Encontrar patrones con IA

  • Entrenar un modelo de aprendizaje automático para predecir algo

Éstas son las actividades para esta lección:

3 PARTES DEL APRENDIZAJE AUTOMÁTICO

Recordemos que la Inteligencia Artificial, concretamente el Aprendizaje Automático, consta de 3 partes principales.

Conjunto de datos

Encontrar patrones

Hacer una predicción

En esta lección, vamos a centrarnos en la segunda parte, Encontrar patrones, entrenando nuestro propio modelo de IA que será capaz de hacer una predicción.

Hay muchas plataformas gratuitas en las que puedes entrenar un modelo de IA, utilizando el aprendizaje supervisado.

Aprendizaje supervisado es tal y como suena: usted supervisa cómo aprende el modelo indicándole la respuesta correcta.

Por ejemplo, supongamos que queremos que un modelo de IA sepa si una imagen es un perro o un gato.

cara de perro
cara de gato

Su conjunto de datos estará formado por montones y montones de fotos de perros y gatos.

Ayudarás a entrenar al modelo diciéndole qué fotos son de perros y cuáles de gatos.

PLANIFICACIÓN DE SU MODELO

Su modelo predecirá o clasificará algo. A menudo, estos modelos se denominan modelos de clasificaciónpor esa razón. 

Primeros pasos:

  1. ¿Qué está clasificando? ¿Son imágenes, textos, sonidos? Este es su tipo de datos.
  2. ¿Cuáles son las diferentes clasificaciones posibles? Por ejemplo perros y gatos. Estas son sus clases. A veces también se denominan etiquetas.
  3. Reúna los datos adecuados para entrenar su modelo. Encuentra montones y montones de datos variados para representar cada clase. Por ejemplo, ¡muchas fotos de distintos tipos de perros y gatos!
Captura de pantalla de Teachable Machine entrenando perros y gatos

PLATAFORMAS RECOMENDADAS

Existen muchas plataformas gratuitas y de código abierto para crear modelos de clasificación de IA. 

Hemos elaborado una lista de programas y plataformas donde puedes hacerlo:

  • construye tu modelo para hacer una predicción
  • a continuación, utilice su modelo en una aplicación móvil o web para realizar una acción basada en la predicción

He aquí un breve resumen de lo que cada plataforma puede clasificar e integrar.

Plataforma Tipos de clasificación Integración de la innovación tecnológica
Teachable Machine de Google imágenes, sonidos, posturas App InventorPython, otras integraciones posibles
MachineLearningForKids imágenes, sonidos, texto, números Python, App Inventor
MIT App Inventor imágenes, sonidos, posturas App Inventor
Ximilar imágenes Thunkable, App Inventor, aplicaciones wep, uso de APIs

ACTIVIDAD: ENTRENAR UN MODELO DE APRENDIZAJE AUTOMÁTICO

Tiempo estimado: 30 minutos

Construye un modelo de piedra, papel o tijera

Siga la hoja de trabajo para utilizar la plataforma Teachable Machine de Google para construir un modelo de aprendizaje automático que reconozca los signos manuales de piedra, papel y tijera.

A continuación, vea su modelo en acción con una sencilla interacción javascript preconstruida.
Abrir hoja de cálculo

REFLEXIÓN

¡Has hecho tu primer modelo de IA! Esto debería darte una idea del proceso de creación de un modelo de IA. Todas las plataformas de creación de modelos funcionan de forma similar, aunque las interfaces pueden diferir ligeramente.

reflexión en el edificio
¿Ha conseguido su modelo detectar el piedra, papel o tijera?
¿Se hizo con un "buen" conjunto de datos?
¿Cómo se podría mejorar el conjunto de datos?
Si un amigo o una persona que viviera en un lugar distinto al tuyo utilizara tu modelo y tu proyecto, ¿tendría el mismo rendimiento? ¿Por qué sí o por qué no?

REVISIÓN DE TÉRMINOS CLAVE

  • Modelo de IA (o aprendizaje automático) - inteligencia artificial que se entrena en un conjunto de datos para reconocer patrones con el fin de predecir o clasificar algo
  • Aprendizaje supervisado - aprendizaje automático en el que un modelo se entrena diciéndole resultado correcto o incorrecto.
  • Clase - una etiqueta que se proporciona a un modelo de IA para que aprenda a clasificar las entradas según su clase

RECURSOS ADICIONALES

Si quieres aprender más sobre inteligencia artificial y aprendizaje automático, aquí tienes una magnífica lista de reproducción de Daniel Schiffman, de la Universidad de Nueva York.