Introducción a Machine Learning

Yo pude ver a Fei Fei cuando viajé becada a Grace Hooper Celebration el año 2017… Hasta ahora la mejor experiencia de toda mi vida

En 2017, nuestro salvador Dendi Sensei, Campeon de dota 2, perdio contra una IA.

https://www.theverge.com/2017/8/11/16137388/dota-2-dendi-open-ai-elon-musk

un dia dificil para todos nosotros…

1950 Alan Turing publica un articulo titulado Computación e Inteligencia, en donde plantea lo que ahora conocemos como la Prueba de Turing. Esta es una prueba de habilidad de una máquina de mostrar un comportamiento inteligente similar al de un humano. La misma no evalúa el conocimiento de la máquina en cuanto a su capacidad de responder preguntas correctamente, solo se toma en cuenta la capacidad de ésta de generar respuestas similares a las que daría un humano.
1952 Arthur Samuel escribe el primer programa de ordenador capaz de aprender. El software era simplemente un programa que jugaba a las damas y que podía aprender de sus errores partida tras partida.
1957 Fran Rosenblatt diseña el Perceptron, una red neuronal en hardware para reconocimiento de caracteres. El propósito era el de explicar y modelar las habilidades de reconocimiento de patrones de los sistemas visuales biológicos.
1979 Estudiantes de la Universidad de Stanford, diseñan un carro capaz de moverse autónomamente por una habitación evitando obstáculos.
1981 Gerald DeJong crea el concepto de Aprendizaje Basado en Experiencia, haciendo que un computador analice información de entrenamiento y cree una regla general que le permita descartar información no importante.
1985 Terry Sejnowski inventa NetTalk, un software que aprende a pronunciar palabras de la misma manera que lo haría un niño.
Primeros años de los 90s. Científicos empiezan a crear programas que analicen grandes cantidades de datos y saquen conclusiones, o aprendan, de los resultados.
1996 El computador Deep Blue de IBM vence una partida de ajedrez a Gary Kaspárov, campeón del mundo vigente, aunque al final Kaspárov ganó 3 partidas más, derrotando a Deep Blue. Para mayo de 1997. se vuelven a enfrentar pero esta vez con una nueva versión de computador llamado Deeper Blue, esta vez se jugaron 6 partidas siendo el vencedor el computador.
2006 Geoffrey Hinton presenta el concepto de Deep Learning o aprendizaje profundo. Con este concepto se explicaron los nuevos algoritmos que permiten que los computadores distingan diversos objetos y textos tanto en imágenes como en videos.
2010 El Kinect de Microsoft es capaz de reconocer 20 características del cuerpo humano a una velocidad de 30 veces por segundo.
2011 El ordenador Watson de IBM vence a dos inteligentes concursantes en la tercera ronda del concurso estadounidense de preguntas y respuestas Jeopardy.
2012 Se crea GoogleBrain por Jeff Dean de Google y Andrew Ng profesor de la Universidad de Stanford. El propósito de este proyecto fue de crear una red neuronal utilizando toda la capacidad de infraestructura de Google para detectar patrones en vídeos e imágenes.
2012 Los laboratorios Google X, ahora llamado solamente X, desarrollan un algoritmo de aprendizaje automático que puede navegar de forma autónoma por los videos de Youtube para identificar los videos que contienen gatos.
2014 Un programa de ordenador ha logrado convencer a más del 30% de los jueces que era genuinamente humano. Se trata de un chatbot (robot programado para charlas online) que obedece al nombre de Eugene Goostman, el programa fue capaz de convencer al 33% de los jueces que participaron en la prueba de que estaban chateando con un niño ucraniano de 13 años.
2014 Facebook desarrolla DeepFace, un algoritmo de software que puede reconocer individuos en fotos al mismo nivel que los humanos.
2015 Amazon lanza su propia plataforma de aprendizaje automático o Machine Learning.
2015 Microsoft crea el kit de herramientas para el aprendizaje de máquinas distribuidas, que permite la distribución eficiente de problemas de aprendizaje automático en múltiples computadoras.
2015 Google entrena un agente conversacional de inteligencia artificial, que no solo puede interactuar convincentemente con humanos como un servicio de soporte técnico, sino también discutir la moralidad, expresar opiniones y responder preguntas generales basadas en hechos.
2015. OpenAI es creada. Esta es una compañía de investigación de inteligencia artificial sin fines de lucro que tiene como objetivo promover y desarrollar inteligencia artificial amigable de tal manera que beneficie a la humanidad en su conjunto. Entre sus fundadores se encuentra Elon Musk, el mismo de Tesla y SpaceX.
2015 Debido a los grandes avances obtenidos en el área de Machine Learning e inteligencia artificial, más de 3000 investigadores de estas áreas, respaldados por Stephen Hawking, Elon Musk y Steve Wozniak, firman una carta abierta advirtiendo del peligro de las armas autónomas que seleccionan y atacan objetivos sin intervención humana.
2016 El algoritmo de inteligencia artificial de Google vence a un jugador profesional en el juego de mesa chino Go, que es considerado el juego de mesa más complejo del mundo y es muchas veces más difícil que el ajedrez. El algoritmo desarrollado por Google DeepMind logró ganar cinco juegos de cinco en la competencia de Go.
2017 OpenAI entrena chat bots o agentes conversacionales, que inventan su propio lenguaje para cooperar y lograr su objetivo de manera efectiva. Poco después, Facebook también capacitó exitosamente a agentes para negociar e incluso mentir.
2017 Un algoritmo desarrollado también por OpenAI derrota a los mejores jugadores en partidos 1 contra 1 del juego en línea Dota 2.

