Jueves, 17 de Diciembre de 2020

¿Que es el Deep Learning?

Como se diferencia del Machine Learning, para que se utiliza y que técnicas emplea. En este breve resumen le contamos en qué consiste y cuáles son las principales problemáticas de esta tecnología. ¡Comparte esta noticia!

Aunque a menudo se utilizan las palabras casi como sinónimos el deep learning (aprendizaje profundo) es en realidad una variante del machine learning (aprendizaje automatizado).

Aprendizaje automatizado

El aprendizaje automatizado es una técnica de programación en la que en vez de introducir todas las instrucciones para completar una tarea, se permite que la computadora aprenda que es lo que debe hacer para lograr un objetivo determinado.

En su versión básica utiliza algoritmos de regresión y árboles de decisión. Esto supone establecer el vínculo entre dos variables y un curso de acción a consecuencia.

Por ejemplo, una IA puede observar que los mensajes de una red social que emplean ciertas palabras tienen más comentarios que otros, si su objetivo es tener más comentarios entonces utilizará esas palabras más a menudo.

El entrenamiento de las IA puede realizarse de forma supervisada, con un ser humano controlando sus acciones, o sin supervisor.

Aprendizaje profundo

Aunque no existe una definición única para el aprendizaje profundo es posible establecer algunas distinciones.

Los algoritmos empleados son diferentes a los utilizados en los métodos más básicos de aprendizaje automatizado. Forman redes neuronales que intentan imitar la complejidad de los procesos del cerebro humano.

Este mayor nivel de complejidad permite también modelar abstracciones de mayor nivel y reconocer patrones a través de varias capas de procesamiento.

De esta manera se facilitan los procesos de identificación cuando existen varios factores a considerar. Por ejemplo si tenemos que distinguir cuando una frase se ha dicho en tono sarcástico o de forma sincera.

El aprendizaje profundo es el método empleado para las investigaciones y desarrollos relacionados con el reconocimiento del habla o la identificación de imágenes.

En general el aprendizaje profundo puede ser considerada como la técnica superior a la cual confluyen los desarrollos de aprendizaje automatizado.

Ventajas

Extensión

Dado que son las computadoras las que buscan los patrones y no un ser humano, es posible examinar una enorme cantidad de datos.

Velocidad

Debido a la velocidad de computo de los equipos empleados a menudo se realizan simulaciones que permiten adquirir una gran cantidad de experiencia en poco tiempo.

La IA que aprendió a jugar Starcraft 2, AlphaStar, entrenó en 14 días el equivalente a unos 200 años de juego.

Objetividad

Como las computadoras no están limitadas por la subjetividad humana no descartan opciones y pueden encontrar relaciones que las personas no considerarían.

Las computadoras aprenden por fuerza bruta, intentando muchas alternativas que el sentido común descarta por ser evidentemente inútiles. Pero el sentido común a veces se euivoca.

Precisión
Los sensores de las computadoras permiten identificar patrones que los seres humanos no podría percibir.

Desventajas

Herencia humana y prejuicios

Aunque las inteligencias artificiales no tienen prejuicios propios pueden heredar los de los seres humanos sin darse cuenta.

Una comunidad en la que ciertas minorías son encarceladas injustamente producirá datos que le podrían indicar a una IA que existe una relación causal entre la pertenencia a dicha minoria y la criminalidad.

Las computadoras identifican patrones, pero no pueden discernir como se produce la relación que observan.

Dependencia de los datos

Relacionado con el punto anterior, pero en términos más generales, los resultados del aprendizaje son tan buenos como los datos con los que se alimentan a los algoritmos.

Muchos programas de identificación facial han demostrado tener problemas para identificar a personas de ciertas razas. Esto en parte se ha atribuido al hecho de que las bases de datos utilizadas no eran lo suficientemente diversas.

Oscuridad

El deep learning suele involucrar grandes cantidades de información y complejos esquemas que son entrenados a menudo sin una supervisión humana, simplemente porque es imposible dicho esfuerzo. Esto puede dar como resultado comportamientos inesperados, indeseables o inexplicables.

Dado que las IA se utilizan cada vez más para tomar decisiones claves, conseguir un mayor nivel de transparencia es fundamental.

Europa ha comenzado a implementar programas que tienen este objetivo.

¡Comparte esta noticia!

Galería de Imágenes

 ¡NO sigas este enlace o serás bloqueado en este sitio!