Las organizaciones están recurriendo cada vez más al aprendizaje profundo porque permite a los equipos informáticos aprender de manera independiente y realizar tareas con poca supervisión, algo que promete beneficios extraordinarios tanto para la ciencia como para la industria. A diferencia del aprendizaje automático tradicional, el aprendizaje profundo intenta simular la manera en la que nuestro cerebro aprende y procesa información mediante la creación de "redes neuronales" artificiales que pueden obtener conceptos complejos y relaciones a partir de los datos. Los modelos de aprendizaje profundo mejoran a través del reconocimiento de patrones complejos en imágenes, texto, sonidos y otros datos para generar información y predicciones más precisas.
El uso de la informática en la nube para el aprendizaje profundo hace posible incorporar y administrar fácilmente grandes conjuntos de datos que se utilizan para entrenar algoritmos, además de permitir a los modelos de aprendizaje profundo ajustar su escala de manera eficiente y reducir los costos con capacidad de procesamiento de GPU. Mediante el uso de redes distribuidas, la tecnología de aprendizaje profundo en la nube le permite diseñar, desarrollar y entrenar aplicaciones de aprendizaje profundo con mayor celeridad.
Los algoritmos de aprendizaje profundo se diseñaron para aprender con rapidez. Mediante el uso de clústeres de GPU y CPU para realizar operaciones de matrices complejas en tareas con uso intensivo de recursos informáticos, los usuarios pueden acelerar el entrenamiento de modelos de aprendizaje profundo. A continuación, dichos modelos se pueden implementar para procesar grandes volúmenes de datos y producir resultados cada vez más pertinentes.
Las redes neuronales de aprendizaje profundo son ideales para aprovechar varios procesadores y distribuir cargas de trabajo de manera homogénea y eficiente en cantidades y tipos de procesadores diferentes. Gracias a la amplia variedad de recursos bajo demanda disponibles en la nube, puede implementar prácticamente un número ilimitado de recursos para encarar modelos de aprendizaje profundo de cualquier tamaño.
Los marcos de aprendizaje profundo como Apache MXNet, TensorFlow, Microsoft Cognitive Toolkit, Caffe, Caffe2, Theano, Torch y Keras pueden ejecutarse en la nube, lo que le permite usar las bibliotecas empaquetadas de algoritmos de aprendizaje profundo que mejor se adapten a su caso de uso, independientemente de si es para dispositivos web, móviles o conectados.
El aprendizaje profundo es ideal para una amplia variedad de casos de uso de inteligencia artificial, como:
Mediante el entrenamiento de algoritmos con millones de imágenes etiquetadas, las redes neuronales de aprendizaje profundo pueden identificar correctamente sujetos igual, o incluso mejor, que los humanos, lo que hace posibles capacidades avanzadas, como el reconocimiento facial ágil.
Los diferentes acentos y patrones de voz humanos hacen que el reconocimiento de voz resulte una tarea difícil para los equipos informáticos. Los algoritmos de aprendizaje profundo pueden determinar con mayor facilidad lo que se dice. Esta capacidad es la que se utiliza actualmente en Amazon Alexa y en otros asistentes virtuales.
El aprendizaje profundo ayuda a los equipos a entender conversaciones normales, en las que el tono y el contexto resultan fundamentales para comunicar significados tácitos. Mediante algoritmos capaces de detectar estados de ánimo, los sistemas automatizados, como los bots de atención al cliente, pueden descifrar y responder a los usuarios de manera útil.
Uno de los primeros logros del aprendizaje profundo fue el desarrollo de sistemas que realizan un seguimiento de las actividades de los usuarios para crear recomendaciones personalizadas. Mediante la comparación de la actividad global de numerosos usuarios, los sistemas de aprendizaje profundo incluso pueden identificar elementos totalmente nuevos que podrían resultar de interés a un usuario.
Conozca de qué manera TuSimple crea inteligencia profunda para vehículos autónomos. Más >
Puede empezar a usar una experiencia completamente administrada a través de Amazon SageMaker, la plataforma de AWS diseñada para crear, entrenar e implementar rápida y fácilmente modelos de aprendizaje automático a escala. También puede usar las AMI de aprendizaje profundo de AWS a fin de crear flujos de trabajo y entornos personalizados para el aprendizaje profundo.