Fuente: https://ligdigonzalez.com/historia-de-machine-learning/
https://www.youtube.com/watch?time_continue=4&v=_5BklQTGJmE&feature=emb_logo

Recuerdo que en el libro vida 3.0 mencionaban el caso de DeepMind, un equipo que implemento un algoritmo de ML que al jugar Go descubrió jugadas que eran totalmente contra intuitivas, pero que pese a no dar réditos en el corto plazo, a la larga eran una jugada muuuy potente. En el libro lo describen como una de las jugadas mas creativas de la historia de Go.
l
Y esto fue gracias a que los algoritmos de IA pueden “pensar fuera de la caja”, pueden identificar patrones fuera de lo que nosotros tenemos preconcebido.
l
Les dejo el extracto de 4 hojas de esa parte en el libro:
https://drive.google.com/file/d/1eEeiX-gnHr80apUgp8mF9qB-8h0A6fiw/view?usp=sharing

En que curso enseñan a hacer un Terminator?

Les comparto mi sueño (y la razón del porqué realmente entré a Platzi):
Sé que a la gran mayoría no les interesa, pero igual…
Yo tengo un emprendimiento llamado “Emprende Rapeando” que combina el Rap + Emprendimiento + Aprendizaje y aquí lo que hacemos es por ejemplo resúmenes de libros en 1 sola canción. Quisiera implementar Inteligencia Artificial para que de alguna manera se pueda generar una canción de Rap (o Rima) basado en un texto largo (como libro o un post).
Sé que ya existe algo parecido en el habla inglesa (programas que generan letras de Rap), pero no está con la esencia de lo que yo quiero. Me metí a aprender programación con ese objetivo y espero que en unos años lo pueda cumplir =)

Este es un video para entender los conceptos de IA, Machine Learning de un canal en español DotCSV(.CSV), donde se está lso avances del IA

https://www.youtube.com/watch?v=KytW151dpqU

Machine Learning
La definimos como la capacidad de una computadora de aprender a resolver un problema sin ser específicamente programadas para ello.
Historia del Machine Learning

