Deep Learning > ConvNet, la ciencia detrás de los “Smart Things & Apps”: bocinas, autos, aspiradoras, tiendas, redes sociales y más...

¿Cómo aprenden las máquinas? ¿qué tan inteligentes pueden llegar a ser y qué implicaciones tienen en nuestra vida?

Se han desarrollado múltiples técnicas para hacer que las computadoras y las cosas aprendan y entiendan nuestros gustos y necesidades. Una de las más exitosas son las Redes Neuronales Convolucionales (ConvNet), éstas aprenden de los “datos ejemplo” que se les presentan, extrayendo “automáticamente” los patrones que los definen, de tal manera que la siguiente vez que se les presente un nuevo objeto, lo identificarán correctamente. Así lo pueden hacer con rostros, sonidos, series de datos, etc., logrando resultados muy precisos y sorprendentes.

Estas redes tienen múltiples capas, de decenas a cientos (de allí el nombre de Deep Learning), cada una va aprendiendo detalles específicos del objeto estudiado y la última lo clasifica en donde corresponda.

 Algunos de las principales aplicaciones son:

·        Procesamiento de audio / interpretación del lenguaje natural:

• Asistentes inteligentes: Google home / Alexa / Siri, para detectar palabras clave como “Hey Google” ignorando todo lo demás, el ruido y otras palabras que escuchan.
• YouTube: Reconocimiento de voz de en los videos y realizando la traducción automática en línea.
• Dictado por voz de documentos y correos electrónicos, establecimiento de citas, llamadas telefónicas, análisis de audios, recuperación de información, traducciones automáticas, generación de lenguaje natural, entre otros. 

·        Procesamiento de imágenes:

• Reconocimiento de rostros para acceder a nuestros dispositivos,
• Imágenes médicas: para detectar glóbulos en sangre o células cancerígenas, para diagnósticos tempranos.
• Conducción automática de vehículos: Detección de cruces, semáforos, líneas de división en el pavimento y peatones, etc.
• Google Fotos: reconocimiento facial
• Agricultura: eficiencia de cultivos (a través de drones)
• Aeroespacial: Condiciones climáticas

·        Procesamiento de series de datos:

• Banca: Prevención de fraudes, predicción de comportamiento de los usuarios
• Marketing: segmentación de clientes y lanzamiento de campañas
• Text minign
• Análisis de redes sociales
• Procesamiento de datos de utilización de los clientes para enviar recomendaciones personalizadas: Facebook, Amazon, Spotify, Netflix, etc.

·        Procesamiento de texto y conversión de audio a texto:

• Traducción en tiempo real
• Gmail: Predicción de escritura. Mientras escribes, Gmail sugiere redacciones con base en el contexto y en redacciones de correos previos que has escrito
• Zoom: Traducción simultánea a varios idiomas en conferencias electrónicas
• Varias más

Los mejores resultados se obtienen entrenando a las redes con millones de ejemplos y arquitecturas de red complejas, por lo que demandan una gran capacidad de poder de cómputo, hardware acelerado por GPUs de última generación, almacenamiento masivo que suele ser alojado en la nube, y en algún futuro cercano, su aprendizaje y predicción se verán aún más acelerados con el uso de computadoras cuánticas.

Se sigue trabajando en la creación de más soluciones para su aplicación tanto en la ciencia, como en el uso comercial, en prácticamente todos los sectores y la vida diaria.

Ahora que ya comprendes un poco más de la ciencia detrás de los “Smart Things”, las “Smart Apps” y el “Internet of Things”, podrás reconocer algunas de las soluciones que hay actualmente y otras que se vayan creando y por qué no, trabajar en alguna que se te ocurra para resolver algún problema o crear un nuevo nicho de negocio.