
English: 
Machine Learning
AI --
AI --
Machine Learning
Artificial Intelligence
Machine Learning
Machine Learning or AI
Confusing, right?
Artificial intelligence and machine learning
are often used interchangeably.
So they must relate to each other.
But how?
AI or artificial intelligence is the science
of training machines to perform human tasks.
The term was invented in the 1950s when scientists
began exploring how computers could
solve problems on their own.
Most of the time when you hear AI, you
probably see these ridiculous images.
ANDY RAVENNA: I grew up at the time when we were
watching "The Jetsons" and the movie "2001: A Space
Odyssey" where they had HAL the talking computer.
So for me Artificial Intelligence
is really like a computer or a machines
that are given properties, human like properties.
We take for granted how our brains effortlessly

Spanish: 
(Machine Learning, IA, Inteligencia Artificial)
¿Confuso, cierto?
A menudo la inteligencia artificial y el machine learning se utilizan indistintamente.
Así que deben estar relacionados.
¿Pero cómo?
IA o inteligencia artificial es la ciencia de enseñar a las máquinas a llevar a cabo tareas humanas.
Este término se inventó en los años 50 cuando científicos comenzaron a explorar cómo las computadoras podían resolver
problemas por sí mismas. 
Cuando usted escucha IA, probablemente imagina estas imágenes ridículas. 
Andy Ravenna: Crecí viendo los “Supersónicos” y la película
"2001: Odisea en el Espacio”, donde tenían a HAL, una computadora que hablaba. 
Por eso para mí Inteligencia Artificial es realmente una computadora o máquina a la que se le otorgan
propiedades, propiedades como las de los humanos.

English: 
calculate the world around us, every second of every day.
AI is the concept that a computer can do the same.
BOB ROGERS: All of our speech
interfaces for our devices are AI.
And it's incredible.
You can have an accent.
You can be speaking a particular dialect
that, as long as theres data on the Internet
with that language, these AI systems can
quickly developed a way of interacting.
TOM SABO: I can pick up my phone and I can ask
it questions like I can say, "Siri say my name."
SIRI: You're Tom.
But since were friends I get to call you M-R Smiley.
While AI is the broad science of mimicking human abilities,
machine learning is a specific subset of AI
that trains a machine how to learn.
Machine learning models look for patterns in data
and try to draw conclusions, like you or I would.
BOB ROGERS: They're not being
explicitly programmed by people.

Spanish: 
Para nosotros es natural que nuestros cerebros calculen sin esfuerzo el mundo que nos rodea, 
cada segundo del día. 
Con IA, una computadora puede hacer lo mismo
Bob Rogers: Todas nuestras interfaces de voz de nuestros dispositivos funcionan con IA
Y es increíble.
Se puede tener un acento.
Se puede hablar un dialecto particular que, siempre que existan datos en Internet
de ese idioma, estos sistemas de IA pueden desarrollar rápidamente una forma de interactuar.
Tom Sabo: Puedo tomar mi teléfono y hacerle preguntas como, 
"Siri, di mi nombre."
Siri: “Tu nombre es Tom”.
Y como somos amigos, puedo llamarte M-R Smiley.
Si bien IA es la ciencia de imitar las capacidades humanas, el machine learning es un
subgrupo de IA que enseña a las máquinas cómo aprender.
Los modelos de machine learning buscan patrones en los datos y tratan de sacar conclusiones,
igual que usted o yo lo haríamos. 
Bob Rogers: No están explícitamente programados por la gente. 

English: 
You can actually give some examples and they're
going to learn what to do from those examples.
That's a huge difference because its much easier for us
humans to give examples than it is for us to write code.
Once the algorithm gets really good at drawing
the right conclusions, it applies that knowledge
to new sets of data.
BOB ROGERS: That's the lifecycle.
It's ask the question, collect the data, train
the algorithm, try it out, collect the feedback,
use the feedback to make the algorithm better so
that you have increasing accuracy and performance.
Ta Da!
Machine Learning.
LISA LOFTIS: If you look at the Google car,
it has lasers on the top which are telling it
where it is in terms of the surrounding area.
It has radar in the front, which is informing
the car of the speed and motion of all
the cars around it.
And it uses all of that data to figure out
not only how to drive the car but also to figure
out and predict what potential drivers
around the car are going to do.

