deep learning IA

Deep learning: el conocimiento base para crear deepfakes

Publicado por

El entrenamiento con deep learning, es la clave de cómo se crean los deepfake

deep learning IA
El Deep Learning, o aprendizaje profundo, intenta emular la adquisición de conocimiento de los humanos.

Como hemos comentado en anteriores ocasiones, los deepfake son producto de un «juego de competición» entre 2 IA (Inteligencias artificiales): Una crea el vídeo manipulado y la otra intenta sacarle fallos al resultado para que se corrijan y quede más realista. Cuando para la segunda IA el vídeo manipulado ya no es distinguible de uno real, se da por terminada la «competición.
Pero claro, para que una inteligencia artificial sepa distinguir de lo que es un vídeo real a lo que no, necesita haber tenido un entrenamiento anterior. Y ahí es donde entra en juego el deep learning.

Este Deep learning o aprendizaje profundo, es un tema cada vez más importante en el campo de la inteligencia artificial (IA). Como una subcategoría del aprendizaje automático, el aprendizaje profundo aborda el uso de redes neuronales para mejorar cosas como el reconocimiento de voz, la visión por computadora y el procesamiento del lenguaje natural. Se está convirtiendo rápidamente en uno de los campos más buscados en el uso de la computadora. En los últimos años, el aprendizaje profundo ha ayudado a progresar en áreas tan diversas como la percepción de objetos, la traducción automática y el reconocimiento de voz (que son áreas particularmente complejas para los investigadores de IA).

RED NEURONAL
En tecnología de la información, una red neuronal es un sistema de programas y estructuras de datos que corresponden al funcionamiento del cerebro humano. Una red neuronal generalmente involucra una gran cantidad de procesadores que funcionan en paralelo, cada uno con su propia pequeña esfera de conocimiento y acceso a los datos en su memoria local. Por lo general, las «redes neuronales» son inicialmente «entrenadas» o alimentadas con grandes cantidades de datos y reglas sobre relaciones (por ejemplo, «un abuelo es mayor que el padre de una persona»). Luego, un programa puede instruir a la red sobre cómo actuar en respuesta a un estímulo externo (por ejemplo, para los datos ingresados ​​por un usuario de computadora que interactúa con la red) o puede iniciar la actividad por sí mismo (dentro de los límites de su acceso al mundo exterior) .

Las Redes Neuronales son lo que hace funcionar el Deep Learning

APRENDIZAJE PROFUNDO A APRENDIZAJE AUTOMÁTICO
Para comprender qué es el aprendizaje profundo, lo primero que debe hacer es diferenciarlo de otras disciplinas que pertenecen al campo de la IA.

Una consecuencia de la IA fue el aprendizaje automático, donde la computadora extrae conocimiento a través de la experiencia supervisada. Esto significó que un operador humano ayudó a la máquina a aprender proporcionando cientos o miles de ejemplos de entrenamiento y corrigiendo manualmente sus errores.

Aunque el aprendizaje automático se ha convertido en una característica dominante del campo de IA, presenta algunos problemas. Por un lado, lleva mucho tiempo. Por otro lado, todavía no es una verdadera medida de inteligencia artificial porque se basa en el ingenio humano para proponer abstracciones que permitan que la computadora aprenda.

A diferencia del aprendizaje automático, el aprendizaje profundo está menos sujeto a monitoreo. Por ejemplo, se trata de crear redes neuronales a gran escala que permitan a la computadora aprender y «pensar» por sí misma sin la necesidad de intervención humana directa.

El aprendizaje profundo «realmente no se parece a un programa de computadora», dice Gary Marcus, psicólogo y experto en IA de la Universidad de Nueva York. En ese sentido, comenta que el código de datos ordinario se escribe después de pasos lógicos muy estrictos. “Pero lo que se profundiza en el aprendizaje es otra cosa. No hay un conjunto de instrucciones que digan «si una cosa es verdadera, haga la otra», dice. En lugar de basarse en una lógica lineal, el aprendizaje profundo se basa en teorías sobre cómo funciona el cerebro humano. El programa consta de capas anidadas de nodos interconectados. Después de cada nueva experiencia, aprenda organizando las conexiones entre los nodos.

El aprendizaje profundo ha demostrado que tiene potencial como base para crear software que pueda determinar las emociones o los eventos que se describen en un texto, incluso sin ser citado explícitamente, reconociendo objetos en fotografías y haciendo predicciones sofisticadas sobre el comportamiento futuro probable de las personas.

JUEGOS DE PROFUNDIDAD DE APRENDIZAJE
En 2011, Google lanzó el proyecto Google Brain, que creó una red neuronal entrenada con algoritmos de aprendizaje profundo, que se destacó por mostrar su capacidad para reconocer conceptos de alto nivel.

El año pasado, la Unidad de Investigación de AI de Facebook creó utilizando un conocimiento profundo y un aprendizaje profundo para crear soluciones que identifiquen mejor las caras y los objetos que aparecen en los 350 millones de vídeos y fotos que se suben diariamente a Facebook. Un ejemplo de aprendizaje profundo en acción es el sistema de reconocimiento de voz incluido en Google Now o el sistema de Apple llamado Siri.

FUTURO
El aprendizaje profundo promete muchos avances, lo que hace que construir autos autónomos y crear gerentes robóticos sea una verdadera oportunidad. Todavía son limitados, pero lo que pueden lograr era impensable hace solo unos años. Y la velocidad con la que avanzan nunca se ha visto antes. La capacidad de analizar cantidades masivas de datos y utilizar el aprendizaje profundo en sistemas informáticos que pueden adaptarse a las experiencias, en lugar de depender de un programador humano, conducirá a avances tecnológicos de gran alcance. Van desde el descubrimiento de drogas o el desarrollo de nuevos materiales hasta la creación de robots con una mayor conciencia del mundo que los rodea. Quizás esto explica por qué Google ha estado comprando últimamente y las compañías de robótica han estado en la parte superior de su lista. En pocos meses han adquirido ocho empresas de robótica.
Esperando que esta información os haya resultado interesante, se despide:
David.
Gracias por haberte tomado la molestia de leer esta entrada, y nos vemos a la próxima.
Un saludo, ¡Pero de verdad!

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *