Iniciar sesión
Menú principal del encabezado Activa tu Negocio Temario Socios y colaboradores Más arrow_drop_down Herramientas Preguntas frecuentes Contacto Motor de crecimiento
Empieza la formación

Material adicional

En esta sección, encontrarás material adicional que enriquecerán tu experiencia de aprendizaje. Estos videos no son parte de la certificación de Garage Digital de Google, así que considéralos como una oportunidad para explorar más temas interesantes.

Cómo resolver problemas pequeños, grandes y complicados

SIGUIENTE TEMA
{[ ((showTranscript) ? 'OCULTAR TRANSCRIPCIÓN' : 'VER TRANSCRIPCIÓN') ]}
De niña, me fascinaban los exploradores. Crecí en Seattle. Lewis y Clark eran como héroes locales. Y quería ser una exploradora cuando fuera grande.

Como ingeniera eléctrica, siempre busco cosas nuevas para hacer. El aprendizaje automático y la investigación son un tipo de exploración. Se siente como una exploración intelectual.

Sin duda, en los últimos cinco años, observamos un gran aumento en lo que las máquinas pueden hacer en comparación con una o dos décadas atrás. Con el gran aumento de datos y de capacidades informáticas podemos pensar más en grande y romper los esquemas de qué tipo de modelos podemos vislumbrar.

El mundo real es muy caótico. Las complejas normas lógicas no resuelven los problemas del mundo real. El aprendizaje automático consiste en aprender a partir de ejemplos. En vez de escribir 500,000 líneas de código, hacemos que la máquina aprenda mediante la observación del mundo. Analizamos ejemplos del algoritmo de aprendizaje automático, quizá millones, miles de millones o hasta billones, para identificar patrones y generalizar.

En reconocimiento de imágenes, enseñamos a los modelos a tomar los píxeles de una imagen y obtener características de alto nivel a partir de ellos. La máquina aprende que si hay un panqué y un niño, tal vez se trata de una fiesta de cumpleaños. Si hay un panqué y muchos niños, es muy probable que lo sea. Así se le enseña a la máquina a hacer las mismas deducciones que los humanos hacemos con tanta naturalidad y destreza.

Uno ve lo asombrosos que son los seres humanos y lo asombroso que es un niño que puede reconocer caras.

El aprendizaje automático fue el preludio de una gran revolución en el reconocimiento de voz. Para enseñar el reconocimiento de voz interactuamos con una sala ruidosa. Usamos sonidos del mundo real y los combinamos con los ejemplos que ya tenemos.
¿Hace frío afuera?
¿Hace frío afuera?
¿Hace frío afuera?

Sin importar cuán ruidoso sea el entorno los sistemas de reconocimiento pueden comprender lo que uno dice. Pueden distinguir un interlocutor de otro. Gracias al aprendizaje automático, ahora contamos con un algoritmo que aprende a imitar un lingüista humano. Mucho del lenguaje que usamos actualmente es muy informal. Bla, bla, bla, bla, bla, bla y dice "Bien". Intercalado con emojis y calcomanías.

Ahora, con Google, estamos llegando al punto donde uno puede tener una conversación mucho más natural. ¿Hay algún lugar que venda comida mexicana cerca? Aquí tiene.

El asistente de Google usa lo mejor de nuestras técnicas de aprendizaje automático en reconocimiento de voz interpretación de imágenes y comprensión del lenguaje natural. Ese es un rumbo prometedor para el desarrollo de sistemas que realmente puedan navegar por el caos del mundo real.

Deseábamos que este proyecto fuera de código abierto para que las personas ajenas a Google pudieran usar el mismo sistema que usamos a nivel interno. Hay muchas personas que propusieron usos muy creativos sin saber nada del aprendizaje automático. Así que tienen las ideas y no deben hacer el trabajo pesado que ya hicimos nosotros.

Vi un ejemplo muy bueno. Alguien tenía un gato que merodeaba por la casa todo el día. Entonces, enseñó al modelo a identificar cuando el gato apareciera y activar los aspersores para asustarlo.

Había una pareja de ancianos en Japón que cultivaba pepinos. Una de las principales tareas es separar los pepinos en rugosos, suaves, derechos y curvos. Es una tarea complicada. La mujer dedicaba muchas horas al día a ordenar los pepinos. Así que su hijo tomó un modelo de visión computarizada artificial y creó un sistema para categorizar los pepinos y ordenarlos automáticamente. El tiempo que se perdía en acomodar los pepinos ahora se podrá aprovechar mucho mejor. 387 millones de diabéticos tienen riesgo de desarrollar retinopatía diabética. Esta afección causa ceguera. Para hallar los signos de la retinopatía, se deben tomar fotos de la parte posterior del ojo. Pero no hay suficientes médicos, y una interpretación puede llevar horas. Por eso, diseñamos un algoritmo que puede leer las imágenes al instante. El algoritmo ayuda a los médicos a estudiar a más personas para detectar la enfermedad.

A medida que se observan más casos de aprendizaje automático y lo que este puede hacer, se descubren más oportunidades para mejorar la vida de las personas. El aprendizaje automático se puede usar para ahorrar energía a grandes escalas o hacer un seguimiento de la propagación de enfermedades. O usar un modelo de visión artificial para personas con problemas de vista. Podríamos crear un sistema de reconocimiento de voz para los habitantes del planeta y mejorar radicalmente la experiencia de millones de personas. No hay ninguna área de la ciencia ni del conocimiento humano que no se beneficie del aprendizaje automático.

Si me hubieran preguntado hace unos años si una computadora podría hacer esto en el corto plazo, habría respondido que no. Es muy motivador pensar en lo que está por venir.

Estamos pensando y haciendo cosas que nadie jamás hizo. Estamos planteando nuevos territorios intelectuales y adentrándonos en ellos.

La promesa de la inteligencia artificial y el aprendizaje automático es que podemos crear soluciones para los problemas aún sin resolver y así ayudar a las personas.
{[ ((showTranscript) ? 'OCULTAR TRANSCRIPCIÓN' : 'VER TRANSCRIPCIÓN') ]}
Desde ayudar a los granjeros en Japón a clasificar los pepinos hasta ayudar a los médicos en la India a diagnosticar las enfermedades oculares, el aprendizaje automático está cambiando la forma en que las personas usan los códigos para resolver problemas y mejorar sus vidas. En este video, abordaremos cómo el aprendizaje automático es útil para resolver una amplia variedad de problemas en todas las industrias, los sectores y las aplicaciones.
SIGUIENTE TEMA
ANTERIOR SIGUIENTE