• Todo comienza con el Teorema de Bayes
• En 1950 Alan Turing establece las bases del aprendizaje de las computadoras (Computing machinery and intelligence)
• En 1951 Marvin Minsky crea la primera red neuronal
• En 1952 Arthur Samuel crea el primer programa que juega damas chinas, si bien era un programa que calculaba los siguientes movimientos, gracias a ello deducimos que el aprendizaje humano se basa en memorizar y generalizar.
• En 1957 Frank Rosenblat inventa el perceptron que reconoce los dígitos escritos a mano y los representa computacionalmente.
• En 1963 se programa la primera red adversarial (pone a competir a dos computadoras una contra la otra y así automatizar las reglas de un juego)
• En 1967 se inventa el algoritmo de nearest neighbours que permite la identificación de patrones dentro de datos que ya existen. Se aplicó al calculo de la ruta más eficiente
• En 1969 Marvin Minsky escribe el libro Perceptrons, donde demuestra matemáticamente la imposibilidad del avance de la Inteligencia Artificial a través de redes neuronales (sin embargo no considero la posibilidad de añadir capas de complejidad a estas), esto detuvo la investigación de redes neuronales por un tiempo
• En 1979 se crea el Stanford cart que era un vehículo de navegación autónoma en interiores.
• En 1992 Se desarrolla el primer programa que juega backgammon
• En 1997 Deep Blue de IBM derrota al campeón mundial de ajedrez Gary Kasparov
• En 1998 se libera el data set MNIST que consta de dígitos elaborados a mano con sus respectivas etiquetas
• En 2009 Fei Fei Li libera ImageNet un dataset de imágenes de calidad debidamente etiquetadas.
• En 2011 Watson de IBM logra ganar el juego de jeopardy
• En 2012 se realiza un proceso de identificación de imágenes a partir del dataset de YouTube
• En 2014 Facebook implementa un algoritmo de reconocimiento de rostro
• En 2016 Alpha Go de Google derrota al campeón mundial de Go Fan Hui

Uso del Machine Learning

• Resolve un problema imposible de programar con que no tenga un algoritmo conocido que lo resuelva
• Entender patrones que no podemos ver a simple vista (data mining)

Tipos de algoritmos:

• Aprendizaje supervisado/ No supervisado (el aprendizaje supervisado compara los resultados obtenidos con los correctos de entrenamiento, el no supervisado no requiere de estos datos de entrenamiento)
• Batch / Online learning (los algoritmos batch se entrenan una sola vez y los online learning se van actualizando a medida que los usamos)

Año 2036: los robots toman el control de la humanidad

Me gustó mucho este repaso de la historia del ML

Machine learning se utiliza cuando:

• El problemas es muy complejo y no se conoce un algoritmo para solucionarlo.
  -Ayudar a los humanos a entender patrones.
  -Llegar a conclusiones de manera automática a través de computo
  Notas:
  El aprendizaje supervisado es el no etiquetado y el supervisado pues el etiquetado.
  El aprendizaje puede ser bach( se genera una vez y se aplica solo esa vez). O el online learning(donde el modelo se actualiza conforme obtiene datos).
  Los humanos memorizamos y generalizamos aprendizajes, al igual que algunos algoritmos de machine learning.
  Rara vez utilizaremos los algoritmos de Machine learning de manera directa, más bien lo harás a través de librerías, pero es bueno saber como funcionan.
  Machine Learning NO es Skynet

Curiosidad morbosa a quien les gusta los moba chavos;
Openai derroto en 2019 a campeones en el dota 2

Tambien deep mind creo el alpha star que vecnio a los mejores jugadores de Star Craft II

https://deepmind.com/blog/article/alphastar-mastering-real-time-strategy-game-starcraft-ii

Por favor este curso es oro!

