Introducción
Dentro de los modelos de inteligencia artificial red
neuronal, nos encontramos con el reciente concepto de Deep Learning. Es
un término mayoritariamente desarrollado en lengua inglesa (aunque en los
últimos años se ha empezado a desarrollar en España, apenas encontramos dos artículos científico), algunos de los autores
más destacados de su estudio son LeCun, Y., Bengio, Y., y Hinton, G. El término
de Aprendizaje Profundo también se ha utilizado en pedagogía para definir una
metodología que implica “el dominio de contenidos que involucra a los
estudiantes en el pensamiento crítico, la resolución de problemas, el
aprendizaje autónomo y colaborativo.” (Wickline, 2014) (Gonring y Ramsey,
2016), pero nosotros nos centraremos en el concepto informático.
Definiciones de los autores
Descripción 1:
<<El aprendizaje profundo permite modelos computacionales que se componen de capas de procesamiento múltiples para aprender representaciones de datos con múltiples niveles de abstracción. Estos métodos han mejorado drásticamente el estado de la técnica en reconocimiento de voz, reconocimiento de objetos visuales, detección de objetos y muchos otros dominios tales como descubrimiento de fármacos y genómica. El aprendizaje profundo descubre una estructura compleja en grandes conjuntos de datos mediante el uso del algoritmo de retropropagación para indicar cómo una máquina debe cambiar sus parámetros internos que se utilizan para calcular la representación en cada capa a partir de la representación en la capa anterior. Las redes convolucionales profundas han logrado grandes avances en el procesamiento de imágenes, video, voz y audio, mientras que las redes recurrentes han iluminado los datos secuenciales, como el texto y el habla.>>
<<El aprendizaje profundo permite modelos computacionales que se componen de capas de procesamiento múltiples para aprender representaciones de datos con múltiples niveles de abstracción. Estos métodos han mejorado drásticamente el estado de la técnica en reconocimiento de voz, reconocimiento de objetos visuales, detección de objetos y muchos otros dominios tales como descubrimiento de fármacos y genómica. El aprendizaje profundo descubre una estructura compleja en grandes conjuntos de datos mediante el uso del algoritmo de retropropagación para indicar cómo una máquina debe cambiar sus parámetros internos que se utilizan para calcular la representación en cada capa a partir de la representación en la capa anterior. Las redes convolucionales profundas han logrado grandes avances en el procesamiento de imágenes, video, voz y audio, mientras que las redes recurrentes han iluminado los datos secuenciales, como el texto y el habla.>>
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep
learning. nature, 521(7553), 436.
Descripción 2:
<<El aprendizaje profundo es una forma de aprendizaje automático que permite a los sistemas informáticos aprender de la experiencia y comprender el mundo en términos de una jerarquía de conceptos. Debido a que los sistemas informáticos reúnen los conocimientos de la experiencia, no es necesario que un operador informático humano especifique formalmente todo el conocimiento que necesita el sistema. La jerarquía de conceptos permite a los modelos computacionales aprender conceptos complicados al construirlos a partir de conceptos más simples; un gráfico de estas jerarquías tendría muchas capas de profundidad.>>
<<El aprendizaje profundo es una forma de aprendizaje automático que permite a los sistemas informáticos aprender de la experiencia y comprender el mundo en términos de una jerarquía de conceptos. Debido a que los sistemas informáticos reúnen los conocimientos de la experiencia, no es necesario que un operador informático humano especifique formalmente todo el conocimiento que necesita el sistema. La jerarquía de conceptos permite a los modelos computacionales aprender conceptos complicados al construirlos a partir de conceptos más simples; un gráfico de estas jerarquías tendría muchas capas de profundidad.>>
Goodfellow,
I., Bengio, Y., Courville, A., & Bengio, Y. (2016). Deep learning (Vol.
1). Cambridge: MIT press.
Descripción 3:
<<El Aprendizaje Profundo (Deep Learning en inglés) es una nueva área dentro del campo del Aprendizaje Automático que pretende crear modelos computacionales que aprendan varias representaciones de los datos utilizando arquitecturas profundas. Este tipo de métodos ha ganado mucha popularidad durante los últimos años debido a los impresionantes resultados obtenidos en diferentes tareas como el reconocimiento automático del habla, el reconocimiento y la detección automática de objetos, el procesamiento de lenguajes naturales, etc.>>
<<El Aprendizaje Profundo (Deep Learning en inglés) es una nueva área dentro del campo del Aprendizaje Automático que pretende crear modelos computacionales que aprendan varias representaciones de los datos utilizando arquitecturas profundas. Este tipo de métodos ha ganado mucha popularidad durante los últimos años debido a los impresionantes resultados obtenidos en diferentes tareas como el reconocimiento automático del habla, el reconocimiento y la detección automática de objetos, el procesamiento de lenguajes naturales, etc.>>
Mansenet
Sandin, J. (2016). Contributions to Deep Learning Models (Doctoral
dissertation)
Descripción 4:
<<Las redes neuronales son más que otra forma de
emular ciertas características propias de los humanos, como la capacidad de
memorizar y de asociar hechos. Si se examinan con atención aquellos problemas
que no pueden expresarse a través de un algoritmo, se observará que todos ellos
tienen una característica en común: la experiencia. El hombre es capaz de
resolver estas situaciones acudiendo a la experiencia acumulada. Así, parece
claro que una forma de aproximarse al problema consista en la construcción de
sistemas que sean capaces de reproducir esta característica humana. En
definitiva, las redes neuronales no son más que un modelo artificial y
simplificado del cerebro humano, que es el ejemplo más perfecto del que
disponemos para un sistema que es capaz de adquirir conocimiento a través de la
experiencia. Una red neuronal es “un nuevo sistema para el tratamiento de la
información, cuya unidad básica de procesamiento está inspirada en la célula
fundamental del sistema nervioso humano: la neurona”.>>
Matich, D. J. (2001). Redes Neuronales: Conceptos
básicos y aplicaciones. Cátedra de Informática Aplicada a la Ingeniería
de Procesos–Orientación I.
