Una guía para principiantes sobre inteligencia artificial, aprendizaje automático e informatica cognitiva 5

Aprendizaje profundo
El aprendizaje profundo es un conjunto relativamente nuevo de métodos que está cambiando el aprendizaje automático de manera fundamental. El aprendizaje profundo no es un algoritmo, per se, sino una familia de algoritmos que implementa redes profundas con aprendizaje no supervisado. Estas redes son tan profundas que se requieren nuevos métodos de computación, como las GPU, para construirlas (además de los clústeres de los nodos de cálculo).
Este artículo ha explorado dos algoritmos de aprendizaje profundo hasta el momento: CNN y LSTM. Estos algoritmos se han combinado para lograr varias tareas sorprendentemente inteligentes. Como se muestra en la siguiente figura, las CNN y LSTM se han usado para identificar y luego describir en lenguaje natural una imagen o video.

image11.png

Los algoritmos de aprendizaje profundo también se han aplicado al reconocimiento facial, la identificación de la tuberculosis con una precisión del 96 por ciento, los vehículos autónomos y muchos otros problemas complejos.

Sin embargo, a pesar de los resultados de la aplicación de algoritmos de aprendizaje profundo, existen problemas que aún tenemos que resolver. Una aplicación reciente de aprendizaje profundo para detectar el cáncer de piel descubrió que el algoritmo era más preciso que un dermatólogo certificado por el consejo. Pero, cuando los dermatólogos pueden enumerar los factores que llevaron a su diagnóstico, no hay forma de identificar qué factores utilizó un programa de aprendizaje profundo en su clasificación. Esto se llama problema de la caja negra del aprendizaje profundo.

Otra aplicación, llamada Deep Patient, fue capaz de predecir con éxito la enfermedad a partir de los registros médicos de un paciente. La aplicación demostró ser considerablemente mejor para pronosticar enfermedades que los médicos, incluso para la esquizofrenia, que es notoriamente difícil de predecir. Entonces, aunque los modelos funcionan bien, nadie puede alcanzar las redes neuronales masivas para identificar por qué.

Continua

via IBM