Faltó mencionar el aprendizaje por refuerzo, o reinforcement learning

Soy ajedrecista y de hecho Garry Kasparov derrotó a Deep Blue en el primer match jugado en 1996.
Deeper Blue una versión nueva de Deep Blue jugó de nuevo contra Garry en 1997 y logró derrotarlo convirtiéndose en la primer computadora en derrotar a un campeón del mundo vigente.
Su programa de ajedrez fué escrito en lenguaje C.
https://es.wikipedia.org/wiki/Deep_Blue_(computadora)

Yo agregaría por ejemplo que en 1966 se crea a ELIZA, primer chatbot que implementa lenguaje natural, y en 1994 dos vehiculos autónomos recorren 1000 km de autopista en parís

Hace un tiempo vi este video de como DeepMind de Golgle, una inteligencia artificial creada por ellos, aprendió sola a caminar y moverse, con parámetros y escenarios previamente definidos. Me llama poderosamente la atención en lo relacionado con robótica y vehículos autónomos. Espero les guste como a mi https://www.youtube.com/watch?v=gn4nRCC9TwQ

Este tema si me causa mucha intriga. Continuare con sus recomendaciones de estudio!

Atendiendo a lo expuesto en clases anteriores me sorprende cuanto pueden y cuanto nos han manipulado los medios de comunicacion con numeros,

Saber es poder.

Bayes crea el teorema de bayes => Alan turing identifica que todo se puede programar con cosas “bases” => Marvin minsky e investigadores “modernos” aprovechan las bases y crean lo que tenemos hoy en dia

Me ha encantado esta clase, defintivamente es especial resumir de esta manera tantos años de historia para que sea más digerible hacia los estudiantes y, así la motivación crezca mucho más! Les dejo un enlace de una serie de Youtube Originals que les puede interesar https://www.youtube.com/playlist?list=PLjq6DwYksrzz_fsWIpPcf6V7p2RNAneKc

Para quienes quieren profundizar Mathematics for Machine Learning es un libro espectacular, sin embargo debes tener un fundamento “riguroso” en algebra lineal y calculo.

¿Cuándo vamos a crear a J.A.R.V.I.S?

Alquien sabe como aparece Fei Fei Li en LinkedIn?

Libro sobre machine learning por IBM, gratis

https://www.ibm.com/ar-es/analytics/machine-learning

Creo que encontré el amor de mi vida

Perceptrons lo escribe con Seymour Papert, ambos científicos del MIT, Papert creó el primer lenguaje de prgoramación para niños: Logo, y fue el primero en ver el potencial educativo de la computadora.

Lo que me pareció muy interesante ultimamente, es el Project Debater desarrolado por IBM (https://www.youtube.com/watch?v=7pHaNMdWGsk)

Muy buena historia

En este link puede ver otros proyectos tambien de IBM que logran ganar pero esta vez en el ambito de los debates a los humanos https://www.microsiervos.com/archivo/ia/ibm-debater-inteligencia-artificial-debate-humano.html

Hola,

Seria bueno que mencionaras a Yan LeCun, en la introducción de las Redes Neuronales Convolucionales (CNN).

El documental “AlphaGo” muestra detalladamente como fue la derrota del campeón mundial de este juego.

Documental: https://youtu.be/WXuK6gekU1Y

Les dejo este canal de YouTube en el que se habla bastante de inteligencia artificial en español.
Dot CSV

Esta Ted Talk habla sobre lo que actualmente es capaz la AI aplicado al área de diseño y cómo puede aumentar las capacidades humanas

https://www.youtube.com/watch?v=aR5N2Jl8k14

Para mi el mas importante de todos es alpha fold. En general lo que hace la empresa deep mind.

