miércoles, 13 de septiembre de 2017

¿Qué es el aprendizaje profundo o ‘deep learning’?

El aprendizaje profundo, o ‘deep learning’, es una de las tecnologías más prometedoras que Facebook, Google o Amazon están impulsando. Estos son sus orígenes y fundamentos básicos.
La capacidad cognitiva de los seres humanos ha sido, durante milenios, un factor evolutivo fundamental para que pudiéramos consolidarnos como la especie dominante en la naturaleza y erigir lo que hoy llamamos civilización. Bajo esa inteligencia que nos caracteriza se esconde una serie de mecanismos y procesos físicos que nos ayudan, entre otras cosas, a reconocer patrones y aprender por nosotros mismos en base a la experiencia personal.

Se trata de una técnica natural que todavía hoy es objeto de asombro y estudio por parte de las más variadas ciencias, incluida la informática.
Y es que, conforme la cantidad de datos a manejar se multiplica -tanto en cantidad como en variedad-, se hace patente la necesidad se incorporar modelos de procesamiento que vayan más allá del clásico cómputo de ‘unos y ceros’. Y, como suele suceder, la naturaleza es la mejor inspiración para buscar ese paso adelante.
Una innovación disruptiva que lleva el aprendizaje profundo por nombre o ‘deep learning’. Se trata de una técnica creada ya en los años 80, cuando varias universidades y laboratorios de investigación se propusieron aplicar modelos estadísticos para encontrar patrones dentro de objetos donde reina una cierta aleatoriedad, y ser así capaces de diferenciarlos automáticamente.
El objetivo último: replicar tanto la estructura neuronal del cerebro como los mecanismos de aprendizaje que se usan sobre esa red neuronal.
Alberto Palomo-Lozano, Lead Data Scientist en Avangrid/ Iberdrola y antiguo alumno de U-tad en el área de Data Science, ha elaborado un amplio trabajo al respecto del aprendizaje profundo.
Para este experto, una parte importante del campo del ‘deep learning’ es precisamente la definición del plano físico, “que se traduce en el diseño de la arquitectura de la red neuronal (cuántas capas de neuronas tiene, y cómo están conectadas entre sí), así como cuál es la función de activación para cada neurona”.
Un desarrollo teórico ya más que discutido y cuya aplicación real se está comenzando a explotar masivamente en nuestros días. “A nivel comercial el desarrollo de aplicaciones ha sido lento, ya que no existían demasiados casos de éxito técnicos que pudieran ser trasladados a ambientes prácticos, hasta el 2012 ha habido avances en la investigación de las arquitecturas neuronales y los métodos de aprendizaje, pero no salieron de un contexto académico”, explica Palomo-Lozano en su escrito.
“Por otro lado, nos encontrábamos con la mala escalabilidad en el tiempo que tenían estos algoritmos, al nutrirles de una cantidad de información tan grande. Afortunadamente, la computación paralela, y más concretamente las GPUs, que originariamente habían sido concebidas para hacer cálculos masivos de operaciones matriciales (las que se usan para el renderizado de píxeles en imágenes) pero que resultaron perfectamente idóneas para ayudar a los investigadores a paralelizar sus tareas de entrenamiento de las redes neuronales”.
Con todo ello, nos encontramos ante un momento dulce para la consolidación del aprendizaje profundo en el sector tecnológico. “La conducción automática de Tesla, Uber o Google tiene su base en las redes neuronales convolucionales, mientras que el reconocimiento de voz (Siri, Alexa, Google Assistant) también está basado en redes neuronales”, añade Alberto Palomo-Lozano, quien considera además que “el ‘deep learning’ acaba haciendo contacto con el mundo del Big Dataen las aplicaciones empresariales, ya que una de las condiciones del aprendizaje profundo es la necesidad de contar con muchos ejemplos, o sets de entrenamiento”.
El alumno de U-tad no se atreve a augurar cómo va a evolucionar esta tendencia en un futuro (“esta es la tercera vez que las redes neuronales ganan popularidad y las otras dos murieron repentinamente precisamente por falta de aplicaciones”), pero sí que está convencido de que más y más empresas seguirán estudiando posibles casos de uso de esta técnica.

No hay comentarios:

Publicar un comentario