Aprendizaje profundo
El aprendizaje profundo (también llamado aprendizaje estructurado profundo o aprendizaje jerárquico) es un tipo de aprendizaje automático, que se utiliza sobre todo con ciertos tipos de redes neuronales. Al igual que otros tipos de aprendizaje automático, las sesiones de aprendizaje pueden ser no supervisadas, semi-supervisadas o supervisadas. En muchos casos, las estructuras se organizan de forma que haya al menos una capa intermedia (o capa oculta), entre la capa de entrada y la de salida.
Algunas tareas, como el reconocimiento y la comprensión del habla, las imágenes o la escritura, son fáciles de realizar para los humanos. Sin embargo, para un ordenador, estas tareas son muy difíciles de realizar. En una red neuronal multicapa (que tiene más de dos capas), la información procesada será más abstracta con cada capa añadida.
Los modelos de aprendizaje profundo se inspiran en el procesamiento de la información y en los patrones de comunicación de los sistemas nerviosos biológicos; son diferentes de las propiedades estructurales y funcionales de los cerebros biológicos (especialmente del cerebro humano) en muchos aspectos, lo que los hace incompatibles con las evidencias de la neurociencia.
Una red neuronal multicapa.
Preguntas y respuestas
P: ¿Qué es el aprendizaje profundo?
R: El aprendizaje en profundidad es un tipo de aprendizaje automático que utiliza redes neuronales para procesar la información y que suele organizarse con al menos una capa intermedia (oculta) entre las capas de entrada y salida.
P: ¿Cuáles son los distintos tipos de sesiones de aprendizaje que se utilizan en el aprendizaje profundo?
R: El aprendizaje profundo puede organizarse en sesiones de aprendizaje no supervisado, semisupervisado y supervisado.
P: ¿Cuáles son algunas tareas fáciles de realizar para los humanos pero difíciles para los ordenadores?
R: Tareas como reconocer y comprender el habla, las imágenes o la escritura a mano son fáciles para los humanos pero difíciles de realizar para los ordenadores.
P: ¿Qué le ocurre a la información cuando se procesa en una red neuronal multicapa?
R: En una red neuronal multicapa, la información procesada se vuelve más abstracta con cada capa añadida.
P: ¿En qué se inspiran los modelos de aprendizaje profundo?
R: Los modelos de aprendizaje profundo se inspiran en el procesamiento de la información y en los patrones de comunicación de los sistemas nerviosos biológicos.
P: ¿En qué se diferencian los modelos de aprendizaje profundo de las propiedades de los cerebros biológicos?
R: Los modelos de aprendizaje profundo difieren de las propiedades estructurales y funcionales de los cerebros biológicos, especialmente del cerebro humano, en muchos aspectos, lo que los hace incompatibles con las evidencias de la neurociencia.
P: ¿Cuál es otro término para el aprendizaje profundo?
R: El aprendizaje profundo también se conoce como aprendizaje estructurado profundo o aprendizaje jerárquico.
