Deep Learning...Aprendizaje Profundo!

Como se menciono en la anterior entrada, las redes neuronales artificiales están ligadas a ciertos procesos de aprendizaje, en esta ocasión escribiré acerca del Aprendizaje Profundo (Deep Learning)

El aprendizaje Profundo (DL) se refiere a la actividad automática de adquisición de conocimiento, por medio de máquinas que usan varios niveles para la extracción, se le asigna el adjetivo profundo debido a la forma en que el conocimiento es adquirido.

Una gran ventaja del Aprendizaje Profundo es que no requiere de una definición "manual" de las características que identifican a los patrones que se buscan, por el contrario se generan dichas características automáticamente mediante la manipulación de datos crudos. Esto es posible, gracias a que a través de construir automáticamente características de alto nivel, por medio de una gran cantidad de niveles jerárquicos de extractores, un sistema aprende automaticamente. 

¿Cómo descubren conocimiento las computadoras?

Existen varias estrategias, para que las computadoras descubran conocimiento, pero dentro de las mas populares se destacan: 

• Llenando "huecos" en el conocimiento existente.
• Mediante la construcción de máquinas que intenta emular al cerebro.
• Con la simulación del proceso de evolución.
• Reduciendo incertidumbre de forma sistemática.
• Encontrando similitudes entre diferencias temporales.

Relación de las Redes Neuronales Artificiales y el Aprendizaje Profundo

Las principales relaciones que pueden existir entre RNA y DL son las siguientes:

• El aprendizaje profundo permite que redes neuronales con varios niveles de neuronas aprendan a representar características, sin decirle cuales son. Esto se conoce como "Aprendizaje de Representaciones (representational learning).
• Utilizan combinaciones de aprendizaje no supervisado y supervisado, en sus diferentes niveles.
• Dentro de las arquitecturas mas comunes se encuentran: Las Redes Profundas de Convolución (Convolutional Net), las Redes de Creencias profundas (Deep Belief Network) y las Redes recurrentes de memoria corta y larca (Long-Short term memory LSTM).

¿Cuales son las aplicaciones que contienen DL?

Las principales aplicaciones que contienen Aprendizaje Profundo son:

• Reconocimiento de voz 
• Reconocimiento de imágenes
• Detección de fraudes
• Reconocimiento de caracteres manuscritos
• Descubrimiento de componentes farmacéuticos
• Procesamiento de lenguaje Natural 

¿Cómo se puede implementar el DL a la ingeniería catastral y geodesia?

En mi opinión, con  lo aprendido durante la carrera de Ingeniería catastral y geodesia, el Aprendizaje Profundo, tanto como la Inteligencia Artificial se puede aplicar en el tema de reconocimiento en tiempo real de cambios existentes en la cobertura del suelo. Esto con el fin, de optimizar procedimientos que en Colombia para la época resultan muy atrasados tecnológicamente, como por ejemplo que aún existan municipios sin un catastro formado, esto resulta ridículamente increíble con la tecnología actual resulta necesario tener el 100% del Catastro de Colombia formado y actualizado y es muy posible mediante las diferentes aplicaciones que brinda la Inteligencia Artificial.