Sistemes i DevOps

Deep Learning: Algoritmes de programació que aprenen per si mateixos.

Deep Learning és una part de Machine Learning que s'encarrega de simular el comportament de el cervell humà per resoldre problemes de difícil solució per a les màquines.

Deep learning

Per a què la Intel·ligència Artificial?

El Deep learning o aprenentatge profund és una subpart del machine learning que al seu torn forma part de la intel·ligència artificial.

La intel·ligència artificial és un concepte considerat modern, tant que neix a mitjan del segle XX. Fa més de mig segle!

Amb la intel·ligència artificial es va intentar que els ordinadors fossin capaços de resoldre problemes que fins al moment només podien resoldre els humans.

Si ho pensem, podem programar algoritmes més o menys complexos amb qualsevol llenguatge de programació, ja sigui JavaScript, Phyton, Java... en el qual definirem les intruccions a executar per resoldre un problema concret.

Sabries programar un algoritme que en funció de la veu per que sàpiga qui ets? Segurament no. Però veritat que tu ets capaç de reconèixer a algú per la seva veu? Aquí és on entra la intel·ligència artificial i desapareixen els algoritmes tradicionals comuns.

Què es el Deep Learning?

Llavors la intel·ligència artificial consisteix a deixar a la màquina la possibilitat de resoldre problemes que només podien ser resolts pels humans. O més aviat, problemes fàcils de resoldre pels humans però difícils per a les màquines.

El machine learning és la capacitat que un algoritme aprengui per si sol, i el deep learning és un tipus d'algoritme capaç d'aprendre per si mateix.

En Deep learning construeix un model basat en capes, cadascuna d'aquestes capes es compon d'un nombre determinat de nodes també anomenats neurones.

Aquestes neurones estan connectades entre si, emulant el poc que es coneix de l'funcionament de cervell: Les neurones reben unes dades d'entrada i generen a partir d'ells una nova sortida i aquesta sortida passa a ser l'entrada de les neurones de la següent capa.

Si ho pensem bé, el que fa és processar característiques per generar noves característiques que al seu torn generen noves característiques. Potser en la teoria suposa la resolució de qualsevol problema.

Deep Learning Red Neuronal

Representació de xarxa neuronal. Imatge: Pixabay

Per què és tan interessant l'aprenentatge profund?

L'increïble d'això no és només que puguem crear algoritmes que aprenguin per si mateixos, sinó que poden arribar a resoldre problemes de forma més eficient que els humans.

Ens imaginem un expert en futbol que vol saber quin equip guanyarà el partit: estudiarà una sèrie de factors, pensarà sobre ells i després de valorar-los a consciència podrà extreure'n una conclusió. Un model de xarxa neuronal ben entrenat per a això et donarà una resposta en un segon, tan sols haurem de passar-li les dades d'entrada perquè els processi i ens aporti el que volem saber.

El podem extrapolar a molts camps: conducció automàtica, saber si una parella es separarà, saber si una empresa farà fallida, o si l'economia d'un país creixerà...

Si ho pensem, tot el que passa al món es basa en uns factors, coneguts o desconeguts. La cosa és saber quines variables incideixen, recopilar suficients dades i aplicar-lo a nostre model de machine learning perquè ens doni una resposta.

Comparteix aquest article

Articles Relacionats