Les comparto la recreación de una partida historica muy interesante entre Gary Kasparov y la computadora Deep Blue:
https://youtu.be/LFOA04C3uIQ

Alphastar fue el software que en 2019 logró derrotar a jugadores profesionales de starcarft 2. Este fue otro hito de la AI en los últimos años

Un dato interesante para tener en cuenta: AlphaGo, el programa de inteligencia artificial que venció al campéon mundial de Go, tuvo una versión mejorada años después, llamada AlphaGo Zero, la cual solo tiene en su programación las reglas básicas del juego. 0 intervención humana agregándole jugadas famosas. AlphaGo Zero se entrenó durante 3 días jugando contra sí mismo 5 millones de partidas, donde realizó jugadas que nunca nadie había visto. Luego enfrentó a su predecesor AlphaGo. Le ganó 100 a 0.

En 2020 Alpha Fold 2: un logro impresionante que marca un antes y un después en el estudio de las proteínas. Predecir estructuras a partir de sus aminoácidos.

La máquina le hizo trampa a Kasparov, pero igual fue super sorprendente como ese motor de ajedrez venció al campeón… Ese fue un punto de inflexión en el ajedrez ya que ahora hay varios casos de maestros y gran maestros que se le ha encontrado usando módulos de ajedrez en competencias, teniendo resultados sorprendentes pero ensuciando mucho el juego limpio y en otros casos dudando del performance en el juego si fue el motor o el ajedrecista.

La forma en cómo hemos programado, es darle a la computadora, directamente las órdenes de lo que tiene que hacer.

"Es el campo de estudio que le da a las computadoras la habilidad de aprender sin ser ecplícitamente programadas" - Arthur Samuel, 1959

Wow! Toda la informacion de esta clase es oro puro!

Me intriga que llegue el momento en el que AI determine estrategias definitivas para ganar un partido de fútbol o algún otro deporte de equipo de humanos. Considerando que a pesar de las indicaciones de un estratega, las personas toman decisiones individuales.

El record de armar el cubo de Rubik, creo que el record humano en la categoría 3x3 era de 5.4 segundos y las computadoras duran menos de 1 segundo

Tic Tac Toe = Triqui en 🇨🇴 😄

Aquí descubriendo quien es Fei Fei Li, y que tiene una fundación para enseñar IA llamada AI4all y ¡PUM! el conocimiento abre un nuevo camino en mi cabeza.

Los Robots de Trading que implementan tecnicas de reconocimiento de patrones para lograr crear una estrategia con alta probabilidad de exito a la hora de tranzar una operacion en el mercado bursatil.

Aún no llega a ser Terminator pero, si una de las IA de Google se “enojó” al no poder resolver un problema, y las IA de Facebook fueron apagadas al comenzar a desarrollar un “idioma propio” pues…

Muy buena introducción

Yo aprendi en otros cursos a implementar las bibliotecas pero sin entender muy bien el contexto, me parece genial esta aclaracion

A que juego se refiere en el minuto 13:58? No llego a entender el nombre, si alguien lo sabe, agradecería que me lo dijera

Cuando debes utilizar machine learning

En este proyecto utilizan machine learning para jugar el juego de Starcraft, este es uno de los juegos mas complejos que existen.
https://deepmind.com/blog/article/alphastar-mastering-real-time-strategy-game-starcraft-ii

es programar sin programar

todo empezo con un teorema re simple

Ahora conozco mejor el proceso como surgió Machine learning. Gracias

The perceptron generó lo que se llama el gran invierno dela inteligencia artificial

😱Impresionante resumen de la historia de ML, me gustó mucho.

#davidCursoDeAI

La biblia del Machine Learning actualmente es este libro, ojo, desde el punto de vista estadístico: https://www.amazon.com/-/es/Trevor-Hastie/dp/0387848576
Los modelos de ML implementados en librerías como scikit-learn se basan en la matemática descrita en el libro.

AlphaZero es el último ejemplo en ajedrez. Es un software que aprendió desde cero a jugar ajedrez. Y superó a la inteligencia humana en pocas horas!

