos concentremos más en el "qué" y el "por qué", pero también quería comprender y saber el "cómo" y el "cuándo" se aprovecha la pila de tecnología. Esta fue una elección consciente y siempre aspiré a ser parte de una empresa que es futurista en su visión y tiene un ambiente altamente técnico y académico.

No hace falta decir que estaba extasiado cuando obtuve un puesto como Gerente de Producto en el espacio completamente nuevo de AI/ML, ya que me dio la oportunidad de aprender este dominio y resolver problemas utilizando tecnología de punta. Obviamente, como novato sin conocimientos previos de AI/ML, comprender "todo" desde cero fue un desafío. Fue un proceso gradual y después de sesiones periódicas de lectura y lluvia de ideas con nuestros científicos e ingenieros internos en los últimos dos años, pude comprender mejor estos términos. Apenas he logrado arañar la superficie, pero quería comenzar a compartir el conocimiento que he acumulado en los últimos años, para que sea menos desafiante para alguien que recién comienza ahora.

Entonces, ¿qué son la inteligencia artificial, el aprendizaje automático y el aprendizaje profundo? Escuchamos sobre estos términos todo el tiempo a nuestro alrededor: desde que se usan en autos sin conductor hasta que reciben recomendaciones de películas en Netflix, la IA se usa para hacer que nuestras vidas sean más fáciles y satisfactorias. La inteligencia artificial, en términos simples, es lo que hace que las máquinas actúen o piensen como humanos. Como sugiere el nombre "Inteligencia artificial", es la ciencia que permite a las computadoras imitar la inteligencia humana.

AI es el paraguas más amplio, y Machine Learning y Deep Learning son subconjuntos de él. Si la IA tiene que ver con la inteligencia, entonces es el aprendizaje automático el que ayuda a construir esa inteligencia. Como sugiere el nombre, "Machine Learning" es la ciencia del "aprendizaje" de las computadoras y, por lo tanto, "mejora" en una tarea determinada con experiencia, lo que a su vez ayuda a construir la inteligencia de la máquina o IA. Todas las tareas de Machine Learning son tareas de IA, pero lo contrario no es cierto.

Entonces, la IA imita las habilidades de pensamiento humano. Al igual que los humanos que perfeccionan sus capacidades de pensamiento y toma de decisiones con el tiempo con experiencias, las máquinas han aprendido a hacer lo mismo utilizando el "aprendizaje automático". En el centro del pensamiento y la toma de decisiones de un hombre se encuentra su poderosa mente, el cerebro humano que fortalece sus capacidades cognitivas. El aprendizaje profundo imita el cerebro humano en las máquinas (sí, ¡estos conceptos están todos interrelacionados y son más fáciles de entender si se mencionan en esta secuencia!)

Entonces, Deep Learning es el campo de Machine Learning que imita el cerebro humano en todas sus complejidades. Después de todo, un cerebro humano es una "red" de millones y millones de neuronas que están todas conectadas y se comunican entre sí mediante señales (eléctricas y químicas) para hacer que los humanos piensen, coman y vivan. Bueno, el aprendizaje profundo se basa en el entrenamiento de "redes neuronales" similares, también llamadas "redes neuronales artificiales" que superponen algoritmos y unidades informáticas también llamadas "neuronas" para comunicarse entre sí de manera compleja para resolver problemas más desafiantes.

La mayor diferencia entre Machine Learning y Deep Learning es que, a diferencia de Machine Learning, donde la mayoría de las características deben ser identificadas por un experto para reducir la complejidad de los datos y hacer que los patrones sean más visibles para que los algoritmos funcionen, Deep Learning aprende mucho. a nivel de características de los datos de manera incremental, lo que elimina la necesidad de experiencia en el dominio y cualquier forma de extracción de características. Discutiré más de estos en mis publicaciones futuras, así que estad atentos.

Espero que hayas disfrutado este breve artículo sobre los conceptos básicos de IA, ML y Deep Learning y hayas notado cómo todos están interrelacionados y, a menudo, también se usan indistintamente. Pero como Gerentes de Producto, es imperativo que comprendamos los matices que he tratado de capturar en el artículo anterior.

Gracias por llegar hasta el final. Si le gustó este artículo, síganos para obtener más artículos sobre IA, ML y gestión de productos.