Deep Learning se ha convertido en una expresión muy habitual. La escuchamos al hablar de juegos, de hardware, de servicios… en fin, de todo. En pocos años parece que el aprendizaje profundo se ha convertido en el perejil de todas las salsas, y evidentemente hay razones para que así sea. Ahora bien, aunque se habla de esta rama de la inteligencia artificial (pues eso es Deep Learning, una de la múltiples tecnologías en las que se apoya la IA), para muchas personas sigue siendo un concepto opaco. Intentemos profundizar un poco en el mismo para aclararlo.
Para hablar de Deep Learning, primero tenemos que tener claro el concepto de aprendizaje automático, para lo que a su vez necesitamos tener muy claro el proceso de aprendizaje, y esto no es algo tan sencillo como pudiera parecer en un primer momento. Porque, ¿qué responderías tú si te pregunto qué es aprender? Vamos a preguntarle a la RAE, a ver qué nos dicen ellos:
Aprendizaje: Adquirir el conocimiento de algo por medio del estudio o de la experiencia.
Aprender: Acción y efecto de aprender algún arte, oficio u otra cosa.
El matiz interesante viene dado por el final de la primera definición, «estudio o aprendizaje». Y es que no es lo mismo aprenderse la lista de los reyes gogos que aprender a silbar, pese a que ambas acciones se engloban en el mismo verbo. ¿Memorizar forma parte de aprender? Lo cierto es que sí, pero no podemos hablar de aprendizaje automático si lo interpretamos de esa manera. Es más, en realidad la memorización es una disciplina en la que lo ordenadores ya nos llevan una ventaja espectacular. Hoy en día podemos llevar en el bolsillo un disco duro externo capaz de memorizar-almacenar muchísima más información que cualquiera de nosotros.
Entonces, esas definiciones no nos permiten abordar de una manera clara el concepto de aprendizaje automático y, por ende, el de Deep Learning. Sin embargo, si seguimos revisando los resultados de la RAE, encontramos que mientras que la tercera acepción de aprender nos lleva más del lado de la memorización:
Fijar algo en la memoria.
La tercera acepción de aprendizaje nos lleva más «hacia el otro lado», es decir, hacia el de aprender a silbar:
Adquisición por la práctica de una conducta duradera.
Interesante esta definición, pues sin duda es la que más nos acerca al aprendizaje automático. Sin embargo, también he querido reproducir la anterior porque, evidentemente, para poder aprender, en su conjunto, son necesarias tanto la memorización como la capacitación a través de la práctica.
Así, cuando hablamos de Machine Learning o aprendizaje automático, lo que planteamos es que las máquinas sean capaces de aprender llevar a cabo determinados procesos. Y ahora es posible que alguien se plantee que eso es lo que llevan haciendo las máquinas toda su existencia: llevar a cabo determinados procesos. La diferencia es que, sin la IA, dichas máquinas han recibido las instrucciones necesarias para desarrollar esa tareas. No se ha producido aprendizaje alguno, simplemente han sido programadas.
Por lo tanto, cuando hablamos de aprendizaje automático, hablamos de sistemas inteligentes, capaces de analizar datos, identificar patrones, extraer conclusiones y sumar este conocimiento para el siguiente ciclo. Así, tras un entrenamiento en el que la IA ya haya analizado un volumen de datos suficiente como para extraer conclusiones valiosas y fiables, podrá ser puesto al servicio de los usuarios para el fin para el que haya sido entrenado, ya sea realizar profundos análisis de inversiones bursátiles, calcular la trayectoria óptima para una misión espacial o recomendarte qué ver a continuación en Netflix.
Entonces, al hablar de Machine Learning nos encontramos con un sistema de aprendizaje por refuerzo, supervisado, y que es capaz de «autoprogramarse» en base a la experiencia previa, pero también, y especialmente, a los conjuntos de datos (datasets) que son empleados para alimentar dichos algoritmos durante su formación. Dicho de otra manera, hasta que el sistema no cuente con las suficientes muestras sobre lo que es «sí» y lo que es «no», lo que es «arriba» y lo que es «abajo», lo que es «blanco» y lo que es «negro», no tendrá manera de aprender. Y aquí es donde Deep Learning lo cambia todo.
Conoce más aquí
