Aprendizaje profundo
Tipo de aprendizaje automático que usa redes neuronales con muchas capas para descubrir por sí mismo patrones complejos en los datos.
Explicado fácil
“Profundo” no significa “más inteligente”, sino “con más capas”. Una red con muchas capas va transformando la información paso a paso: las primeras detectan cosas simples y las últimas combinan esas pistas en conceptos complejos.
Una analogía
Imagina una cadena de montaje de reconocimiento de caras. La primera estación detecta bordes, la segunda combina bordes en formas (ojos, narices), la tercera combina formas en rostros. Nadie le dijo a la red qué debía detectar en cada estación: lo descubrió ella al entrenarse.
Un ejemplo
Los modelos que transcriben tu voz a texto, traducen idiomas, generan imágenes o escriben textos (ChatGPT, Claude, Gemini…) son todos modelos de aprendizaje profundo.
Cómo funciona (nivel técnico)
Se apilan capas de neuronas artificiales con funciones de activación no lineales. Cada capa aprende representaciones cada vez más abstractas de la entrada. El entrenamiento se hace con retropropagación y variantes del descenso del gradiente, y necesita mucha computación, de ahí el papel de las GPU. Su auge desde 2012 se explica por tres factores: grandes conjuntos de datos, hardware potente y mejores técnicas de entrenamiento.
Errores comunes
- Creer que el aprendizaje profundo es siempre la mejor opción. Con pocos datos tabulares, métodos más simples suelen ganar.
- Pensar que es una “caja mágica”. Es matemática (álgebra lineal y cálculo) a gran escala.