El ordenador de ibm predice un embarazo, solo con analizar la compra de una mujer

Machine Learning no es Skynet 😦

Arthur Samuel

Que emoción, me da empezar este tema! 🥳🤩🥳

Cuando al final menciona el juego Go, como aquel con mas complicado y con mas cantidad de combinaciones posibles, mi pregunta es: no es mas logico que la computadora pueda vencer al humano en este tipo de juegos que en otros mas simples, ya que la computadora tiene mucha mas facilidad para analizar miles de situaciones diferentes?

https://ecosistemahuawei.xataka.com/principales-hitos-historia-inteligencia-artificial/

Cuando dice que la diferencia entre supervisado y no supervisado es que está etiquetado, ¿a qué se refiere?

Definición Machine Learning.

Dos datos más:

El ML ya esta cambiando el futbol, con el Liverpool paso recientemente acá encuentran la info medium liverpool

Hay muchos avances usados para bien y mal como las fake images… y esos y muchos otros avances se han dado gracias a la mejor potencia de las GPU para el procesamiento paralelo.

Pensando sobre el cálculo multivariable, estoy pensando que los juegos de mesa fueron los primeros en aplicarse la IA porque tienen variables(reglas) muy claras y fáciles de definir.

Pero es sorprendente como en ambientes multivariables (videojuegos o los deep fake), se pueden implementar esas técnicas.

Y quien invento el Alpha Go? Cual es su historia? Esto es interesante. Gracias.

En Perú ese juego se llama michi (palabra de cariño para los gatos), además suena como el apellido Michie, curioso.

divertido escuchar criticar a muchas personas por instalar tik tok en los celulares porque los chinos nos tendran fichados en nuestro reconocimento facial, cuando facebook ya lo hace desde 2014 y vendio su informacion a Cambrich Analitic

También te encantó la clase? Muy chévere y genial verdad? ML allá vamos!!! Uhuuu!

Comparto mis NOTAS:
¿Qué es Machine Learning?
“Es el campo de estudio que le da a las computadoras la habilidad de aprender sin ser explícitamente programado”(Arthur Samuel, 1959)
Machine Learning no es inteligencia en el sentido humano o biológico , son simplemente algoritmos matemáticos muy inteligentes que nos permiten llegar a conclusiones como si un humano se hubiera sentado a pensar y reflexionar.
Los algoritmos que veremos recuerdan información y tambien generalizan la información.
Machine Learning se utiliza cuando:

• Programar un algoritmo es imposible.
• El problema es muy complejo o no se conocen algoritmos para resolverlo.
• Ayuda a los humanos a entender patrones.(data mining)
  Existe Machine Learning: aprendizaje supervisado vs no supervisado (principal diferencia es si esta etiquetado o no).
  Técnicas Batch vs online Learning, significa que si el modelo funciona una sola y vez se aplica, o si este modelo se va actualizando

No pude evitar escuchar y relacionarlo con fractales.

que locura

Juraba que los primeros pasos de Machine Learning se habían dado en los años 90 tal vez, es impresionante ver como desde los 50 ya habían indicios de temas que aún hoy nos parecen admirables.
En esta parte resalto los algoritmos de redes sociales, aprenden de tus gustos e intereses para mostrarte siempre lo que realmente quieres ver (aplica también en plataformas como Netflix)

Les comparto este incerible canal que habla de IA de una forma muy simple y apasionante: https://www.youtube.com/channel/UCy5znSnfMsDwaLlROnZ7Qbg

Nota importante: Machine Learning no es Terminator . xd

Me gusta mucho como David da ejemplos históricos sobre los temas que trata, aprendemos y nos culturizamos al tiempo hehe

Este video queda para mis fav

• Muy pocas veces se aplica de manera directa de Machine Learning, la mayoría de las veces solo usaras una librería 💻.

Es el campo de estudio que le da a las computadoras la habilidad de aprender sin ser explícitamente programadas → Arthur Samuel, 1959.

