La mayoría de los profesionales del aprendizaje automático parecen entusiasmarse con el término “aprendizaje profundo”. ¿Cuáles son algunas de las aplicaciones prácticas del aprendizaje profundo?

La visión por computadora es la más grande.

Clasificación de objetos en imágenes. Clasificación de si un tumor es canceroso o maligno (creo que el rendimiento actual de la máquina ya superó el rendimiento humano experto). Dada una lista de síntomas e historial del paciente, determine la enfermedad más probable (muy por encima del rendimiento del médico humano). Muy alta precisión de voz a texto. Reconocimiento facial. Reconocimiento de expresiones faciales. Dada una lista de películas que un usuario ya ha visto en Netflix, predice en cuáles de las que no ha visto le interesará.

La lista sigue y sigue.

Las aplicaciones potenciales son las mismas que las de los algoritmos de aprendizaje automático anteriores. El beneficio del aprendizaje profundo sobre las técnicas anteriores es un mejor rendimiento. Consulte Aprendizaje automático para algunas aplicaciones.

La visión artificial es probablemente la aplicación más importante. En algún lugar leí que el rendimiento de la visión artificial en los letreros de las calles en un entorno ruidoso es superior al humano.

Un mejor reconocimiento de patrones está mejorando el aprendizaje por refuerzo. Aquí hay un artículo que describe un enfoque de aprendizaje profundo para construir un robot que se enseñe a sí mismo a jugar juegos de computadora simples. Página en arxiv.org

Hubo un artículo en la revista de procesamiento de señales IEEE 2012 escrito por Google, IBM, Microsoft y Hinton que mostró grandes ganancias para los DNN en varias tareas de ASR. Estas tareas han existido durante mucho tiempo y fue muy sorprendente (y emocionante) ver ganancias tan grandes después de tanto tiempo de relativo estancamiento en el rendimiento de estas tareas.