¿Quién no ha escuchado alguno de los términos que forman parte del título de este post? Desde luego, si se trabaja en el sector del marketing y la publicidad, es difícil no haberlo hecho.
Es más, siendo políticamente incorrecto, lanzaría otra pregunta: ¿quién ha empleado alguno de estos términos, confundiéndolos, de manera incorrecta porque no lo tenía claro?
Arnold Schwarzenegger y la película Terminator han hecho mucho daño en el imaginario colectivo en relación con este campo. A día de hoy, es habitual ver (u oír) que cualquier modelo matemático básico (como una regresión lineal) es denominado IA y que los oyentes en cuestión empiecen a pensar en SkyNet y la rebelión de las máquinas… ¡qué grande es el cine!
Bromas aparte y sin grandes pretensiones, en este post trataré de explicar qué significa cada uno de estos conceptos, cómo diferenciarlos y, sobre todo, qué tienen que ver entre ellos. Todo, claro está, desde el punto de vista de un profesional del marketing y la publicidad sin aspiraciones (ni conocimiento suficiente) de manejar en profundidad estos campos como un matemático, físico, ingeniero o cualquier otro profesional que se dedique específicamente a trabajar en estos entornos. Eso sí, con la intención de hacerlo entendible para personas que no tienen conocimientos técnicos pero que deben aplicar, con conocimiento de causa y sentido común, trabajos/proyectos pertenecientes a estos ámbitos a su día a día en el mundo del marketing.
En este post vamos a definir los conceptos para, más adelante (en siguientes publicaciones), profundizar un poco más en el ámbito del Machine Learning:
- Inteligencia Artificial: se trata del nombre de un campo de conocimiento, como pueden ser la química o la medicina. Aunque no hay una única definición, podríamos decir que la IA es el campo científico que se centra en la creación de programas y mecanismos que pueden simular procesos de inteligencia humana por parte de máquinas.
- Machine Learning: es una parte del campo de la Inteligencia artificial. Una parte importante, pero no la única. Básicamente, el objetivo del machine learning es predecir resultados en base a los datos de entrada (los datos que se introducen en el modelo).
- Redes Neuronales: se trata de una de las tipologías de machine learning. Muy popular pero, como decíamos antes, no es la única. Una red neuronal es, básicamente, un conjunto de neuronas y las conexiones entre ellas. Cada neurona es una función con un montón de entradas y una salida, la tarea que realiza es la de coger todas las variables de entrada, realizar una función sobre ellas y enviar el resultado a una salida.
- Deep learning: se trata de un método (relativamente moderno) de construir, entrenar y utilizar las redes neuronales.
Nuestro propósito como consultores, desde Grupo Ideonomía, es el de ser capaces no sólo de integrar estos campos (tanto a nivel estratégico como operativo) en nuestro ecosistema de marketing si no hacerlo de manera entendible y accesible para todas las personas implicadas dentro de la compañía; consiguiendo de esta manera superar barreras de entrada que se producen (de manera natural y humana) cuando nos enfrentamos a algo que no entendemos y que, además, las personas que nos lo están contando no se esfuerzan mucho en que lo hagamos.