Redes...Neuronales

La utilización de la Inteligencia artificial (IA) se ha intensificado a lo largo de los años. Sectores como el financiero, sanitario, marketing, domótica, entre otros, cuentan actualmente con esta tecnología, con el objetivo de lograr un mejor desarrollo profesional. A modo de ejemplo, en sanidad se emplea como técnica de diagnóstico con ventajas como la alta fiabilidad en la detección de distintas patologías y la rapidez de detección, no superable por un especialista.

Partiendo de la importancia y los cambios que supone incorporar en la sociedad la IA, quizás en algún momento has oído (o leído) alguna noticia sobre el aprendizaje profundo, “deep learning” o “redes neuronales profundas”. Si no es así te cuento brevemente qué es.

El deep learning es un tipo de aprendizaje automático (Machine Learning) no dirigido. Es decir, el algoritmo matemático de la maquina se encarga de establecer unos patrones para crear un modelo, sin necesidad de introducir ejemplos. Para ello utiliza redes neuronales, cuyo funcionamiento es muy parecido al de las conexiones neuronales biológicas de nuestro cerebro.

Muchos, y variados, son los usos del deep learning: marketing personalizado basado en las preferencias de las personas, entender mejor las enfermedades en investigación médica, prevención del fraude basado en el aprendizaje del comportamiento habitual de los clientes, etc. Aunque, como casi todo en esta vida, tiene sus limitaciones. Repasemos cuáles son.

Uno de los mayores problemas estaría en el entrenamiento que necesita una red neuronal para ser efectiva en el mundo real. Dicho entrenamiento debería ser muy variado. Esto hace que sean más caro que los algoritmos tradicionales.

El “duro” entrenamiento traería consigo otro problema que sería la cantidad de recursos de procesamiento y almacenamiento que habría que comprometer para que una red neuronal funcionara correctamente.

Se ha comparado la mente humana con estos sistemas a partir de estudios (Universidad de California de los Ángeles) y se ha comprobado que resulta fácil engañar a la máquina. Después de varios experimentos, se llegó a la conclusión de que las redes son capaces de identificar distintos fragmentos de objetos, mientras que los humanos identificamos los objetos completos.

Otro problema sería el no saber cómo y por qué las redes neuronales producen una determinada salida. Es lo que se conoce como algoritmo de caja negra. Imagina que ponemos los ingredientes de un bizcocho en su molde y de repente sale un bizcocho a otro lado. Sin conocer la receta. Sería una caja negra.

Volviendo al inicio de la entrada y dejando estas limitaciones de lado, el aprendizaje profundo ayuda a resolver muchos problemas hoy en día. Te dejo con más ejemplos para que veas que tiene más implicación en nuestras vidas de las que, quizás, suponías.

Medioambiente: previsión del tiempo.

Finanzas: identifica falsificaciones.

Biología: aprender más sobre el cerebro.

Medicina: entender por qué se producen los ataques cardíacos.

Militares: crear armas inteligentes.