Deep Learning: ¿Cómo aprenden los chatbots?
Diego Sánchez
Director de Vértice e-Learning
En el post ‘e-Learning y chatbots: ante un nuevo desafío’ abordamos la importancia de esta tecnología aplicada al universo e-Learning. Una herramienta basada en la inteligencia artificial que permite mejorar la experiencia formativa de los usuarios. Softwares autónomos capaces de interactuar como si de personas reales se tratasen. Sin embargo, ¿cómo es el proceso formativo de estos compañeros virtuales? La respuesta la encontramos en el ‘deep learning’.
El concepto de ‘deep learning’ se hizo visible por primera vez, en la década de los 80’s, de la mano del investigador inglés Geoffrey Hinton con su algoritmo Backpropagation (retro-propagación). Con este hallazgo se consiguió que la inteligencia artificial de los ordenadores de la época aprendiesen a detectar errores y mejorarlos.
Sin embargo, no fue hasta finales de los 90’s cuando Hinton potenciase esta innovación con su nuevo algoritmo ‘Expectation- Maximization‘ con el que las máquinas desarrollaron nuevas funcionalidades como el procesamiento del lenguaje natural o el reconocimiento de voz.
Y tras este breve apunte histórico, podemos definir el ‘deep learning’ como el uso de algoritmos para crear representaciones abstractas de información facilitando así el aprendizaje automático (machine learning). Se trata de una red de neuronas artificiales capaces de emular al sistema nervioso humano.
El ‘deep learning’ se centra en intentar comprender los datos a diferencia del ‘machine learning’ cuyo principal objetico es conseguir un aprendizaje automático. Es decir, el primero intentaría comprender lo que estudia y al segundo sólo le interesaría aprender de memoria. Por ello, los chatbots se están postulando como verdaderos compañeros virtuales capaces de «sentir» y procesar la información para adelantarse a las necesidades de los usuarios.
Podríamos decir que los chatbots aprenden a partir de dos métodos automáticos:
1- Aprendizaje No-supervisado. Se trata de ejercitar al sistema a través de un número infinito de ejemplos sin especificar lo que debe buscar. Se basa de las observaciones ya que a priori el sistema no tiene un conocimiento previo. Este tipo de aprendizaje suele abordar problemas relacionados con la familiaridad, el análisis de componentes o agrupamientos. Distinguimos:
2-Aprendizaje Supervisado. El proceso de aprendizaje se realiza mediante un entrenamiento controlado por un agente externo (guía o formador) que será el que determine la respuesta exacta que debería generar el sistema a través de la entrada de datos. Dentro de este tipo de aprendizaje destacan tres vías:
- Aprendizaje por corrección de error: minimiza el error entre la entrada y la salida de información.
- Aprendizaje por refuerzo: determina las acciones que debe escoger el sistema en un entorno predeterminado con el objetivo de maximizar alguna noción de recompensa acumulada.
- Aprendizaje Estocástico: realiza cambios aleatorios en los valores de los pesos y evalúa el efecto a partir de los objetivos planteados con anterioridad.
Tras este entrenamiento, nuestros compañeros virtuales son capaces de entender el lenguaje humano; emular una verdadera conversación; atender dudas; realizar búsquedas específicas y obtener resultados exactos, entre otras funcionalidades. Y si esto lo aplicamos al campo del e-Learning estamos ante una verdadera revolución en cuanto al diseño e implementación de los itinerarios formativos en el proceso de aprendizaje de los usuarios.
¿Confiarías en los chatbots como compañeros virtuales? Si quieres ampliar información, te recomiendo que consultes estos artículos:
