Sistemas y DevOps

Deep Learning: Algoritmos de programación que aprenden por sí mismos

El Deep Learning es una parte de Machine Learning que se encarga de simular el comportamiento del cerebro humano para resolver problemas de difícil solución para las máquinas.

Deep learning
Santi López
Santi López

Febrero 04, 2020

¿Para qué la Inteligencia Artificial?

Deep learning o aprendizaje profundo es una subparte del machine learning que a su vez forma parte de la inteligencia artificial.

La inteligencia artificial es un concepto considerado moderno, tanto que nace a mediados del siglo XX, hace más de medio siglo!!

Con la inteligencia artificial se intentó que los ordenadores fueran capaces de resolver problemas que hasta el momento solo podían resolver los humanos.

Si lo pensamos podemos programar algoritmos más o menos complejos con cualquier lenguaje de programación sea JavaScript, Phyton, Java... en el que definiremos las intrucciones a ejecutar para resolver un problema concreto.

¿Sabrías programar un algoritmo que en función de la voz sepa quien eres?, seguramente no, ¿pero verdad que tú eres capaz de reconocer a alguien por su voz?. Aquí es dónde entra la inteligencia artificial y desaparecen los algoritmos tradicionales comunes.

¿Qué es el Deep Learning?

Entonces la inteligencia artificial consiste en dejar a la máquina la posibilidad de resolver problemas que sólo podían ser resueltos por los humanos. O más bien, problemas fáciles de resolver por los humanos pero difíciles para las máquinas.

El machine learning es la capacidad de que un algoritmo aprenda por sí solo, y el deep learning es un tipo de algoritmo capaz de aprender por sí mismo.

En Deep learning se construye un modelo basado en capas, cada una de estas capas se compone de un número determinado de nodos también llamados neuronas.

Imagen libre de derechos: PixabayEstas neuronas están conectadas entre sí, emulando lo poco que se conoce del funcionamiento del cerebro: Las neuronas reciben unos datos de entrada y generan a partir de ellos una nueva salida y esa salida pasa a ser la entrada de las neuronas de la siguiente capa.

Si lo pensamos bien, lo que hace es procesar características para generar nuevas características que a su vez generan nuevas características. Quizás en la teoría supone la resolución de cualquier problema.

Deep Learning Red Neuronal

Representación de red neuronal. Imagen: Pixabay

¿Por qué es tan interesante el aprendizaje profundo?

Lo increíble de esto no es solo que podamos crear algoritmos que aprendan por sí mismos, sino que pueden llegar a resolver problemas de forma más eficiente que los humanos.

Nos imaginamos un experto en fútbol que quiere saber qué equipo ganará el partido, estudiará una serie de factores, pensará sobre ellos y tras valorarlos concienzudamente podrá extraer una conclusión. Un modelo de red neuronal bien entrenado para ello te dará una respuesta en un segundo, tan solo tendremos que pasarle los datos de entrada para que los procese y nos aporte lo que queremos saber.

Lo podemos extrapolar a muchos campos: conducción automática, saber si una pareja se separará, saber si una empresa quebrará, o si la economía de un país crecerá....

Si lo pensamos todo lo que pasa en el mundo se basa en unos factores, conocidos o desconocidos. La cosa es, saber qué variables inciden, recopilar suficientes datos y aplicarlo a nuestro modelo de machine learning para que nos dé una respuesta.

Contacta con nosotros

Si necesitas ayuda con tu proyecto, contacta con nosotros

Comparte este artículo

Artículos Relacionados