4 aplicaciones del Deep Learning en la vida cotidiana

En este artículo te hablamos de 4 aplicaciones del Deep Learning que ya puedes ver en tu vida (digital) cotidiana.

Como habrás podido ver, últimamente los sitios y blogs de tecnología (incluído este) muestran un creciente interés por la Inteligencia Artificial, el machine learning y el deep learning.

Cuando inicias una investigación de cualquiera de estos temas, hay muchos aspectos que te parecerán difíciles de entender.

Es como si la barrera de entrada está muy alta, y no todos pueden entrar. Pero una vez adentro, te empezarás a interesar cada vez más por estos temas y por sus aplicaciones.

El deep learning en sí mismo es un tema profundo (valga la redundancia), pero como mencionamos en una nota anterior, podemos entenderla de la siguiente forma:

El deep learning es una faceta del machine learning, que a su vez es una faceta de la inteligencia artificial. Esta imagen ilustra la relación entre estos tres temas.

Entonces, entendiendo el deep learning como una evolución o un subproducto dentro de un gran tema que es la inteligencia artificial, pero con una característica especial: el deep learning se basa en las redes neuronales artificiales.

Como explicamos en notas anteriores, el deep learning se basa en imitar el funcionamiento del cerebro.

Y así como las neuronas funcionan a medida que se interconectan unas con otras, el deep learning funciona en base a unidades interconectadas que forman lo que se conoce como redes neuronales artificiales.

Pero ¿Cómo funciona? ¿Qué aplicaciones tiene? Aquí te lo contamos:

4 Aplicaciones del Deep Learning que puedes ver en situaciones cotidianas

Hace algunos años existía una plataforma de Google para organizar las fotos en tu computadora llamada Picasa.

Me pareció una solución muy eficiente. Pero una de las características que me sorprendió en ese entonces (2010) fue la capacidad que tenía para reconocer los rostros de las personas que aparecían en mis fotos.

Picasa ya no existe, pero muy seguramente esa tecnología de reconocimiento facial fue heredada por Google Photos.

Desde allí me di cuenta que la tecnología de machine learning y deep learning tienen aplicaciones muy prácticas, y algunas de ellas incluso se han vuelto cotidianas.

1. Colorización Automática de imágenes en blanco y negro

La colorización de imágenes es una tarea tradicionalmente hecha con esfuerzo humano, porque se requiere de un criterio visual muy alto.

Sin embargo, una de las aplicaciones del deep learning consiste en la capacidad de identificar objetos y su contexto dentro de una fotografía en blanco y negro, para colorearla.

Esta imagen es un set de fotografías originalmente entregadas en blanco y negro, y que fueron coloreadas con una exactitud impresionante.

El sistema utilizado se basó en ImageNET, una inmensa base de datos de imágenes clasificada de acuerdo a la jerarquía de WordNet, otra base de datos de palabras.

2. Un sistema que agrega audio a películas sin sonido

Esta es una tarea en donde el sistema debe sintetizar los sonidos para coincidir con lo que ocurre en el vídeo sin audio.

El sistema está equipado con 1000 ejemplos de vídeo con sonido de una banda de resonancia de diferentes segmentos y crear diferentes sonidos.

Un modelo de deep learning  asocia los cuadros de vídeo con una base de datos pregrabada en el proceso para seleccionar un sonido que coincida con lo que detecta visualmente.

Este video lo explica muy bien:

3 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.
• Traducción automática 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 imagenes 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.

4. Clasificación de objetos y detección en Fotgrafías

En algunas pruebas como las que mostramos a continuación, se han alcanzado resultados impresionantes usando extensas redes neuronales.

Probablemente hayas oído en las noticias hace algún tiempo que China tiene cámaras de seguridad que funcionan con inteligencia artificial, para detectar a los ciudadanos al instante.

Una variación más compleja de este sistema de detección de objetos implica la detección de varios objetos en la misma escena.

Como puedes ver en esta imagen, este sistema puede no sólo detectar un objeto, sino darte información extra de sus características.

Esperamos haber aportado con ejemplos reales, una mejor idea de cómo el Deep Learning se está aplicando en la actualidad.