Deep learning (aprendizaje profundo) es la parte del machine learning que usa redes neuronales con muchas capas. «Profundo» habla de esas capas: cada una toma lo que encontró la anterior y arma algo más complejo, de bordes a formas y de formas a «gato». Así aprende patrones útiles de fotos, audio o texto sin definir cada rasgo a mano.
Una pregunta de la app. Elige una respuesta.
¿Qué tiene de «profundo» el deep learning?
El nombre no habla de comprensión. Una red profunda encuentra patrones en números y puede fallar con un caso apenas distinto a los que vio.
Eso es todo: capas apiladas, cada una arma algo sobre la anterior. En fotos, de bordes a formas y de formas a «gato».
Aprende a partir de datos. «Profundo» describe las capas, no la cantidad de ejemplos.
Piensa en cuatro muñecas, una dentro de otra. La más grande es la inteligencia artificial: todo intento de que una máquina haga tareas que parecen pedir inteligencia. Adentro está el machine learning, que aprende de ejemplos en lugar de reglas escritas a mano. Adentro de ese, el deep learning, que lo hace con redes neuronales de muchas capas.
La más chica es un LLM, como el que está detrás de un chat de IA: una red profunda enorme entrenada con texto. Todo LLM es deep learning, pero no todo deep learning es un LLM: el reconocimiento de caras del celular o los subtítulos automáticos también lo son.
Le das una foto a una red entrenada para reconocer gatos. La primera capa sólo ve números: qué tan claro es cada punto. Las primeras capas suelen reaccionar a bordes y manchas; las del medio, a formas como una oreja en punta o un ojo; las últimas juntan todo y dan la respuesta: gato.
Eso es lo «profundo»: muchas capas apiladas, cada una construyendo sobre la anterior. No quiere decir que entienda más hondo. Nadie le programó qué es una oreja: lo encontró sola al ajustar sus pesos con miles de fotos.
Para estimar cuánto tarda un delivery con un modelo clásico, puedes armar columnas como distancia, hora y lluvia. El modelo aprende patrones a partir de esos datos.
Con una foto no hay columnas obvias: ¿qué número dice «bigotes»? El deep learning recibe los datos crudos y arma solo lo que necesita mirar. Por eso brilla con fotos, voz y texto. Con una tabla prolija y pocos ejemplos, en cambio, un modelo clásico muchas veces alcanza, sale más barato y es más fácil de explicar.
Las redes neuronales con capas son una idea de hace décadas. Lo que les faltaba era comida y fuerza: muchísimos ejemplos para aprender y muchísimas cuentas para entrenarse. Internet trajo lo primero, con millones de fotos, audios y textos.
Las GPUs trajeron lo segundo. Son los chips que se hicieron para dibujar los gráficos de los videojuegos, y hacen miles de multiplicaciones a la vez: justo lo que pide entrenar una red. Por eso hoy entrenar un modelo grande pide salas llenas de GPUs, y eso pesa en el costo de la IA.