El Deep learning, las redes neuronales y su tendencia en los negocios.

Las nuevas tendencias de la tecnología han jugado un papel fundamental en el camino hacia el cual se dirigen los negocios en el presente y futuro cercano, pero muchas personas no conocemos bien la manera en que esto se dará y la forma en que afectará nuestras vidas. Así hemos decidido escribir sobre esta clase de tecnologías para conocer más al respecto.

El tema que trataremos en este artículo es el Deep learning (aprendizaje profundo) y las redes neuronales artificiales además de porque es importante saber algo acerca de esto.

Si el machine learning es por así decirlo un motor para el procesamiento de información, una red neuronal es la gasolina que hace que funcione. Para que un sistema sea verdaderamente capaz de aprender no debe ser programado para hacer una tarea particular, debe ser programado para aprender a hacer la tarea. Para hacerlo el sistema necesita usar una forma más refinada de machine learning; el Deep learning la cual se basa en las redes neuronales. Con estas el sistema puede percibir de manera independiente patrones en los datos para aprender cómo hacer la tarea.

Las redes neuronales artificiales o redes neuronales como se conocen son herramientas de procesamiento. Pueden ser algoritmos o hardware, que son modeladas de acuerdo con la estructura neuronal de la corteza cerebral, pero en escalas más pequeñas.

El origen de las redes neuronales artificiales se basa en un modelo matemático de la neurona conocido como el perceptrón, introducido por Frank Rosenbaltt en 1957. El modelo se ajusta a la estructura de la neurona con entradas que recuerdan las dendritas (una extensión corta de una neurona que transmite señales electroquímicas de una neurona a otra).


Fuente: histologiaub.blogspot.com

Modelo del perceptrón.
Fuente: towardsdatascience.com

En el modelo original hecho por Warren McCulloch y Walter Pitts, las entradas son iguales a 0 o 1. Cada dendrita/entrada también tiene una ponderación de +1 y -1. La entrada era así multiplicada por su peso y la suma de las entradas ponderadas es entonces alimentada al modelo. El perceptrón así toma varias entradas binarias (I1, I2, …, IN), y produce un solo resultado binario que es el promedio ponderado de las entradas múltiples. Si el resultado acumulado es mayor que cierto límite, entonces el modelo produce cierto resultado. El resultado es igual a cero si el resultado es menor o igual a ese límite, el resultado es igual a 1 si el resultado es mayor o igual al límite.


Estructura de una red neuronal básica.
Fuente: Wikipedia

Las capas y su rol

De acuerdo con este esquema inicial el modelo de perceptrón permite a las entradas, a las neuronas y los pesos tomar un valor determinado. Las redes neuronales artificiales son capas interconectadas de un perceptrón.

Al variar las ponderaciones y el límite se pueden obtener diferentes modelos de toma de decisión. Los resultados de una capa escondida también pueden ser alimentados a otra capa escondida del perceptrón. La primera capa de un perceptrón toma decisiones muy simples al ponderar la evidencia de las entradas. Estos resultados son entonces alimentados a una segunda capa la cual toma una decisión al ponderar los resultados de la primera capa.

Al continuar de esta manera un perceptrón en la segunda capa puede decidir en un nivel más complejo y abstracto que el perceptrón en la primera capa. Si una tercera capa está involucrada entonces las decisiones que pueden hacer esos perceptrones será entonces más compleja. Es de esta manera que una gran red profunda de muchas capas de perceptrones puede involucrarse en la toma de decisiones sofisticadas. Entre más grande sea el número de capas de perceptrones es mayor la capacidad de tomar decisiones.


Una red neuronal con varias capas.
Fuente: rsipvision.com

La razón por la que el Deep learning está en la conversación actual es que existe cada día mayor poder computacional además es posible procesar entradas y resultados de manera rápida. En el año 2009 se descubrió que los chips especializados utilizados en consolas de videojuegos y PC para generar gráficos complejos eran adecuados para modelar redes neuronales. Por otra parte, gracias al advenimiento de la internet se ha creado una gran cantidad de documentos, videos y fotos disponibles que sirven para entrenamiento.

El mundo de la inteligencia artificial en los años recientes ha sido transformado por el Deep learning y las redes neuronales artificiales. Además de esto han jugado un rol fundamental en la mejora de la parte de la inteligencia en la inteligencia artificial. Es así como las tareas que una vez fueron consideradas el dominio de los seres humanos son ahora ejecutadas por las redes neuronales profundas. Fue el Deep learning lo que permitió a Google hacer una máquina para vencer al mejor jugador de Go del mundo.

Esta situación muestra que con grandes cantidades de datos y poder computacional las máquinas tienen la capacidad de reconocer objetos, traducir conversaciones, entrenarse en el reconocimiento de patrones complejos, aprender a crear estrategias y hacer planes de contingencia en tiempo real. Es en este punto donde la inteligencia artificial no es solo capaz de hacer tareas, sino que ha iniciado procesos de pensamiento.

Algunas de estas aplicaciones en el caso de los negocios se han visto en los aeropuertos para escaneo de drogas y armas, en el caso de las finanzas se aplica en la negociación algorítmica, y el manejo de activos al detectar patrones en múltiples fuentes de datos como tweets, discursos y en general lenguaje natural para mejorar los retornos a las inversiones; es en este punto donde hacer modelos predictivos con solo modelos estadísticos no es tan popular, también es utilizado por empresas que procesan información de centros de atención al cliente y en el mercadeo así como muchos otros campos.

Con el Deep learning los datos sin etiquetas pueden ser analizados, los patrones y los resultados encontrados. Esto ayuda a obtener un mejor entendimiento de las correlaciones entre varias fuentes de datos y hacer predicciones. Es así como se plantea una fuente de interés para muchos negocios que en el fondo proveerá un marco sobre el cual se forjarán las relaciones económicas en tiempos cercanos con consecuencias aún a ser determinadas.

Deja una respuesta

Cerrar menú