Definición
El aprendizaje profundo (deep learning) es una técnica de machine learning que usa redes neuronales artificiales con muchas capas para aprender representaciones cada vez más abstractas de los datos. Las primeras capas detectan detalles simples, como bordes en una imagen o sílabas en un audio, y las últimas combinan esos detalles en conceptos: una cara, una palabra, una intención. Es la tecnología que hay detrás de casi todos los avances de IA de la última década.
En la empresa, el aprendizaje profundo aparece siempre que hay datos no estructurados: reconocer productos en fotos, transcribir llamadas del centro de atención, leer documentos escaneados, traducir, generar texto. Casi nadie entrena estas redes desde cero. Lo habitual es consumir un modelo ya entrenado a través de una API en la nube, o descargar un modelo abierto y ajustarlo a tu caso con tus propios datos.
Los modelos de lenguaje grandes y los generadores de imagen y vídeo son deep learning a escala masiva, entrenados en miles de GPU durante meses. El malentendido habitual es pensar que la red entiende como una persona. Aprende correlaciones estadísticas muy sofisticadas, lo que explica tanto su potencia como sus fallos raros. También es caro de entrenar, por lo que la mayoría de empresas alquila la inteligencia en vez de fabricarla.
En la práctica
Una empresa logística instala cámaras en el muelle de carga y un modelo de aprendizaje profundo cuenta bultos, detecta daños en el embalaje y avisa en tiempo real. Antes lo hacía una persona con una tablet.
Por qué importa
El deep learning es lo que permite que un ordenador trabaje con fotos, voz y documentos, que es donde está la mayor parte de la información de cualquier empresa. Entenderlo te ayuda a saber qué es posible hoy y qué sigue siendo ciencia ficción.
Preguntas frecuentes
- ¿Qué diferencia hay entre deep learning y machine learning?
- El deep learning es un subconjunto del machine learning. El machine learning clásico funciona bien con datos en tablas y necesita que un humano decida qué variables importan. El aprendizaje profundo descubre esas variables por sí mismo y destaca con texto, imagen, audio y vídeo, a cambio de necesitar muchos más datos y potencia de cálculo.
- ¿Por qué el deep learning necesita tarjetas gráficas (GPU)?
- Porque entrenar una red neuronal consiste en hacer miles de millones de multiplicaciones de matrices en paralelo, exactamente el tipo de cálculo para el que se diseñaron las GPU. Un procesador normal hace pocas operaciones muy rápido; una GPU hace miles de operaciones sencillas a la vez, que es lo que la red necesita.