¿Qué es el "aprendizaje profundo" (deep learning)?

El aprendizaje profundo (deep learning) es una forma de aprendizaje automático basada en redes neuronales con muchas capas apiladas, donde cada capa transforma un poco más los datos antes de pasarlos a la siguiente. Esta profundidad permite a la red aprender patrones cada vez más abstractos; por ejemplo, las primeras capas de un modelo de imágenes podrían detectar bordes simples, mientras que las capas más profundas combinan esos bordes en formas, luego en objetos y luego en escenas completas, un enfoque que resultó ser muchísimo más capaz que las técnicas anteriores y más superficiales una vez hubo suficientes datos y potencia de cómputo disponibles.

Estudiar mientras duermes es un concepto real, aunque distinto, de la ciencia cognitiva sin relación con las redes neuronales por capas. Borrar archivos profundamente ocultos es una tarea ordinaria de gestión de archivos informáticos, sin relación con cómo aprenden patrones los modelos de IA a partir de los datos.

El momento decisivo del aprendizaje profundo ante el público más amplio llegó cuando las redes neuronales profundas empezaron a superar claramente a las técnicas anteriores en concursos de reconocimiento de imágenes, un resultado que ayudó a desatar la enorme oleada de inversión e investigación que llevó directamente a los grandes modelos de lenguaje y generadores de imágenes actuales.