• No hay que confundir ML con la idea cinematográfica alrededor de este concepto 😆.
• Alan Turing nos dio la primera aproximación de como las computadoras pueden aprender. Después, Marvin Minsky creó la primera red neuronal en 1951; en ese entonces, las computadoras no eran tan poderosas, por lo que la red neuronal solo tenía una capa, aun así, se mostró que las computadoras pueden aprender 🏫.
• En 1952, Artur Samuel crea el primer programa que sabe jugar damas chinas 🎲.
• 1957, Frank Rosenblatt crea el perceptrón; es una maquina muy particular que podía reconocer dígitos escritos a mano 🤯.
• En 1963, se crea la primera red neuronal adversarial.
• En 1967, se inventa el algorimto de k-nearest neighbours.
• En 1969 Markvin Minsky escribe el libro de Perceptrons, y detuvo la investigación relacionada con redes neuronales porque demostró matemáticamente que no se podía seguir en este camino, pero el problema es que no considero que podía habían redes de capas ocultas 👁️.
• En 1979, se generó el stanford car, que navegaba dentro sin chocar.
• En 1997 fue el gran año, cuando la computadora Deep Blue derrotó a Garry Kaspárov (campeón mundial) en ajedrez ♟️. Aquí nos dimos cuenta como sociedad que el ML tenía grandes capacidades.
• En 1998 se libera el dataset Mnist, que son dígitos escritos a mano etiquetados; es un clásico.
• En 2009 Fei Fei Li (gran contribuidora al ML a nivel mundial) liberó el dataset ImageNet. Descubrió que los algoritmos no podían ser precisos sin imágenes de alta calidad etiquetadas.
• En 2012, YouTube tenia muchas imágenes de gatos, Google procesó todos los videos para detectar gatos en imagenes.
• En 2014, Facebook implementa si algoritmo de reconocimiento facial 🙀.
• En 2016 se derroto al campeón del juego más complicado conocido, Go. La computadora Alpha Go de Google. Se perdió el dominio humano de los sistemas cerrados (sistemas con reglas específicas).
• Machine Learning se usa cuando:
  • Programar un algoritmo es imposible.
  • El problema es muy complejo o no se conoce algoritmos para resolverlo.
  • Ayuda a los humanos a entender patrones (data mining).
• Aprendizaje supervisado vs no supervisado vs semisupervisado (etiquetado o no).
• Batch vs online learning (integración de nueva información o no).

Sobre el caso de la partida de Go en el 2016, se ha grabado un documental sobre la IA. Les comparto el link porque resultó interesante de ver: Documental - AlphaGo

No les pasa que el profesor David Aroesti te hace amar las ciencias de datos y la IA? 😄

Que buen viaje en la historia de Machine Learning! que buen resumen!

Introducción a Machine Learning

Rara vez en la vida profesional implementaremos estos algoritmos de manera directa, usualmente usaremos una librería, pero es importante entender el contexto.

“Es la capacidad de las computadoras de aprender sin ser explícitamente programadas”
-Arthur Samuel, 1959

¿Qué no es Machine Learning?
No es el terminator (por ahora, giño giño). No hay inteligencia en el sentido biológico, son solo algoritmos matemáticos rotísimos creados por humanos, son astutos, como si un humano se hubiera puesto a hacerlo.

Breve Historia del ML:

