El Deep Learning, o aprendizaje profundo, es una forma de Machine Learning que usa redes neuronales artificiales con muchas capas para aprender a partir de grandes cantidades de datos. Es la tecnología que permite que tu teléfono reconozca tu cara, que un traductor entienda frases completas o que ChatGPT escriba textos.
Se llama «profundo» por el número de capas de la red: cuantas más capas, más «profunda» es y más detalles puede aprender.
En esta página
- ¿Qué es el Deep Learning?
- ¿Cómo funciona el aprendizaje profundo?
- Deep Learning vs. Machine Learning
- Ejemplos de Deep Learning en tu día a día
- Un poco de historia
- Preguntas frecuentes
¿Qué es el Deep Learning?
Es una rama de la inteligencia artificial inspirada, de forma muy simplificada, en cómo funcionan las neuronas del cerebro. En lugar de que una persona le diga al programa qué tiene que buscar, el sistema descubre por sí mismo qué características son importantes.
La relación entre los tres conceptos es como unas muñecas rusas: la inteligencia artificial es la más grande, dentro está el Machine Learning y dentro de este, el Deep Learning.
¿Cómo funciona el aprendizaje profundo?
Imagina que quieres que una computadora reconozca gatos en fotos:
- Capa de entrada: recibe la imagen como millones de puntos de color.
- Capas ocultas: las primeras detectan cosas simples, como bordes y líneas; las siguientes, formas como orejas u ojos; las últimas, conceptos completos como «cara de gato».
- Capa de salida: da el resultado, por ejemplo «gato, con un 97% de probabilidad».
- Entrenamiento: al principio la red se equivoca mucho. Cada vez que falla, ajusta un poco sus conexiones internas. Después de ver miles o millones de ejemplos, acierta casi siempre.
Por eso el Deep Learning necesita dos cosas en grandes cantidades: datos y potencia de cálculo, normalmente con tarjetas gráficas (GPU).
Deep Learning vs. Machine Learning
- Datos: el Machine Learning clásico funciona con menos datos; el Deep Learning necesita muchísimos.
- Preparación: en el Machine Learning clásico, una persona suele elegir qué características mirar; en el Deep Learning, la red las descubre sola.
- Tareas: el Deep Learning brilla con imágenes, sonido y lenguaje, donde los patrones son muy complejos.
- Explicabilidad: los modelos de Deep Learning son más difíciles de explicar; por eso a veces se dice que son una «caja negra».
Ejemplos de Deep Learning en tu día a día
- Reconocimiento facial para desbloquear el teléfono o etiquetar fotos.
- Asistentes de voz como Siri o Alexa, que convierten tu voz en texto.
- Traductores como Google Translate o DeepL.
- Recomendaciones de series, música y productos.
- IA generativa: los modelos de lenguaje grandes y los generadores de imágenes son redes neuronales profundas.
- Medicina: sistemas que ayudan a detectar enfermedades en radiografías y escáneres.
Un poco de historia
Las redes neuronales existen desde los años 50, pero no funcionaban bien por falta de datos y de potencia. El cambio llegó en 2012, cuando una red llamada AlexNet ganó con mucha diferencia un concurso de reconocimiento de imágenes (ImageNet). Geoffrey Hinton, Yoshua Bengio y Yann LeCun, considerados los padres del Deep Learning, recibieron en 2018 el Premio Turing, el equivalente al Nobel de la informática.
Preguntas frecuentes
¿ChatGPT usa Deep Learning?
Sí. ChatGPT funciona con un modelo de lenguaje grande, que es una red neuronal profunda con una arquitectura llamada Transformer.
¿El Deep Learning piensa como un cerebro humano?
No. Se inspira en la idea de las neuronas conectadas, pero funciona con matemáticas y estadística. No tiene conciencia ni entiende el mundo como una persona.
¿Necesito saber programar para usar Deep Learning?
Para usarlo, no: ya está dentro de muchas apps que usas a diario. Para crear tus propios modelos, sí necesitas programación y matemáticas.
¿Por qué se dice que es una caja negra?
Porque una red profunda tiene millones de conexiones y es difícil explicar exactamente por qué tomó una decisión concreta. Hay toda un área de investigación dedicada a hacerla más comprensible.
¡Sigue aprendiendo!
Explora nuestro Diccionario de IA: más de 40 términos esenciales de inteligencia artificial explicados en lenguaje sencillo.