Para empezar a entender qué es Deep Learning desde un punto de vista más humano, hablemos en primer lugar del sistema nervioso:
Nuestro encéfalo está compuesto por distintos núcleos de redes neuronales que tienen características de percepción y respuesta muy específicas, es decir, cada red se especializa en tareas especiales y diferentes a las otras redes. Por ejemplo, la percepción de un olor y la respuesta de agrado o desagrado a dicho olor; la percepción de un sonido y el paso de ese sonido a sensaciones.
Si esto lo traducimos en Inteligencia Artificial veremos que los modelos computacionales de Deep Learning son una imitación de esas características arquitecturales de nuestro sistema nervioso, lo que permite que cada red neuronal construida de forma artificial esté entrenada para tareas especiales.
¿Por qué se llama Aprendizaje Profundo?
La forma como funciona en el cerebro humano esta arquitectura de redes neuronales es que** la información recibida del exterior pasa a través de un número grande de capas antes de convertirse en una respuesta**.
Deep Learning es un conjunto de algoritmos no lineales que pueden aplicarse para la modelización de datos y el reconocimiento de patrones. Cuando nos referimos a una forma no lineal estamos hablando de que las capas de las redes neuronales artificiales se apilan en una jerarquía que va desde las características de nivel de abstracción bajo hasta las de nivel de abstracción más compleja.
La forma en la que trabaja el Deep Learning es usando estas cascadas de capas con unidades de procesamiento que permiten la extracción y transformación de variables. Cada red, dentro de su jerarquía, aplica una transformación en su capa de entrada y utiliza esa información de aprendizaje para crear un modelo estadístico de salida que itera las veces necesarias hasta lograr un nivel de precisión en el aprendizaje y respuesta aceptable.
Compártenos si has tenido experiencias trabajando o estudiando acerca de este Aprendizaje Profundo en el sistema de discusiones.
