Un conjunto de métodos que solucionan problemas irresolubles

El Deep Learning agrupa técnicas independientes que logran resultados superiores a los humanos

Domingo, 6 de Agosto de 2017 - Actualizado a las 06:11h.

donostia- El Deep Learning engloba a una serie de modelos que, aunque relacionados entre sí, actúan de forma independiente con resultados que, en ocasiones, logran superar a los que consiguen las personas ante el mismo planteamiento.

La responsable del grupo Computer Vision de Tecnalia Estíbaliz Garrote explica que estas tecnologías se han creado con el objetivo de resolver ciertos tipos de problemas, de los que hay algunos que hasta su aparición “eran imposibles de abordar”.

Un grupo de estas tecnologías se orientan hacia el procesamiento de imagen y son las que han conseguido superar a las personas en la identificación de objetos presentes en las diferentes imágenes que se les muestra. Es el caso de las redes convolucionales.

A esta familia pertenece también el Recurrent Neural Networks que, a pesar de su complicado nombre, se simplifica especificando que es el proceso tecnológico empleado por Google o Facebook para ofrecer su servicio de traducciones, o la tecnología que permite el reconocimiento automático del habla.

Estíbaliz Garrote también pone un especial énfasis en el surgimiento de una serie de técnicas que permitirán reproducir réplicas muy realistas de un modelo que previamente se le ha mostrado.

La aplicación práctica aporta más información sobre este tipo de técnicas, y Garrote lo ejemplifica con la generación de moléculas que tengan una serie de características que les permitan servir como modelo para probar la vacuna contra la malaria.

Al margen del ámbito médico y farmacológico, también la industria del entretenimiento basado en audio e imágenes encuentra en el deep una fuerte inspiración para sus próximas creaciones.

La experta de Tecnalia afirma que “el uso de las técnicas deep se está extendiendo a otras muchas aplicaciones y sectores”, entre los que cita la estimación de datos de las aseguradoras, el marketing personalizado, el estudio de mutaciones de ADN, la optimización de la declaración de la renta o los sistemas para juegos.

Estíbaliz Garrote ofrece una serie de datos que dan buena cuenta de la capacidad de desarrollo de la tecnología Deep Learning traducida a potencial económico.

Según los estudios que maneja Tecnalia, se estima que el negocio de las aplicaciones de esta tecnología crecerá de los 109 millones de dólares que facturó en 2015 a los 10.400 millones de dólares en 2024.

Ese mismo año, los ingresos que generarán las inversiones en Deep Learning superarán los 100.000 millones de dólares, tal y como destaca la experta de la alianza tecnológica vasca. - M.M.