Uno de los grandes retos de la Inteligencia
Artificial ha sido lograr que una computadora frente a una cara, una imagen,
una situación y pudiera reconocerla y tomar una acción como lo haría un ser
humano. Desde hace varias décadas, los expertos habían estado apostando a que
el mejor camino era simular a través del software el modo de funcionamiento de
las neuronas en el ser humano, ya que estas son las cumplen este tipo de
función en el ser humano. En el cerebro humano:
·
Cualquier neurona puede ser activada por otra cuya salida
la alimenta, y por supuesto ella a su vez puede activar otras a las cuales ella
misma alimenta. Por ello, existen multitudes de neuronas interconectadas.
· A través de la existencia de la persona, las neuronas se
van nutriendo y acumulando información y estas sirven de base para análisis,
comparación y toma de información personal.
Así se desarrollaron las Redes Neuronales
Artificiales (RNA), las cuales emulan a través de software, el funcionamiento
de las neuronas en el sistema nervioso humano. Aprendizaje-Profundo es una
técnica que se utiliza con las RNA, donde se han dado avances impresionantes
recientemente y con respecto a las Redes Neuronales Artificiales (RNA), a
través de software:
·
Hay una capa de entrada de neuronas a través de la cual se
puede alimentar de data a la red.
·
Hay una capa de salida desde donde se transmiten los
resultados.
·
Hay varias capas ocultas intermedias donde se procesa la
información.
· La información que el ser humano capta directamente en sus
neuronas, aquí se produce a través de entrenamiento que se hace proveyendo data
al sistema.
·
Se hacen más complejas al ir incrementando el número de
capas. Entrenar un Red Neuronal de 4 capas hasta hace poco tomaba varias
semanas, hoy se logra en menos de un día. Ya no es raro ver un RNA con una
profundidad de 20 o 30 capas y excepcionalmente hasta de 152 capas. Más
profundidad implica mayor capacidad de abstracción y poco a poco nos acercamos
al funcionamiento del cerebro humano.
Teoría a la Práctica
Aprendizaje Profundo se conocía desde hace
varias décadas, pero recientemente se ha convertido en un hecho práctico
más que una posibilidad teórica, al aparecer la disponibilidad de:
·
Ingentes cantidades de poder de computación, especialmente en las
Unidades de Procesamiento Gráfico (GPU) los chips especializados que se usan en
los PC y las consolas de video de juegos, pero que también son idóneos para
procesar algoritmos de Aprendizaje-Profundo.
·
Enormes cantidades de data para entrenamiento, que con el
crecimiento de Internet ha abierto la posibilidad de usar para entrenamiento
millones de documentos, imágenes y videos.
Sabores
de Aprendizaje-Profundo
1.
Aprendizaje Supervisado, entrenar a un sistema con la ayuda
de conjuntos de ejemplos previamente etiquetados y donde el sistema aprende
directamente de allí.
2.
Aprendizaje No-Supervisado, se entrena la sistema
exponiéndolo a un número inmenso de ejemplos, sin decirle que debe buscar.
3.
Aprendizaje Reforzado, similar al aprendizaje no
supervisado, pero con interacción humana ocasional en la forma de una
recompensa.
4.
Aprendizaje de Transferencia, le permite a un sistema de
Aprendizaje Reforzado aprender de conocimiento previamente adquirido.
Aplicaciones
de Aprendizaje-Profundo
Algunos
ejemplos incluyen: (1) Incrementar la calidad de las búsquedas en Internet, (2)
Entender comandos orales en teléfonos inteligentes, (3) Ayudar en la búsqueda
imágenes específicas, (4) Sugerir respuestas automáticas a correos electrónicos,
(5) mejorar traducciones, (6) Ayudar a vehículos auto-manejados entender a sus
alrededores.
No hay comentarios.:
Publicar un comentario