EL LADO OSCURO DEL APRENDIZAJE PROFUNDO

Inspirado en el funcionamiento de nuestras neuronas, el Deep Learning o Aprendizaje Profundo, consigue resolver casi cualquier tipo de problema de una manera muy eficiente. Se necesita una gran cantidad de datos y un número variable de capas que funcionan simulando las neuronas y se puede lograr que una máquina aprenda por sí sola.

Ya no es necesario programarlas con instrucciones de entrada, solo necesitan una buena base de datos y un número de capas adecuado. Es un paso más allá en el intento de simular aún más lo que los humanos hacemos, ya que muchos conocimientos los adquirimos sin que nadie nos facilite las instrucciones previas.

Este tipo de inteligencia artificial se emplea hoy en día en reconocimiento de imagen, reconocimiento de voz, traducción automática, generación de música y generación de imagen, entre otros. En general, es capaz de resolver casos en los que existen muchos datos con algún tipo de relación entre ellos y que representan algo mucho más complejo y abstracto.

No siempre es la mejor opción el Aprendizaje Profundo. Por ejemplo, en campos en los que no se dispone de muchos datos, pero en los que sí hemos acumulado mucho conocimiento, por ejemplo, en algunas aplicaciones médicas, siguen funcionando mejor las técnicas de aprendizaje supervisado (en las que se precisan instrucciones o programación previa).

Tampoco funciona si al problema que debemos solucionar le introducimos cambios, como en el caso del juego Go. Hace unos años, una máquina de Deep Learning ganó al campeón mundial humano, pero bajo unas reglas específicas de tamaño de tablero. Para otro tipo de tablero, el sistema debería comenzar el aprendizaje de cero. Es decir, no se adapta a cambios que para los humanos son totalmente habituales y los resolvemos sin mayor problema.

Pero uno de los mayores problemas y que suscita un mayor debate es que con esta técnica podemos hallar resultados satisfactorios, pero sin saber cómo se han logrado. Es decir, una vez que introducimos los datos y el sistema comienza a aprender por sí mismo, dejamos de tener el control de lo que ocurre durante el aprendizaje.

Es un sistema tan dependiente de los datos de entrada con los que aprenderá, que se debe tener mucho cuidado con ellos. Estas máquinas no sólo aprenderán comportamientos políticamente incorrectos (xenófobos, machistas, etc.), sino que los sesgos cognitivos de los humanos también se trasladarán a los resultados. Y de esto último se aprovechan muchas grandes empresas para las que no paramos de generar datos y datos.