Aprendizaje automático práctico con Scikit-Learn, Keras y TensorFlow, 3ª edición

Capítulo 10. Introducción alas redes neuronales artificialescon Keras

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Los pájaros nos inspiraron para volar, las plantas de bardana inspiraron el velcro, y la naturaleza ha inspirado innumerables inventos más. Parece lógico, pues, fijarse en la arquitectura del cerebro para inspirarse en cómo construir una máquina inteligente. Esta es la lógica que dio origen a las redes neuronales artificiales (RNA), modelos de aprendizaje automático inspirados en las redes de neuronas biológicas que se encuentran en nuestro cerebro. Sin embargo, aunque los aviones se inspiraron en los pájaros, no tienen que batir las alas para volar. Del mismo modo, las RNA se han ido diferenciando gradualmente de sus primas biológicas. Algunos investigadores sostienen incluso que deberíamos abandonar por completo la analogía biológica (por ejemplo, diciendo "unidades" en lugar de "neuronas"), no sea que restrinjamos nuestra creatividad a los sistemas biológicamente plausibles.¹

Las RNA son el núcleo del aprendizaje profundo. Son versátiles, potentes y escalables, lo que las hace ideales para abordar tareas de aprendizaje automático grandes y muy complejas, como clasificar miles de millones de imágenes (por ejemplo, Google Imágenes), impulsar servicios de reconocimiento de voz (por ejemplo, Siri de Apple), recomendar los mejores vídeos a cientos de millones de usuarios cada día (por ejemplo, YouTube), ...