Spanish: 
Usted podría dar algunos ejemplos, y aprenden qué hacer a partir de dichos ejemplos. 
Es una enorme diferencia porque es más fácil para nosotros los humanos 
dar ejemplos que escribir código. 
Una vez que el algoritmo se vuelve experto en llegar a las conclusiones correctas, aplica dicho conocimiento
a nuevas series de datos. 
Bob Rogers: Ese es el proceso.
Se hace la pregunta, se reúnen los datos, se enseña al algoritmo, se prueba, se obtiene la retroalimentación,
la cual se utiliza para mejorar el algoritmo para elevar la precisión y el desempeño. 
¡Listo!
Machine Learning.
Lisa Loftis: Si observamos al auto de Google, veremos láseres sobre él que le indican
donde se encuentra respecto al área que lo rodea. 
Al frente, tiene un radar que informa al auto la velocidad y el movimiento de todos
los autos a su alrededor. 
Y utiliza toda esa información para saber no sólo cómo conducir el auto, sino también para determinar 
y predecir qué van a hacer los conductores que están alrededor del auto. 

English: 
And that's almost a gigabyte a second
of data that that car is processing.
ANDY RAVENNA: One of the things that they're working
on is for example the scanning of tumors.
So taking X-rays and taking photographs
of when they scan the outside of the body
and they're looking for tumors.
And can you just imagine one day where they could actually
do a scan and determine whether a tumor is benign or not
instead of having to go in and take a sample every time
they're trying to figure out whats going on inside your body?
Its very Star Trek, right?
LISA LOFTIS: And if you look at the number
of continuous streaming information from IoT
from the beacons and sensors it gives us the ability
to understand our environment much more intimately
than we ever could before.
And that's what AI and ML need.
They need granular data.
They need very large volumes of data.

Spanish: 
Esto quiere decir que el auto procesa casi un gigabyte de datos en un segundo.
Andy Ravenna: Una de las cosas en las que se está trabajando es, por ejemplo, 
el análisis de tumores.
Tomar placas de rayos X y fotografías de cuando revisan la parte externa del cuerpo
y buscar tumores al mismo tiempo.
Imagínate cuando un día realicen un escaneo y puedan determinar si 
un tumor es benigno, o en lugar de tener que acudir y tomar una muestra cada vez
que tratan de saber qué está sucediendo dentro de tu cuerpo?
Parece ciencia ficción, ¿verdad?
Lisa Loftis: Asimismo, la gran cantidad de información que fluye continuamente del IoT,
de los beacons y sensores nos permite entender a nuestro entorno de forma 
mucho más íntima que antes. 
Y eso es lo que la IA y el MAL necesitan.
Necesitan datos granulares.
Necesitan grandes volúmenes de datos.

Spanish: 
Y necesitan fuentes de datos muy diversas para poder identificar patrones y aprender. 
Kirk Borne: Entonces, uno puede indicarle a un chat bot que nos diga las noticias más recientes por la mañana.
También puede informar sobre el mercado accionario. 
Puede leer la información financiera que necesitamos y organizarla no sólo
para darnos los números sino la historia detrás de esos números de 
una forma que pueda ser interpretada por un humano.
Creo que es realmente valioso. 
Cuando pienso en las cosas nuevas que surgen, no pienso mucho en que las matemáticas
están cambiando las cosas que hacemos a diario. 
Ese es el punto: la IA es la ciencia de las computadoras emulando a los humanos, y machine learning es 
el método detrás de cómo aprenden las máquinas de los datos. 
Los datos pueden resolver muchos problemas. 
¿Por qué un algoritmo no podría resolver algunos?

English: 
And they need extremely diverse data sources
to be able to find the patterns and learn.
KIRK BORNE: So if we can have a chat bot tell us
in the morning, tell me the latest news.
Okay.
So it can read the stock market.
It can read all the financial numbers that we need
and actually sort of not just tell you the numbers
but tell you the story behind the numbers
in a in a human interpretable way.
I think that's really valuable.
When I think about what's new and coming up I
don't know if so much the mathematics is changing
but the types of things we do.
THERE YOU HAVE IT: AI is the science of computers emulating
humans and machine learning is the method behind how
machines learn from data.
There are so many problems to solve based on data.
Why not let an algorithm take care of a few?
