1.4 - La evolución del Deep Learning y casos de éxito

Julio 10, 2021 por Miguel Sotaquirá

Lección 4 de la sección “Introducción al Deep Learning” del curso Fundamentos de Deep Learning con Python.

Introducción

En la lección anterior vimos las diferencias entre la Inteligencia Artificial, el Machine Learning y el Deep Learning. En esta lección comenzaremos a enfocarnos en el Deep Learning, y en particular veremos cuál ha sido su evolución y algunos ejemplos exitosos que nos permiten ver su potencial en diferentes áreas como el procesamiento de imágenes y el procesamiento del lenguaje humano, entre otras.

Evolución

Aunque el Deep Learning ha tenido un crecimiento vertiginoso en los últimos 10 años, sus bases se pueden trazar varias décadas atrás:

• En 1949 Donald Hebb mencionó en su libro “la organización del comportamiento” que las neuronas de nuestro cerebro aprenden por refuerzo positivo
• En 1958 se sentaron las bases del “perceptrón de Rosenblatt” y de la neurona artificial, dos elementos esenciales usados por los sistemas de Deep Learning existentes actualmente
• Entre 1960 y 1985 se desarrolló la teoría de las Redes Neuronales y el algoritmo de backpropagation, dos conceptos en los cuales se basa el funcionamiento de las arquitecturas de Deep Learning en la actualidad
• El período entre 1995 y 2005 se conoce como el invierno de la inteligencia artificial, pues fueron contados los desarrollos en esta área tanto a nivel teórico como tecnológico.
• De 2010 en adelante hubo una mejora significativa en la capacidad de cómputo, con la aparición de equipos con GPUs (unidades de procesamiento de gráficos). Adicionalmente se dio un incremento en la capacidad de almacenamiento y por tanto en la cantidad y tipo de datos que eran almacenados. Todo esto permitió resolver cada vez problemas más complejos en las áreas de visión artificial y del procesamiento del lenguaje, entre otras. En este momento se acuñó el término Deep Learning (o aprendizaje profundo).

Para terminar de entender esta evolución del Deep Learning, veamos sólo algunos ejemplos puntuales de todo el potencial de esta disciplina.

Casos de éxito

1. Asistentes digitales como Siri, Alexa y el asistente de Google, que usan como elemento central modelos de Deep Learning como las Redes Convolucionales, Recurrentes, LSTM y Transformer (de las cuales hablaremos más adelante en el curso) y que permiten implementar de esta forma un sistema de reconocimiento de la voz humana.
2. Reconocimiento de objetos, como por ejemplo la detección de rostros y verificación de identidad, o los sistemas de navegación de los vehículos inteligentes, que hacen uso de las Redes Convolucionales.
3. Procesamiento del lenguaje humano, es decir el desarrollo de sistemas de Deep Learning capaces de interpretar el lenguaje humano (tanto hablado como escrito). Ejemplos de esto son el sistema BERT de Google y la tecnología GPT-3 desarrollada por OpenAI, y que hacen uso de las Redes Transformer.
4. Videojuegos y robótica, en donde se hace uso de el Aprendizaje por Refuerzo junto con las Redes Neuronales Profundas para desarrollar agentes (personajes del juego, robots) capaces de aprender a interactuar con su entorno y tomar decisiones de forma autónoma.
5. Genómica, con desarrollos como Alphafold, una arquitectura creada por DeepMind y capaz de predecir la estructura tridimensional de una proteína, lo que promete generar una revolución en el desarrollo de nuevos medicamentos y el tratamiento y comprensión de ciertas enfermedades.
6. Sistemas de recomendación, como los usados por las redes sociales o por plataformas como Spotify o Netflix, lo que permite generar sugerencias de contenido acorde a los gustos y preferencias del usuario.
7. Machine translation, o traducción de texto/audio de un lenguaje a otro, en donde en los últimos años se han tenido avances impresionantes haciendo uso de las Redes Transformer.

Conclusión

Bien, con este panorama que acabamos de ver es momento de cerrar esta parte introductoria del curso hablando de las definiciones y tipos de problemas que resuelve el Deep Learning, que será precisamente el tema de la próxima lección.

Ver todas las lecciones de este curso