El aprendizaje profundo será capaz de hacer cualquier cosa
Según Geoff Hinton, pionero en el estudio de la inteligencia artificial, «el aprendizaje profundo (o deep learning), será capaz de hacer cualquier cosa». Aunque 30 años antes, sus afirmaciones sobre las conexiones neurales encontraron oposición, ahora es difícil que alguien siga contradiciendo estas posiciones. ¿Cómo cambiará el mundo con el aprendizaje profundo?
¿Qué es el aprendizaje profundo?
Antes de considerar las palabras de Hinton, es necesario saber de qué estamos hablando realmente. El aprendizaje profundo (o deep learning, en inglés) es un tema que cada vez está cobrando mayor relevancia dentro de la investigación y uso de la inteligencia artificial (IA). Se trata de una subcategoría de la IA que hace uso de las redes neuronales para el mejoramiento del procesamiento del lenguaje natural y el reconocimiento de voz, entre otros. Intenta emular el aprendizaje que los seres humanos utilizamos para poder adquirir conocimientos y también se le puede considerar como una forma de automatización para el análisis predictivo.
Los avances en los últimos años mediante el aprendizaje profundo han sido importantes, y han ayudado a mejorar servicios como la traducción automática, áreas que tienen una gran complejidad para los investigadores de IA. Los algoritmos que utiliza el aprendizaje automático son lineales, mientras que los algoritmos de aprendizaje profundo se apilan en jerarquías de una complejidad creciente.
Para poder ilustrar este hecho, vamos a poner un ejemplo muy simplificado de lo que es el aprendizaje profundo. Ya muy de pequeño, un niño aprende lo que es un perro señalándolo y diciendo lo que es, ya que tiene una serie de características que todos los caninos comparten: caminan a cuatro patas, utilizan el olfato para explorar y conocer a los otros perros y ladran produciendo un sonido característico. El padre, que está junto al niño, le dice: «sí, eso de allí es un perro» o «no, eso no es un perro». El niño se vuelve consciente de las características mencionadas que poseen todos los perros conforme va señalando diferentes objetos. Esto no es otra cosa que la definición de una abstracción compleja, y construye una jerarquía donde cada nivel de abstracción se crea con el conocimiento obtenido previamente por otra capa jerárquica.
Aunque pueda resultar difícil de entender para los iniciados en este tipo de tecnologías, solo es necesario destacar que el aprendizaje profundo utiliza este «sistema de capas» para el aprendizaje. El número de capas adquiridas mediante el análisis y el conocimiento y por los que los datos deben pasar se denomina aprendizaje profundo, donde el término deep, en inglés, se relaciona con esta idea de profundidad.
Diferencia entre deep learning y machine learning
No hay que confundir ambos términos, aunque en algunas ocasiones se use de manera indiferente. Ambos imitan la forma de aprendizaje del cerebro humano, pero existe una diferencia fundamental basada principalmente en el tipo de algoritmo. El aprendizaje profundo se parece más al modo de aprender y adquirir conocimientos de los humanos debido a su funcionamiento con redes neuronales más evolucionadas. El machine learning, por otro lado, utiliza árboles de decisión o algoritmos matemáticos que imitan nuestra forma de aprender: clasificación, predicción, agrupación, etcétera. Utiliza una gran cantidad de datos para ello y se subdivide en dos grandes agrupaciones: el aprendizaje supervisado y el aprendizaje no supervisado.
Por lo tanto, el deep learning o el aprendizaje profundo es más avanzado debido al uso de redes neuronales. Este tipo de inteligencia artificial ha sido posible en los años recientes debido al incremento del poder de computación y almacenamiento, requeridos para este tipo de tecnología. Su crecimiento es tal, que es posible que dentro de poco pueda disponer de su propio campo dentro de la IA. Actualmente, se encuentra dentro del campo del machine learning.
La replicación de la inteligencia humana
En una entrevista realizada en una conferencia del MIT, Geoff Hinton, pionero de la inteligencia artificial e investigador de deep learning, dio las respuestas clave al efecto que esta tendrá en un futuro.
Según Hinton, el aprendizaje profundo podrá replicar la inteligencia humana. En 2017, ya se hicieron avances importantes en la investigación del significado de las palabras mediante vectores y este hito marcó la manera en la que se puede procesar el lenguaje hoy en día, un sistema que utilizan los mejores procesadores de lenguaje natural. Si estos avances y estos hitos continúan sucediendo, el camino hacia una replicación de la inteligencia humana podría estar mucho más cerca.
Al obtener grandes vectores de actividad neural, se podrá implementar de una mejor manera conceptos que se acercan al uso de la razón. Cabe destacar que el cerebro humano tiene más de 100 trillones de parámetros —o sinapsis. Un gran modelo de IA, el GPT-3, cuenta con 175 billones o, dicho de otra manera, es mil veces más pequeño.
Otra de las posibilidades futuras del aprendizaje profundo podría ser la creación de un «sentido común artificial». La relevancia de este hecho es enorme, ya que podríamos estar hablando de una réplica de la inteligencia humana con un sentido común que se asemeje al nuestro. No estamos muy lejos de volver a alcanzar a la ciencia ficción.
El futuro de la inteligencia artificial
El futuro de la utilización de la IA parece estar en los datos y en la forma que tienen las máquinas de aprender sobre ellos, a imitación de nuestra propia mente. Su avance no se detiene, y solo nos queda imaginar qué futuro nos espera con máquinas que sean capaces de replicar de la mente humana. Será necesario poner sobre la mesa cuestiones legales, morales, éticas, económicas o prácticas para que podamos convivir con ellas y evitar, por encima de todo, un mal uso de la inteligencia artificial o una transformación digital que deje atrás a mucha gente.
