"AÑO DE LA LUCHA CONTRA LA CORRUPCIÓN E

IMPUNIDAD"

INFORME CONFERENCIA “VISION ARTIFICIAL CON DEEP LEARNING”

ALUMNO:
Chavez Pastor Jhofre Isidro
PROFESOR:
Jacinto Sandoval Juan Manuel
CURSO:
Proceso Digital de Señales 1
FACULTAD:
Ciencias
ESCUELA:
Ingeniería Electrónica y Telecomunicaciones
FECHA:
06 de Junio del 2019
 1. Introducción:
Tal y como se mencionó durante la conferencia el Deep Learning apareció en
los titulares de los medios de comunicación cuando el programa AlphaGo de
Google venció al campeón mundial de Go (juego mucho más difícil de jugar por
parte de una máquina que el ajedrez, ya que tiene muchas más combinaciones
posibles).

El Deep Learning supone la base tecnológica de distintas funcionalidades de

varios productos de Google, y de otras grandes empresas tecnológicas. Pero,
¿qué es el Deep Learning y en qué puede aplicarse? En el siguiente informe
conoceremos un poco más.
 2. Inteligencia Artificial y Machine Learning:

La Inteligencia Artificial es la replicación de la inteligencia humana en las

computadoras. Cuando la investigación en IA comenzó por primera vez, los
investigadores intentaban replicar la inteligencia humana para tareas
específicas, como jugar a un juego. Introdujeron un gran número de reglas que
la computadora necesitaba respetar. Ésta tenía una lista específica de posibles
acciones y tomaba decisiones basadas en esas reglas.

Por otro lado el Machine Learning o Aprendizaje Automático se refiere a la

capacidad de una máquina de aprender usando grandes conjuntos de datos,
en lugar de reglas fijas escritas en código.

Este permite que las computadoras aprendan por sí mismas. Este tipo de
aprendizaje aprovecha la potencia de procesamiento de los ordenadores
modernos, que pueden procesar fácilmente grandes conjuntos de datos en
poco tiempo.

3. Redes Neuronales:

El objetivo de estas redes es lograr dar lugar a un sistema inteligente que logre
realizar con éxito tareas complejas. Su funcionamiento no está orientado a ser
similar al de un ordenador cuando procesa información, sino que persigue
aproximarse a la inteligencia artificial. Así, las redes neuronales artificiales
son capaces de crear patrones, reconocer información o resolver enigmas
complejos, pudiendo ser de gran utilidad para sectores como la moda o la
lucha contra el crimen.

Además de esto, las redes neuronales tienen otro objetivo importante, como es
contribuir a la creación de redes. Al ser muy rápidas en cuanto a procesamiento
de información, con capaces de transmitir datos a gran velocidad entre dos
puntos. Por si esto fuera poco, con el paso del tiempo, adquieren la capacidad
de relacionarse entre sí, de manera que expanden el conocimiento disponible,
renovándolo y funcionando de manera autónoma.
 4. Qué es y Cómo funciona la Deep Learning:

Este sistema de aprendizaje y clasificación, basada en la “red neuronal

artificial” digital, a buen seguro será responsable otros cambios no menos
impactantes que se produzcan en el futuro. ¿Pero, cómo podemos definirlo
brevemente?

Si el Machine Learning se centra en lograr un aprendizaje automático, el Deep

Learning se orienta hacia el entendimiento de los datos que va teniendo. Por
otro lado, la evolución de aquel pasa inevitablemente el aprendizaje sin
intervención humana previa. Es decir, de forma independiente, dentro de un
ciclo de aprendizaje constante retroalimentado por información nueva.

Junto con los sistemas de computación cognitiva, el Deep Learning supone un

acercamiento al modo de pensar humano, buscando imitar las características
de nuestro sistema nervioso. Se trata, en suma, de buscar la detección de
determinadas características ocultas en los datos para lograr exitosos sistemas
cognitivos artificiales.

Los avances en sistemas cognitivos artificiales se suman a los elementos

contextuales apuntados, como el entorno IoT y los frameworks que facilitan el
procesamiento distribuido de grandes conjuntos de datos o la posibilidad de
obtención de datos en tiempo real. De este modo, tecnologías como el Deep
Learning se revelan como claves para dar significado a esos océanos de datos
que esperan convertirse en una información valiosa.

En efecto, el Deep Learning busca la resolución de problemas que plantea el

mundo real. Un enfoque práctico que se lleva a cabo a partir de redes
neuronales profundas que imitan el modo de funcionar de nuestro cerebro.

Los datos que van entrando en el sistema se utilizan para ir afinando su

capacidad a la hora de tomar nuevas decisiones. En este sentido, el
programador no debe especificar las tareas o definición de características,
puesto que el algoritmo lo hace emulando al cerebro humano.

En otras palabras, se procesa la información a través de la práctica, imitando el

aprendizaje que realizamos nosotros, careciendo de una información completa
de las reglas. Conforme la red vaya recibiendo información irá tomando
decisiones correctas en un mayor porcentaje de ocasiones. El algoritmo irá
evolucionando gracias a la alimentación de millones de ejemplos, logrando una
mejora con el tiempo, dependiendo de la complejidad de la tarea.

5. Aplicación en “Traducción Automática”:

Esta es una tarea donde algunas palabras dadas, frases u oraciones en un

idioma, se traducen automáticamente a otro.

La traducción automática se ha estado desarrollando desde hace años, pero el

deep learning está alcanzando resultados óptimos en dos áreas:

Traducción automática de texto y de imágenes.

En el caso del texto, el algoritmo puede aprender la dependencia entre

palabras y asignarlas a un nuevo idioma.

Como te imaginarás, las redes neuronales se usan para identificar imágenes

que tienen caracteres y dónde se encuentran las letras en la escena.

Una vez identificados estos caracteres, son interpretados y convertidos en

texto, para luego ser traducidos. Usualmente a este proceso se le llama
traducción visual instantánea.