6 aplicaciones reales del deep learning

Publicidad

Los algoritmos de Deep Learning permiten obtener conocimiento de enormes volúmenes de datos, ya sean grandes repositorios de imágenes, vídeos, textos y conversaciones. Estos novedosos algoritmos construyen de manera automática jerarquías de conceptos que van de lo más sencillo a lo más complejo hasta crear una red neuronal de muchas capas. Pero, ¿en qué proyectos se está usando esta tecnología?

Sus aplicaciones en el mundo empresarial son cada vez más demandadas, ya que acrecientan la capacidad de las compañías de conocer tanto a sus clientes como al mercado o la competencia. En una jornada celebrada en MBIT School, Fernando Corbacho,  director general de Cognodata y profesor del Máster Data Science Deep Learning de la escuela, resaltó la revolución que está tecnología está suponiendo en los negocios y mostró los sectores más innovadores con ejemplos de empresas que ya lo están implantando con éxito.

Traductores inteligentes. Los servicios de traducción online, como el de Google, se aprovechan de esta tecnología para obtener características del comportamiento humano. De este modo, las herramientas de traducción aprenden de las traducciones corregidas para aplicarlas en futuras consultas. El gigante de Internet ha creado un grupo de investigación en machine learning, campo que considera esencial para su innovación y que utiliza en su traductor, la búsqueda de imágenes o la respuesta inteligente de Gmail.

Lenguaje natural hablado y escrito. La aplicación del deep learning permite, en este caso, ofrecer servicios que reaccionen ante diferentes comandos enviados en lenguaje natural, es decir, como hablamos las personas, tanto de forma oral como escrita. Microsoft es una de las compañías que más ha avanzado en este sentido con la creación de un servicio web que permite programar bots (pequeños asistentes conversacionales con una inteligencia artificial limitada a tareas muy específicas) aplicables a diferentes propuestas para el usuario que sean  capaces de reaccionar ante comandos emitidos en lenguaje natural.

Reconocimiento de voz. El uso de servicios por reconocimiento de voz cada vez resulta más cómodo, gracias a que llegan a ser muy precisos y rápidos. Las grandes empresas de tecnología trabajan en sus posibilidades, especialmente con los servicios que ofrecen a través del móvil.  Bing, por ejemplo, ha mejorado la precisión de sus búsquedas hasta en un 15%, y su rendimiento entre un 10% y 15%. Además, han conseguido reducir la tasa de error con el fin de proporcionar resultados más exactos.

Interpretación semántica. Conseguir que las máquinas entiendan los comentarios de los usuarios y sacar valor de sus conversaciones en, por ejemplo, la mensajería instantánea, es una meta en el que trabajan las compañías. Algunas de ellas ya lo están usando también a la hora de orientar los anuncios e identificar rostros y objetos en fotografías y vídeos. Facebook ha empezado a implementar algunas de estas funciones dentro de su herramienta Messenger.

Reconocimiento de caras. Otra de las aplicaciones del deep learning es el reconocimiento facial en tiempo real, que permitirá integrarlo a medio plazo en smartphones con el fin de identificar el rostro del usuario en diversos escenarios. Estos desarrollos permitirán potenciar la seguridad y facilitar la popularización de servicios en los que la identificación personal es imprescindible.  Baidu es uno de los gigantes de Internet que trabaja en esta línea con la creación de una app que ha aprendido ya a identificar más de 70 rasgos faciales diferentes.

Visión computacional. El deep learning ha permitido  que se produzca un salto cualitativo en entendimiento de imágenes. Las máquinas hoy en día reconocen imágenes mejor que los métodos tradicionales como se demuestra con las nuevas aplicaciones de Google.

Aplicaciones en el mundo empresarial

Robótica, realidad virtual y videojuegos son sectores que están experimentando un salto cualitativo gracias al deep learning. Los robots no solo puede realizar tareas, sino que serán capaces de solicitar más información si no entienden la orden dada por el usuario. De este modo, irán creando una base para un aprendizaje constante. Por su parte, en el terreno de los videojuegos, las máquinas ya son capaces de ganar a los humanos, e incluso de doblar su mejor puntuación.

En el mundo de la economía, el deep learning se está aplicando en los campos del customer centricity, finanzas o mercados. En transformación digital, está muy ligado a los progresos en proyectos relacionados con el Internet de las cosas y, en medicina, con los campos de diagnóstico, genética y muy especialmente en el descubrimiento de fármacos, que son los más beneficiados.

“Los grandes de Internet y las empresas de diferentes sectores están trabajando intensamente con los algoritmos de deep learning, lo que les está permitiendo ofrecer servicios con una mayor inteligencia a sus usuarios”, ha declarado Fernando Corbacho, director general de Cognodata y profesor de MBIT School. “Los expertos en los novedosos algoritmos de Deep Learning y en la tecnología de Big Data se han convertido en uno de los profesionales más demandados del mercado y, en Estados Unidos, llegan incluso a cobrar sueldos similares a las estrellas de fútbol americano”, ha destacado.

Ante la necesidad de talento en esta nueva profesión surgida en la era digital y la alta demanda de estos perfiles, MBIT School acaba de lanzar el primer Máster Data Science Deep Learning, dirigido a analistas y data miners.

Publicidad
Publicidad
Salir de la versión móvil