Deep learning
'Deep learning': un concepto clave para llevar la inteligencia artificial al siguiente nivel
El deep learning, o aprendizaje profundo, que se basa en un conjunto de algoritmos relacionados con el machine learning y cuyas aplicaciones en el mundo real son cada vez más tangibles (predicción de resultados de negocio, evolución de asistentes virtuales, análisis de imágenes médicas, etc.), ha llamado la atención de las empresas por su capacidad para sacar el máximo rendimiento a la inteligencia artificial.
Vas a desbloquear tu teléfono móvil, pero no es uno de esos que funcionan con la huella dactilar. En su lugar, la cámara reconoce tu rostro, te identifica como el propietario y se desbloquea para su uso. Para culminar ese proceso, aparentemente simple a tus ojos, el teléfono tuvo que aprender a reconocer las variaciones de tus expresiones faciales y lo hizo gracias a un sistema de deep learning. Esta es solo una de las aplicaciones de esta tecnología.
QUÉ ES EL DEEP LEARNING
El deep learning, o aprendizaje profundo, parte del machine learning para, a partir de una gran cantidad de datos y tras numerosas capas de procesamiento con algoritmos, conseguir que un ordenador termine aprendiendo por cuenta propia y realizando tareas similares a las de los seres humanos, como la identificación de imágenes, el reconocimiento del habla o la realización de predicciones, de forma progresiva.
¿Qué significa esto? Por ejemplo, en reconocimiento de escritura, cada vez que escribimos una letra B a mano la letra es ligeramente diferente. No solo eso, sino que además cada persona lo hace a su manera. Los sistemas de deep learning tienen la capacidad de identificar el trazo, realizado en cualquier momento y por cualquier persona, como la letra B con un alto nivel de acierto.
Cómo funciona el deep learning
Los algoritmos de deep learning se aplican a redes neuronales artificiales estructuradas en forma de capas: input layer (entrada), hidden layer (oculta) y output layer (salida). Los datos entran por la primera capa, en la que hay varias neuronas artificiales que se activan o no dependiendo de los datos. Volviendo al ejemplo anterior, en esta primera capa (input layer) se puede activar el reconocimiento de una línea o un punto, en las capas intermedias (hidden layer) esa combinación de líneas y puntos se procesa hasta decidir que se trata de una letra, y finalmente la capa de salida (output layer) determina que se trata de la letra B.
Inteligencia artificial, machine learning y deep learning
Aunque la relación entre inteligencia artificial, machine learning y deep learning pueda resultar confusa, en realidad basta con tener clara cuál es la correlación que guardan entre sí. Simplificando mucho, el deep learning es un caso particular de machine learning, que es a su vez una aplicación de la inteligencia artificial. En la siguiente infografía abordamos los matices entre unas y otras:
La forma de entrenar a un algoritmo de deep learning es suministrarle cantidades masivas de datos. Cuantos más analice, más preciso se vuelve. Por ello, todas estas tecnologías también están relacionadas con el big data y tienen un papel relevante en sus aplicaciones, que buscan extraer significado, tal y como haría un humano, de enormes cantidades de datos.
APLICACIONES DEL DEEP LEARNING
Los algoritmos de deep learning tienen multitud de aplicaciones:
Visión artificial
La visión artificial adquiere la capacidad de reconocer caracteres, imágenes, objetos e, incluso, rostros, y su impacto en la Industria 4.0, por ejemplo, en el control de calidad, será importante.
Análisis predictivo
El análisis predictivo puede generar previsiones más precisas de los resultados de los negocios, las evoluciones de los mercados o las necesidades energéticas.
Asistentes virtuales
Alexa, Cortana o Siri son asistentes que entienden y ejecutan los comandos de voz del usuario en lenguaje natural y son capaces de aprender con el tiempo.
Chatbots
Los chatbots se emplean en sistemas de asistencia al cliente para resolver problemas de los usuarios a través de un chat y también aprenden de forma progresiva.
Robótica
El aprendizaje profundo facilita que los robots realicen tareas similares a las humanas, incluso tomando decisiones en tiempo real. También pueden atender a su propio mantenimiento.
Salud
A través del análisis de imágenes médicas, facilita la detección de enfermedades y el diagnóstico asistido por ordenador, incluso sin la intervención de personal.
Entretenimiento
Empresas de contenido en streaming, como Netflix, HBO o YouTube, proporcionan recomendaciones y subtítulos automáticos a sus usuarios.
Noticias y publicidad
Permite personalizar las noticias en función de las preferencias de los usuarios —algo similar ocurre con los anuncios publicitarios— y detectar las conocidas como fake news.
Música
Una máquina puede aprender las notas, estructuras y patrones que hacen que la música sea popular, hasta el punto de llegar a componer sus propias canciones.
BENEFICIOS DEL DEEP LEARNING
Entre las ventajas que ofrece el deep learning destacan:
- Las características del sistema no tienen que definirse previamente, ya que éste las deduce y se ajusta a ellas impulsando la automatización de procesos.
- La fiabilidad del sistema frente a las variaciones naturales de los datos se produce de forma automática, reduciendo considerablemente los errores.
- El rendimiento del sistema es mejor cuanto mayor sea la cantidad de datos y los diferentes procesos necesarios pueden realizarse en paralelo.
- La arquitectura del sistema es flexible, por lo que puede evolucionar y adaptarse a nuevos problemas en el futuro.