• Todo comienza con Bayes, que nos otorgó una forma de pensar matemáticamente como incorporar la evidencia que obtenemos del mundo real, para poder llegar a conclusiones cada vez más correctas de manera recursiva, es decir, +Datos del mundo real = +Correctas van a ser nuestras aproximaciones.
• 1950, Alan Turing (Don Alan Turing para nosotros los mortales), nos dio una pequeña aproximación de como las computadoras pueden aprender.
• 1951, Marvin Minsky creó la primera red neuronal. Aun se usaban cuartos completos para las computadoras, por lo que esta red solo tenia una capa(layer), pero se demostró la capacidad de que las computadoras dados los algoritmos correctos podían aprender.
• 1952, Arthur Samuel genera el primer programa que sabe jugar damas chinas, mediante cálculos de los siguientes movimientos. Nos permitió entender que aprender “humanamente” significaba 2 cosas: Memorizar, Generalizar.
• 1957, Frank Rosenblatt inventa el perceptrón, es una máquina que reconocía dígitos escritos a mano y convertirlos a una representación computacional.
• 1963, Donald Michie genera la primera red adversarial donde se permite que las computadoras puedan jugar constantemente para poder entender como automatizar las reglas de un juego, en este caso el Tic Tac Toe.
• 1967, se inventa el algoritmo “The nearest neighbours” , es la primera aproximación para detectar patrones atraves de datos que ya pre-existen, su primera aplicación fue para calcular rutas.
• 1969, Marvin Minsky escribe el libro “Peceptrons” un hito en el ML, por que detuvo en seco toda la investigación relacionada con redes neuronales, ya que demostró matemáticamente que las redes que el mismo había generado no permitían seguir adelante dentro de las investigaciones de IA, el problema de esto es que Minsky no se dio cuenta que podían existir redes con layers escondidas, solo estaba teniendo en cuenta las de una capa, a pesar de esto, por su reputación causo que casi todo el financiamiento en investigación de redes neuronales se detuviera por casi 20 años 😦.
• 1979, Se genera el Stanford Cart, donde los estudiantes generaron algoritmos para que el carro pudiera navegar indoors y pudiera evitar obstáculos. Este es el gran predecesor de los vehículos autónomos.
• 1992, Se sigue con la idea de los juegos de mesa, son un gran campo de experimentación para la IA y el ML, ya que permiten de alguna manera extraer ciertos aspectos de la inteligencia humana y en 1992 se genera el primer juego automático de backgammon.
• 1997, El gran año que marco el paso a la IA moderna. La computadora de IBM “Deep Blue” derrotó a Garry Kasparov, el gran campeón durante mucho tiempo del ajedrez.
• 1998, se libera el data set “Mnist”, el cual se sigue usando como el “Hello World” del ML y la idea es que el data set tenía muchos dígitos escritos a mano y también tenía las etiquetas de estos dígitos potencializando los algoritmos usando computo de mayor escala aprovechando la ley de Moore.
• 2009, Fei-Fei Li libero el data set imagenet, es una de las grandes contribuidoras de ML a nivel mundial. Se dio cuenta que los algoritmos no iban a poder ser tan precisos sin acceso a imágenes de alta calidad con etiquetas de cada una de ellas. Una vez liberado el data set, se generó la explosión actual de las técnicas del ML y permitió que estas técnicas se pudieran incorporar en la vida de los consumidores.
• 2011, La computadora de IBM derrotó a 2 de los grandes campeones de Jeopardy usando redes neuronales, reconocimiento de patrones, acceso a información muy rápida y demostró que las computadoras aún en juegos muy abstractos, dónde normalmente no habían podido entrar podían derrotar a los meros meros.
• 2012, YouTube tenía muchas imágenes gatitos, y Google atraves de la nube logró procesar todos los videos de YouTube para poder detectar a los gatitos en imágenes.
• 2014, Facebook implementó su algoritmo de reconocimiento facial.
• 2016, La computadora de Google “Alpha Go” derrotó al campeón del mundo en el juego mas complejo dentro de los juegos de mesa “Go”.

Entonces para predecir las operaciones de trading en la bolsa o criptomonedas se tiene que utilizar Machine Learnig, excelente.

2015 — Elon Musk y Sam Altman, entre otros, fundan la organización sin ánimo de lucro OpenAI, dotándola de 1000 Millones de dólares con el objetivo de asegurar que el desarrollo de la Inteligencia Artificial tenga un impacto positivo en la humanidad.

mi cientifico informatico favorito alan turing

Increíble toda la evolución