BLOG CEDDET


El Deep Learning: Una cuestión de Neuronas

Cuando uno se adentra en el mundo de la inteligencia artificial, uno de los primeros conceptos recurrentes que aparecerán en nuestras búsquedas es el Deep Learning y ligado a él, las redes neuronales. Detrás de estas palabras se esconde el intento de modelizar matemáticamente cómo funciona el cerebro humano. El origen de esta ambición data de los años 50, tras la explosión de la electrónica como técnica destinada a revolucionar el mundo.

En un inicio se modeló una única neurona, la cual se basaba en una función matemática que recibía unos datos de entrada y producía una salida o respuesta, tratando de simular las señales eléctricas involucradas en una neurona real.

Fuente: http://latinsoftware.net

Su utilidad o capacidad era limitada por lo que pronto los analistas se preguntaron: ¿Qué pasa si juntamos varias de estas neuronas?, ¿nos acercaremos al comportamiento del cerebro Humano? De esta manera surge lo que conocemos como red neuronal, con el convencimiento de que dos neuronas piensan mejor que una. Estos nuevos programas, demostraron ser buenos resolviendo problemas en los que precisamente el ser humano es bueno: reconocimiento de imágenes, clasificación de objetos, patrones de escritura, etc., sin embargo no superaron a sus algoritmos, hermanos en la lucha, a la hora de resolver otro tipo de problemas de carácter más matemático, estos algoritmos junto con las redes neuronales se engloban en lo que hoy se conoce como Machine Learning.

Así, estas primeras redes neuronales constaban de varias capas o pasos: una de entrada, una intermedia y otra de salida que proporciona los resultados.

 

Fuente: https://www.pyimagesearch.com/2016/09/26/a-simple-neural-network-with-python-and-keras/

 

Dado que la lógica anterior -cuantas más neuronas mejor- funcionó con éxito, se continuó aumentando su número. Es precisamente el número de capas de neuronas que existen entre lo que se le transmite a la neurona y lo que esta es capaz de predecir, lo que nos lleva al Deep Learning o Aprendizaje profundo. Con el aumento en la capacidad de cálculo en los últimos años, así como de la cantidad de datos disponibles para su análisis (Big Data), el Deep Learning resulta una herramienta muy poderosa en las aplicaciones prácticas que puedan surgir.

El campo del eLearning no se queda al margen de todas estas tendencias tecnológicas. Las aplicaciones que están surgiendo se centran en la automatización de procesos que tradicionalmente tenía que realizar personas, como pueden ser: asistencia de dudas de los alumnos, gestión de contenidos, corrección de pruebas o reportes estadísticos sobre los cursos de la plataforma.

Dentro de la asistencia al alumnado han surgido los Chat Bots o asistentes, los cuales son capaces de comunicarse, normalmente de manera escrita; no obstante, comienzan a surgir soluciones que permiten que dicha interacción sea mediante voz o incluso en diferentes idiomas, rompiendo una de las barreras más importantes en la transmisión de conocimiento: el lenguaje. Esto representa una gran ventaja, permitiendo integrar sistemas de traducción automática de un idioma y ampliando el alcance y la difusión de contenidos.

Gracias a la inteligencia artificial generada por las redes neuronales se puede automatizar la gestión de contenidos, permitiendo adaptar a cada individuo lo que en inicio sería un curso para todos los alumnos con los mismos contenidos. De este modo, dos alumnos de un mismo curso no seguirán los mismos caminos: quedarán identificados por un orden previo establecido en los contenidos,  los cuales se adaptarán a su experiencia profesional o a formación previa recibida, optimizando los tiempos de aprendizaje para cada persona.

Un aspecto como la corrección de pruebas podría ser llevada a cabo por una Inteligencia artificial, la cual sería capaz de comprender los conceptos que el alumno intenta explicar o los conocimientos que quiere desmostar, comparándolos con el estándar definido por el creador del curso.

Con respecto a los reportes o mediciones de métricas relativas a la plataforma de eLearning, el Deep Learning, en conjunto con otras técnicas de Machine Learning, pueden proporcionar una segmentación o clasificación del alumnado, así como la capacidad de realizar predicciones a futuro con las que se podrían evaluar diferentes actuaciones llevadas a cabo por el gestor de la plataforma.

Existe una anécdota ocurrida durante la impartición de un master en ciencia online, donde era obligatorio cursar una asignatura relativa a la inteligencia artificial. Durante esta asignatura los encargados de la misma debían gestionar muchas dudas en los foros, para las cuales los profesores asistentes no daban abasto. Para solucionar este problema, y a modo de prueba, el profesor que la impartía diseñó un asistente virtual que ayudara en esas tareas. El profesor pensaba que una de las principales causas por las que la gente abandonaba o fracasaba en los cursos online era por no disponer de suficiente apoyo del profesorado o un acceso a él muy restringido. Una vez preparado y suficientemente entrenado, el asistente virtual se puso a disposición del alumnado, eso sí, sin informarles de que no era una persona de carne y hueso. Cuando al final del curso se les informó de que Jill, así lo llamaron, no era en realidad una persona, algunos de los alumnos admitieron no haberse percatado de ello, confirmando de este modo el éxito del experimento, aunque algunos sí que declararon tener ciertas sospechas.

Uno de los test más conocidos para determinar cuando estamos o no ante una Inteligencia Artificial es el llamado Test de Turing. En él, dispondríamos a una persona a analizar una conversación entre uno o varios humanos y una máquina (comunicación realizada mediante el intercambio de mensajes de texto). En el caso en el que el observador fuese incapaz de distinguir entre el humano y la máquina, al menos durante el 70% de las veces, podríamos decir que la máquina habría pasado el test y podríamos considerarla inteligente.

Las inteligencias artificiales están todavía algo alejadas de ser capaces de actuar frente a cualquier problema en un contexto totalmente generalista, aunque sí que están demostrando ser capaces de resolver problemas específicos de forma muy eficiente. Un caso muy sonado fue el del Chat Bot Tay, que Microsoft puso a interactuar con las personas en la red social Twitter. La idea inicial era que el Bot aprendiese interactuando con los humanos y así perfeccionase su conversación y sus capacidades sociales. Sin embargo, para asombro de todos sus usuarios, a las 24 horas de estar en funcionamiento, Tay comenzó a realizar comentarios racistas, misóginos y de mal gusto. Microsoft apagó al Bot y justificó su comportamiento alegando que los comentarios dirigidos a Tay buscaban tal finalidad y por tanto se sesgó su aprendizaje, condicionando negativamente el escenario de la prueba.

El caso anterior nos lleva  a reflexionar sobre el proceso de aprendizaje: todas las inteligencias artificiales van a necesitar de un proceso de aprendizaje y los encargados de ello vamos a ser nosotros, los humanos. Necesitaremos formalizar aún más nuestros propios procesos y técnicas de aprendizaje para así poder incluirlas en los diseños de los algoritmos. Estos nuevos algoritmos servirán como herramientas que nos ayudarán a seguir evolucionando con gran rapidez en un gran número de áreas. En definitiva, se está creando una relación entre las Inteligencias Artificiales y las personas, que bien dirigida, nos debería llevar a grandes cambios positivos  en muchos ámbitos donde es posible aplicar estas técnicas.

 

Teresa Requejo. Directora Proyectos Fundación CEDDET

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

*

*

*