Deep Learning en español
¿Qué es Deep Learning? Es uno de los términos de moda en el mundo del desarrollo. Todas las empresas que quieren vender una imagen de innovación, están poniendo en su carta de presentación, las palabra Deep Learning. Pero, ¿qué significa realmente esta tecnología?
Para comenzar, revisemos un poco de la historia de la inteligencia artificial y el aprendizaje automatizado, incluiré los eventos más relevantes del desarrollo conceptual que nos trae hasta este punto:
En el año 1950, Alan Turing definió la "prueba de Turing" que sería el mecanismo a través del cual se puede establecer que un sistema posee una inteligencia real. Esta prueba determina que para que un sistema pueda ser llamado un sistema realmente inteligente, debe ser capaz de poder engañar a un ser humano de manera que éste último crea que está interactuando con otro ser humano. ¿Será que Google ya alcanzó este punto con la prueba de su asistente haciendo una reserva en una peluquería? Ver más detalles aquí.
En 1952 Arthur Samuel creo un sistema que aprendía a jugar Damas, IBM diseñó el computador para aprendiera de las estrategias de su contrincante para utilizarlas posteriormente. Luego, en 1957, Frank Rosenblatt diseñó la primera red neuronal para un computador, también conocido como el Perceptrón; éste basa su arquitectura en la forma en la que se conectan las neuronas en el sistema nervioso, por eso también es conocido como la "neurona artificial". En 1960 el profesor Bernard Widrow y su alumno Ted Hoffl de la Universidad de Stanford desarrollan una red neuronal artificial basada en el concepto del Perceptron, se conoce como ADALINE (de ADAptative LINear Element), esta red neuronal es capaz de resolver problemas lineales estando compuesta de una sola capa de neuronas artificiales. En este caso el "problema" se pasa una y otra vez por la red de Perceptrones para ir ajustando las entradas y los pesos hasta aproximarse a la solución con un mínimo error.
En 1969, Minsky y Papert, demuestran que el perceptrón simple y ADALINE no puede resolver problemas no lineales. Por lo que proponen una red de Perceptrones de múltiples capas, en dónde los ajustes se hacen por medio de una propagación hacía atrás (backpropagation).
En 2006 Geoffrey Hinton acuñó el término Aprendizaje Profundo (en adelante usaremos el término Deep Learning) como el mecanismo utilizado para hacer que los computadores puedan "ver" o "distinguir" objetos o texto. En 2011 se anuncia por parte de Google el lanzamiento de Google Brain una solución que puede descubrir y categorizar objetos al nivel que un gato puede hacerlo.
Entre 2012 y 2015, los principales proveedores de contenido de Internet, como Google, Amazon, Microsoft, Facebook han anunciado sus propios desarrollos de inteligencia artificial para tareas como reconocimiento de voz, de imágenes, reconocimiento de rostros en fotografías, etc.
Hasta aquí y de manera muy resumida, la historia de los desarrollos que hoy nos traen a este punto, yo escribiendo y usted amable lector, leyéndome. Lo invito a seguirme en este blog donde, para comenzar desarrollaremos el conocimiento implícito en este breve resumen, para llegar finalmente a la tecnología por la cual llegó usted aquí.
Para comenzar, revisemos un poco de la historia de la inteligencia artificial y el aprendizaje automatizado, incluiré los eventos más relevantes del desarrollo conceptual que nos trae hasta este punto:
En el año 1950, Alan Turing definió la "prueba de Turing" que sería el mecanismo a través del cual se puede establecer que un sistema posee una inteligencia real. Esta prueba determina que para que un sistema pueda ser llamado un sistema realmente inteligente, debe ser capaz de poder engañar a un ser humano de manera que éste último crea que está interactuando con otro ser humano. ¿Será que Google ya alcanzó este punto con la prueba de su asistente haciendo una reserva en una peluquería? Ver más detalles aquí.
En 1952 Arthur Samuel creo un sistema que aprendía a jugar Damas, IBM diseñó el computador para aprendiera de las estrategias de su contrincante para utilizarlas posteriormente. Luego, en 1957, Frank Rosenblatt diseñó la primera red neuronal para un computador, también conocido como el Perceptrón; éste basa su arquitectura en la forma en la que se conectan las neuronas en el sistema nervioso, por eso también es conocido como la "neurona artificial". En 1960 el profesor Bernard Widrow y su alumno Ted Hoffl de la Universidad de Stanford desarrollan una red neuronal artificial basada en el concepto del Perceptron, se conoce como ADALINE (de ADAptative LINear Element), esta red neuronal es capaz de resolver problemas lineales estando compuesta de una sola capa de neuronas artificiales. En este caso el "problema" se pasa una y otra vez por la red de Perceptrones para ir ajustando las entradas y los pesos hasta aproximarse a la solución con un mínimo error.
En 1969, Minsky y Papert, demuestran que el perceptrón simple y ADALINE no puede resolver problemas no lineales. Por lo que proponen una red de Perceptrones de múltiples capas, en dónde los ajustes se hacen por medio de una propagación hacía atrás (backpropagation).
En 2006 Geoffrey Hinton acuñó el término Aprendizaje Profundo (en adelante usaremos el término Deep Learning) como el mecanismo utilizado para hacer que los computadores puedan "ver" o "distinguir" objetos o texto. En 2011 se anuncia por parte de Google el lanzamiento de Google Brain una solución que puede descubrir y categorizar objetos al nivel que un gato puede hacerlo.
Entre 2012 y 2015, los principales proveedores de contenido de Internet, como Google, Amazon, Microsoft, Facebook han anunciado sus propios desarrollos de inteligencia artificial para tareas como reconocimiento de voz, de imágenes, reconocimiento de rostros en fotografías, etc.
Hasta aquí y de manera muy resumida, la historia de los desarrollos que hoy nos traen a este punto, yo escribiendo y usted amable lector, leyéndome. Lo invito a seguirme en este blog donde, para comenzar desarrollaremos el conocimiento implícito en este breve resumen, para llegar finalmente a la tecnología por la cual llegó usted aquí.
Comentarios
Publicar un comentario