La evolución del aprendizaje profundo
Como se ha tratado en posts anteriores, la inteligencia artificial está avanzando a gran velocidad desde hace relativamente poco tiempo.
Estas tecnologías que se comenzaron a desarrollar en los años 50, han estado evolucionando de forma intermitente en las últimas décadas ya que casi siempre han estado lastradas por las limitaciones de la informática de la época.
Debido a los avances en los últimos años en tecnología informática y en neurociencias, se ha combinado el mayor conocimiento sobre el cerebro humano con el desarrollo informático. El tamaño de los centros de cómputo, la potencia de los procesadores y la proliferación de los servicios en la nube, han creado una revolución silenciosa en el desarrollo de sistemas capaces de imitar la forma en la que los humanos pensamos y actuamos.
Dentro de las tecnologías de inteligencia artificial, existe una que destaca sobre el resto por ser la primera en tener aplicaciones prácticas que son utilizadas hoy en día por miles de personas diariamente. Se trata del aprendizaje profundo o Deep learning.
Cada vez que se utilizan aplicaciones como el traductor simultáneo de Skype en una conversación, o vemos coches que se conducen solos, o subimos una foto de nuestra mascota a una red social y luego ésta nos dice de qué raza es, se está ante procesos de Deep learning.
La comprensión del lenguaje natural, la capacidad de poder hablarle a un ordenador o un móvil igual que a una persona y que este nos entienda, es uno de los mayores logros que se están consiguiendo y que estarán próximamente disponibles gracias a esta tecnología.
Este tipo de inteligencia artificial imita la forma en la que los humanos aprendemos, basando la adquisición de conocimiento a partir de dos metodologías: el aprendizaje supervisado y el no supervisado.
En el aprendizaje supervisado, se le muestran al sistema una gran cantidad de ejemplos del tipo de conocimiento con el que se le quiere entrenar, adjuntando a cada ejemplo el detalle de lo que se trata. En cuanto más ejemplos se le expongan al sistema, éste generará internamente una mejor definición de lo que significa cada concepto.
Una vez procesados todos los ejemplos, el sistema ya estará en condiciones de poder clasificar o procesar la nueva información a la que se le exponga, utilizando para esto el conocimiento adquirido durante la fase de entrenamiento en la que ha aprendido de los ejemplos.
En el caso del aprendizaje no supervisado, no hay nadie que le diga al sistema de qué trata cada ejemplo, por lo que es el propio software quien debe elaborar los conceptos abstractos y asociarlos a cada elemento. Este tipo de sistemas capaces de aprender por sí mismos son los que concentran hoy en día el mayor interés por parte de los investigadores. La razón de esto radica en la búsqueda por lograr mecanismos capaces de aprender de forma similar a como lo haría un niño, simplemente observando e interactuando con su entorno.
La nueva inteligencia artificial ha llegado para quedarse y ha comenzado a cambiar el mundo al haber acelerado su evolución y haberse puesto disponible masivamente tanto para los usuarios como para los desarrolladores como nosotros.
El Deep learning, así como las tecnologías de análisis de datos está permitiéndonos crear una nueva generación de sistemas mucho más inteligentes y sobre los que hemos comenzado a basar nuestros servicios de transformación digital para empresas.
¿Le gustaría unirse a esta revolución o conocer estas tecnologías más profundamente? Es simple, sólo tiene que contactarnos.
¡Hasta el próximo post!
