Introducción a la Inteligencia Artificial

 Deep learning - Red neuronal

El aprendizaje profundo, a pesar de haber sufrido un avance vertiginoso durante los últimos años, presenta varios problemas. Muchos expertos e investigadores son cautos a la hora de aplicar el aprendizaje profundo en cualquier campo puesto que, aunque de forma genérica se asevere que el planteamiento de red neuronal se asemeja a la perspectiva humana, la realidad es que las maquinas presentan todavía limitaciones en las que se ha puesto el foco investigador. Sus mecanismos de aprendizaje no alcanzan la complejidad de los mecanismos humanos, lo que provoca que su fiabilidad no sea total. De esta forma, exponiendo un contexto confuso o interesado es medianamente fácil engañar a la red neuronal¹. Para evitar este problema lo más importante son los datos. Los modelos de deep learning a menudo requieren grandes cantidades de datos para un entrenamiento efectivo. La disponibilidad de conjuntos de datos masivos y etiquetados puede ser limitada en algunas áreas, lo que dificulta la aplicación de estos enfoques en diversos ámbitos².

Además, volviendo a lo anterior, ¿Qué pasa si no formulamos una pregunta de forma correcta? Probablemente, la respuesta o solución que obtengamos puede ser confusa o incluso equivocada. Por ello, entender las premisas subyacentes de los modelos, así como sus limitaciones, como la propensión al sobreajuste o el tipo de distancia en el que se basan, nos capacita para prever posibles problemas y diseñar estrategias destinadas a mitigar su impacto³.

Por último, el Deep learnig presenta problemas frente a conceptos abstractos o datos no estructurados. Esto hace que frente a representaciones graficas la red neuronal pueda desarrollar soluciones o respuestas equivocadas o confusas al no tener la misma capacidad de desarrollar una comprensión profunda y contextual que los humanos⁴.

 

1. https://master-deeplearning.com/limitaciones-deep-learning/

2. https://www.webupdatesdaily.com/why-machine-learning-projects-fail-7-reasons-that-can-take-your-efforts-for-a-ride/

3. https://telefonicatech.com/blog/por-que-fallan-algunos-modelos-machine-learning

4.https://www.linkedin.com/pulse/en-los-l%C3%ADmites-del-aprendizaje-jos%C3%A9-luis-prado/?originalSubdomain=es