El concepto que asume el grupo
El Aprendizaje Profundo, es una nueva área dentro del
campo del Aprendizaje Automático en la informática. Este modelo, se basa en las
redes neurales e intenta simular el funcionamiento del cerebro humano, creando
modelos computacionales que ejecuten varios niveles de representaciones de los
datos, para llevar a cabo respuestas con varios niveles conceptuales. En
general se trata de una clase de algoritmos ideados para el aprendizaje automático
y a partir de este punto común, diferentes sistemas se centran en distintas
características.
Otras fuentes
- Artículo de la revista Muy Interesante, se explica brevemente qué es el aprendizaje profundo para personas sin conocimientos técnicos. Consultado el día 10/04/2018.
- Artículo de la revista Xataka, Deep Learning: qué es y por qué va a ser una tecnología clave en el futuro de la inteligencia artificial. Consultado el día 10/04/2018.
- Canal de Youtube que hace un recorrido sobre los conceptos de Deep Learning. Con un gran atractivo visual, va introduciendo los contenidos más complejos desde los niveles más básicos del concepto. Consultado el día 10/04/2018.
- Videoconferencia sobre los sistemas de Deep Lerning, dentro de los sistemas de Inteligencia Artificial. Emilio Sansano expone el concepto y sus investigaciones, desde el punto de vista de la ingeniería informática. Consultado el día 10/04/2018.
- Artículo de la revista My Computer Pro, donde se explica como Linux Foundation ha desarrollado una nueva fundación sobre Deep Learning. Consultado el día 10/04/2018.
 |
| Competencias que se pueden adquirir mediante el uso de sistemas informáticos con aprendizaje profundo. Consultado el día 10/04/2018. |
 |
| Nuevas metodologías que se desarrollan el uso de sistemas informáticos con aprendizaje profundo. Consultado el día 10/04/2018. |
Casos educativos
Se han desarrollado diferentes aplicaciones con
finalidad educativa en base a la programación informática de Deep Learning.
Caso educativo 1:
Comunidades tecnológicas de U-tad:
responde a un modelo de centro académico ligado al área empresarial, con un
método dinámico y activo. Se trata del primer Centro Universitario de formación
especializado plenamente en técnicas, habilidades y competencias enfocadas a la
industria de los contenidos digitales, con el objetivo de formar a
profesionales en este ámbito. El modelo de U-tad es único y pionero; por eso la
convierten en un referente académico. Con esta aplicación, el aprendizaje está
adaptado y orientado a las habilidades propias que requiere la industria de los
contenidos digitales. El alumno tiene la posibilidad de formarse
transversalmente en materias de las tres principales áreas: Diseño Visual de
Contenidos Digitales e Ingeniería en Desarrollo de Contenidos Digitales, es
decir, la formación se lleva a cabo de forma global.
Este Centro Universitario nace desde el lado de la empresa, cuenta con profesores procedentes de grandes firmas del sector de los contenidos digitales y los conocimientos impartidos van enfocados a que los alumnos logren incorporarse inmediatamente al mundo de la empresa. El carácter práctico de las clases. Alumnos y profesores comparten el dominio y el manejo de la tecnología para que la enseñanza sea más productiva.
Caso educativo 2:
MATLAB (abreviatura
de MATrix LABoratory, "laboratorio de matrices") es una
herramienta de software matemático que ofrece un entorno de
desarrollo integrado (IDE) con
un lenguaje de programación propio (lenguaje M). Entre sus prestaciones básicas
se hallan: la manipulación de matrices, la representación de datos y funciones, la
implementación de algoritmos, la creación de interfaces de usuario (GUI) y la comunicación con programas en otros lenguajes y con otros dispositivos hardware.
Además, se pueden ampliar las capacidades de MATLAB con las cajas de
herramientas MathWorks (toolboxes); y las de Simulink con
los paquetes de bloques (blocksets).
Es un software muy usado en universidades y
centros de investigación y desarrollo. Simulink es un entorno gráfico para la
simulación y el diseño basado en modelos de sistemas dinámicos multidominio y
embebidos. MathWorks produce cerca de 100 productos adicionales para tareas
especializadas tales como el análisis de datos y el procesamiento de imágenes.
Análisis final
La primera red neuronal se desarrolló
en 1943, cuando Warren McCulloch y Walter Pitts, crearon un modelo informático
para redes neuronales basados en las matemáticas y algoritmos. Desde entonces,
esta es la tercera vez que las redes neuronales ganan popularidad y las otras
dos murieron repentinamente precisamente por falta de aplicaciones.
El método de Deep Learning ha
ganado mucha popularidad durante los últimos años. A pesar de que se trata de
un modelo muy reciente (su principal desarrollo se ha dado en el último
lustro), las empresas están cada vez más interesadas en incorporar este sistema
a medida que surgen aplicaciones nuevas. Según el estudio Global CIO Point of
View, en el año 2020 el 64% de las empresas europeas habrán adoptado esta
tecnología. El mismo informe dice que la inversión en Inteligencia Artificial
también subirá hasta los 44.000 millones de euros en 2020. Si tenemos en cuenta
que en 2016 el gasto no superó los 6.000 millones, su crecimiento va a ser
extremadamente importante.
No hay comentarios:
Publicar un comentario