Deep Learning: qué es, para qué sirve y ejemplos
La Inteligencia Artificial revolucionó la forma de adquirir y procesar información a macroescala mediante máquinas capaces de aprender como el cerebro humano. Hasta ahora, para analizar cantidades enormes de datos se había aplicado el 'Machine Learning', pero este tipo de sistemas está evolucionando hacia el Deep Learning.
¿Cuáles son las diferencias entre Inteligencia Artificial (IA), el Machine Learning y el Deep Learning?
Antes de explicar qué usos tiene el Deep Learning, es conveniente entender la diferencia entre este concepto y otros dos que en ocasiones se usan, de forma errónea, como equivalentes: Inteligencia Artificial y Machine Learning.
Posiblemente te parezca que fue ayer cuando oíste hablar de la Inteligencia Artificial, pero lo cierto es que la IA es un área de la informática que nació en los años sesenta del siglo pasado. Su objetivo era facilitar la resolución, mediante el uso de algoritmos, de tareas sencillas pero tediosas o repetitivas que hasta entonces se efectuaban de forma manual. Nacía así una tecnología que pretendía dotar eventualmente a las máquinas de las mismas capacidades cognitivas y analíticas que el ser humano.
Dentro de la IA, el concepto de Machine Learning se refiere a una tecnología que aplica procesos automatizados para identificar ciertos patrones dentro de una cantidad importante de datos y tomar decisiones en función de estos. Incluye desde el reconocimiento de un objeto, imagen o palabra entre miles, hasta determinar qué acción debe seguir a otra dentro de un proceso.
La clave del Machine Learning radica en que ese 'saber hacer' ocurre de forma automática y que la decisión tomada por la máquina se produce sin intervención humana. No obstante, requiere que previamente sean personas quienes 'enseñen' o programen a la máquina para que esta sea capaz de identificar características clave o realizar acciones concretas. Ahora bien, el Deep Learning es una tecnología aún más avanzada que este aprendizaje automatizado y, enseguida, te contamos los detalles.
¿Qué es y cómo funciona el Deep Learning?
El Deep Learning va un paso más allá. Esta tecnología, que emplea redes neuronales artificiales, es capaz de aprender por sí misma sin que un humano la entrene previamente en distinguir lo que tiene que ver. Sus redes neuronales (RNA, o artificial neural networks, en inglés) funcionan mediante un sistema lógico y jerárquico similar al del cerebro de personas y otros mamíferos: la capa más baja manda una información simple y general a las capas superiores, y estas van añadiendo niveles de complejidad y matices hasta lograr procesos de análisis extremadamente sutiles y precisos. Así, es capaz de extraer información oculta y diferenciada de información general sin que nadie le enseñe qué es qué.
Para entenderlo mejor: a un programa de Machine Learning habría que enseñarle a reconocer un sombrero entre miles o millones de objetos precisándole la forma, características, etc. de ese complemento de moda y señalándole cuándo una imagen representa un sombrero y cuándo no. Por el contrario, a un programa de Deep Learning bastaría con enseñarle miles o millones de objetos sin indicarle las características concretas del sombrero, y su tecnología será capaz de extraer por sí misma los datos ocultos y comunes para reconocerlo entre otros artículos.
Lógicamente, el hecho de que esta tecnología no requiera supervisión humana la hace infinitamente más avanzada que sus predecesoras.
¿Para qué sirve el Deep Learning?
El hecho de que una máquina sea capaz de entender y procesar terabytes y petabytes de información en poco tiempo y sin intervención de humanos, y que ella sola aplique soluciones acordes a estos datos supone un avance de utilidad única, especialmente en la era del Big Data. No hace falta ser un genio para entender por qué empresas de todo el mundo están ávidas por desarrollar y aplicar esta tecnología.
Las utilidades del Deep Learning son infinitas: desde el reconocimiento de imágenes y mensajes a la predicción de comportamientos humanos individuales y colectivos (preferencias del usuario, movimientos migratorios, situación del tráfico), la evolución de enfermedades o del clima.
¿Qué ejemplos de Deep Learning encontramos en la vida cotidiana?
Como el resto de inteligencia artificial, el Deep Learning tiene muchísimas aplicaciones en la vida diaria, usos que ya se están dando en la actualidad y otros muchos que están por llegar.
- Marketing y publicidad: las empresas se apoyan cada vez más en esta tecnología para identificar logos en las redes, y así saber dónde aparecen sus productos y quienes los están compartiendo. También lo utilizan para ver en tiempo real cómo reacciona la gente a sus lanzamientos y qué opiniones tienen sobre su marca (reconociendo, por ejemplo, respuestas positivas y negativas) y, en general, para entender mejor qué buscan sus clientes y adaptar su mensaje y productos a lo que demanda el público. Es lo que hace Amazon cuando te ofrece artículos en función de tu historial de búsqueda, por ejemplo.
- Autos: los coches inteligentes recogen información de su entorno con el fin de tomar las mejores acciones para la seguridad vial o la eficiencia energética. Actualmente, numerosos vehículos ya disponen de sistemas que indican al conductor cuándo se está acercando demasiado a otros objetos, o que ofrecen guías para un menor consumo de combustible. Gracias al Deep Learning, dentro de no mucho empezaremos a ver coches capaces de conducir de forma totalmente autónoma y sin intervención humana.
- Ciberseguridad: el Deep Learning se usa asimismo para detectar fraudes bancarios o de robo de credenciales. Habrás comprobado que tu banco no duda en bloquearte la cuenta si detecta movimientos inusuales o conexiones desde lugares no habituales, lo mismo que tu servidor de correo electrónico. Esta tecnología se está afinando cada vez más para evitar los llamados 'falsos positivos'.
- Medicina: el Deep Learning se ha vuelto muy útil para entender, prevenir y tratar mejor ciertas enfermedades, ya que es capaz de analizar imágenes médicas, como radiografías y resonancias, y saber dónde se encuentra el problema, o predecir la evolución de ciertas dolencias con mayor precisión y menor coste que otros procedimientos.
- Tecnología de identificación facial y reconocimiento de voz: muchas empresas emplean esta tecnología para localizar rostros, entender expresiones faciales, etc. Así lo hace Google Fotos, donde puede encontrar el nombre de una persona introduciendo su foto, o en Facebook, que reconoce con Deep Learning a las personas que salen en las fotografías para etiquetarlas. También en los móviles que usan el rostro para desbloquearse, o los altavoces inteligentes que reconocen tu voz.
- Traducción de imágenes con texto: esta tecnología es capaz de reconocer palabras y textos largos presentes en imágenes, entender lo que significan e incluso traducirlas a otros idiomas, como ya lo hace Google Translate.
- Plataformas audiovisuales y de streaming: plataformas como YouTube, Netflix o Spotify identifican el tipo de contenidos de tu preferencia para crear listas personalizadas, ofrecerte las últimas novedades de tus artistas favoritos, recomendarte películas y series que puedan gustarte, con base en las que ya has visto o te han gustado, etc.
