Definición
Son modelos matemáticos inspirados en el cerebro humano. Están formados por capas de neuronas artificiales que aprenden representaciones complejas ajustando los pesos de sus conexiones. Ese proceso, llamado entrenamiento, permite a la red encontrar patrones, clasificar información y hacer predicciones a partir de datos.
Mueve las entradas, elige la respuesta correcta y entrena la red.
Error 0.432
Por qué importa en la universidad
Están en la base de la IA actual y de sus usos en educación:
- Predicción y clasificación. Análisis predictivo del rendimiento y clasificación de contenidos.
- Análisis de imágenes. Reconocimiento visual para materiales educativos multimedia.
- Procesamiento del lenguaje. Comprensión y generación de texto para tutorías y evaluación.
- Sistemas adaptativos. Aprendizaje personalizado a partir de patrones de comportamiento.
Un poco de historia
Cómo se ha llegado hasta aquí
Una idea de los años cincuenta que tardó décadas en funcionar.
1958
El perceptrón
Frank Rosenblatt presenta la primera neurona artificial capaz de aprender a partir de ejemplos.
1986
Retropropagación
Rumelhart, Hinton y Williams popularizan el método para entrenar redes de varias capas.
2012
El salto del aprendizaje profundo
Una red profunda gana con claridad un concurso de reconocimiento de imágenes y el enfoque se impone en toda la IA.
2017
Transformers
Una nueva arquitectura de red abre el camino a los modelos de lenguaje actuales.
Ejemplos en el aula
Clasificación de textos
Ordenación automática de trabajos y respuestas de estudiantes.
Análisis del clima emocional
Lectura del tono de foros y debates educativos.
Reconocimiento de escritura
Interpretación de diagramas, ecuaciones y notas a mano.
Para saber más
Lecturas recomendadas
- Goodfellow, I., Bengio, Y., y Courville, A. (2016). Deep Learning. MIT Press.La obra de referencia del campo.