Posiblemente el futuro
del aprendizaje automático pase por un giro hacia el aprendizaje no
supervisado. En este paradigma los algoritmos son capaces de aprender sin
intervención humana previa, sacando ellos mismos las conclusiones acerca de la
semántica embebida en los datos. Ya existen compañías que se centran
completamente en enfoques de aprendizaje automático no supervisado, como Loop
AI Labs, cuya plataforma cognitiva es capaz de procesar millones de documentos
no estructurados y construir de forma autónoma representaciones estructuradas. La disciplina del
aprendizaje automático está en plena ebullición gracias a su aplicación en el
mundo del Big Data y el IoT. No dejan de aparecer avances y mejoras de los
algoritmos más tradicionales, desde los conjuntos de clasificadores (ensemble
learning) hasta el Deep Learning, que está muy de moda en la actualidad por sus
capacidad de acercarse cada vez más a la potencia perceptiva humana.En el enfoque Deep
Learning se usan estructuras lógicas que se asemejan en mayor medida a la
organización del sistema nervioso de los mamíferos, teniendo capas de unidades
de proceso (neuronas artificiales) que se especializan en detectar determinadas
características existentes en los objetos percibidos. La visión artificial es
una de las áreas donde el Deep Learning proporciona una mejora considerable en
comparación con algoritmos más tradicionales. Existen varios entornos y
bibliotecas de código de Deep Learning que se ejecutan en las potentes GPUs
modernas tipo CUDA, como por ejemplo NVIDIA cuDNN. El Deep Learning
representa un acercamiento más íntimo al modo de funcionamiento del sistema
nervioso humano. Nuestro encéfalo tiene una microarquitectura de gran
complejidad, en la que se han descubierto núcleos y áreas diferenciados cuyas
redes de neuronas están especializadas para realizar tareas específicas.
