によって Natalia Peña 3年前.
216
もっと見る
Es un tipo de aprendizaje automático que va un poco más allá, con el objetivo de abarcar más y procesar más datos al mismo tiempo. El aprendizaje profundo usas redes neuronales para aprender usando capas de información cada vez más abstractas, como hacemos los humanos.
Frente a otros sistemas que imitan el comportamiento del cerebro humano, las redes neuronales intentan copiar el comportamiento de las neuronas, es decir, las células nerviosas que transmiten y procesan información en el cerebro.
Es la capacidad que tiene una IA, un software o un robot para aprender por su cuenta. El aprendizaje automático sigue los pasos clásicos de la IA: primero hay un aprendizaje, un entrenamiento que genera una experiencia, y una puesta en práctica que nos dice si la tarea se cumple o no con éxito.
Simplemente entregándole los datos de entrada (fotos) generará un resultado (fotos de gatos) sin que exista una lista de órdenes (programa) que le diga los pasos que tiene que realizar.
Recibes fotos de diferentes animales, y debe separar los gatos. Al principio fallará mucho, y habrá que decirle las fotos que acierta, y las que falla. Así la IA irá descubriendo por qué falla, e irá mejorando sus aciertos. Como más entrene, mejor lo hará.
Este tipo de estructura (aprendizaje, entrenamiento, y resultados) es común para las IAs que tienen que realizar tareas mecánicas y repetitivas, o que trabajan con el lenguaje humano, como un asistente virtual.
Si va a usarse para identificar fotos de gatos debe procesar miles de fotos de gatos, para aprender a distinguirlos.
como los sistemas expertos
como los agentes inteligentes
como los robots
las redes neuronales artificiales
