La fiebre (o Hype) del Deep Learning

En la era del Big Data no pasa un día sin que leamos alguna noticia sobre Inteligencia Artificial, Machine Learning o Deep Learning, sin saber nunca a lo que se refieren. Los “expertos” del sector mezclan e intercambian los términos con toda naturalidad, y solo contribuyen a su hype. El simple hecho de mencionarlos atrapa la atención de los inversores, y les convence de que estas técnicas tienen un poder casi mágico.

Uno de los enfoques que está recibiendo más interés por parte de la comunidad científica hace referencia a las Neural Networks. Estas redes se inspiran en el sistema nervioso animal, constituido por un sistema de células que colaboran entre sí para producir una respuesta a un estímulo externo. A medida que la topología de estos sistemas se complica, nos acercamos a lo que se conoce por Deep Learning, un nuevo concepto marketiniano concebido para denominar a las redes neuronales complejas. La idea bajo este nuevo paradigma es que con un gran número de neuronas y muchos niveles de interconexión entre ellas, se pueden mejorar las predicciones en conjuntos de datos complejos.

Figura 1. Las redes neuronales producen una respuesta a un estímulo externo.

Valor del Deep Learning en las empresas

El uso del Deep Learning en el negocio está en auge. Cada vez más empresas reconocen el valor de estas técnicas, ya que permiten trabajar de una manera más eficiente y proporcionan una ventaja real sobre la competencia. Su irrupción en el mundo empresarial se vió favorecida por la confluencia de tres factores clave: los algoritmos, la computación y los datos.Por un lado, los algoritmos se encuentran en constante ebullición con la continua mejora de las técnicas existentes y la aparición de otras nuevas. Por otro lado, la evolución de la capacidad de computación, junto con el abaratamiento de equipos informáticos, han permitido analizar gigabytes, terabytes o incluso petabytes de información de forma paralela y a gran velocidad, permitiendo así, aprender y tomar decisiones de una manera mucho más eficiente y ágil de lo que era posible hace sólo unos años.

El último factor es el acceso a grandes cantidades de datos sobre los cuales poder aprender. Dichos datos pueden proceder de múltiples fuentes tales como los sistemas tradicionales de negocio, las redes sociales, los dispositivos móviles, el Internet de las cosas o las ciudades inteligentes, entre otras.

Gracias a la presencia del Deep Learning en eventos, reuniones y prensa, gran parte de la sociedad se encuentra fascinada sobre el potencial de estas técnicas y piensa que estos modelos estadísticos pueden ser la solución perfecta para cualquier situación compleja. Sin embargo, la realidad no es tan glamurosa como un periodista puede hacer que parezca, ya que son los Data Scientists (la profesión más sexy del siglo XXI) los que realizan la “magia”. Si el conocimiento del dominio en cuestión, la habilidad de tratar con múltiples datos y la inteligencia al decidir qué algoritmos emplear es limitada, entonces la capacidad de “aprender” por parte de las máquinas también estará limitada.

El mundo tal y como lo conocemos está cambiando gracias al potencial de las técnicas de Deep Learning, y seguramente con el paso del tiempo estarán muy presentes en todos los aspectos de nuestras vidas. Según Bill Gates, siempre sobre estimamos el cambio que ocurrirá en los próximos dos años y subestimamos el cambio que ocurrirá en los próximos diez. Tendremos que esperar hasta entonces para saber realmente si el Deep Learning es una realidad en nuestras vidas diarias o simplemente hype.