Algunas de las desventajas del aprendizaje profundo son:
- Son inescrutables: no puedes entender por qué han llegado a un resultado particular sin tener años de experiencia trabajando con ellos e incluso entonces no siempre.
- Entrenar y elegir la topología de red correcta es un arte negro: algunas cosas funcionan y otras no, pero no está claro que haya una buena metodología para diseñar la arquitectura de red “correcta”. Esto es especialmente cierto para algunas de las configuraciones más exóticas como Generative Adversarial Networks.
- Toman una gran cantidad de datos (mucho más que otros algoritmos) para entrenar.
- Toman mucho tiempo (mucho más que otros algoritmos) para entrenar.
- Toman mucha memoria (mucho más que otros algoritmos) para ejecutarse. Este es un problema especialmente en dispositivos móviles.
- Nunca se sabe cuando el entrenamiento de una red neuronal está “hecho”.
- No hay una base teórica para la red neuronal.
- No se generalizan bien (por ejemplo, si entrena una red para conducir un automóvil en días soleados y luego la prueba bajo la lluvia, espera que falle abismalmente).