Más capas, más abstracción. El aprendizaje profundo utiliza redes neuronales con muchas capas ocultas para aprender representaciones directamente a partir de datos sin procesar. En lugar de definir las características manualmente, los profesionales permiten que la red las descubra.

Este enfoque se popularizó enormemente después de 2012, cuando una red neuronal convolucional profunda ganó una importante competición de reconocimiento de imágenes por un amplio margen. Las GPU más rápidas, los conjuntos de datos más grandes y las técnicas de entrenamiento mejoradas marcaron la diferencia.

Donde el aprendizaje profundo sobresale

• Reconocimiento de imágenes y vídeos
• Procesamiento del habla y del lenguaje
• Modelado generativo
• Juego y control
• Sistemas de recomendación

No es magia. Los modelos profundos requieren grandes conjuntos de datos, una gran capacidad de procesamiento y un ajuste preciso. Además, son difíciles de interpretar, lo cual representa un problema en ámbitos regulados como la medicina y las finanzas. El progreso continúa, pero también las limitaciones prácticas.