{"id":4442,"date":"2018-01-30T16:22:18","date_gmt":"2018-01-30T16:22:18","guid":{"rendered":"http:\/\/www.vertice.org\/blog\/?p=4442"},"modified":"2018-02-07T08:01:13","modified_gmt":"2018-02-07T08:01:13","slug":"deep-learning-aprenden-los-chatbots","status":"publish","type":"post","link":"https:\/\/grupovertice.com\/blog\/deep-learning-aprenden-los-chatbots\/","title":{"rendered":"Deep Learning: \u00bfC\u00f3mo aprenden los chatbots?"},"content":{"rendered":"

Diego S\u00e1nchez\u00a0<\/em>
\nDirector de V\u00e9rtice e-Learning\u00a0<\/em><\/p>\n

En el post ‘e-Learning y chatbots: ante un nuevo desaf\u00edo’<\/a> abordamos la importancia de esta tecnolog\u00eda aplicada al universo e-Learning<\/a>.<\/strong> Una herramienta basada en la inteligencia artificial<\/strong> que permite mejorar la experiencia formativa de los usuarios. Softwares aut\u00f3nomos capaces de interactuar como si de personas reales se tratasen. Sin embargo, \u00a0\u00bfc\u00f3mo es el proceso formativo de estos compa\u00f1eros virtuales? La respuesta la encontramos en el ‘deep learning’<\/strong>.<\/p>\n

\"\"<\/a><\/p>\n

El \u00a0concepto de ‘deep learning’ se hizo visible por primera vez, en la d\u00e9cada de los 80’s, \u00a0de la mano del investigador ingl\u00e9s Geoffrey Hinton<\/strong> con su algoritmo Backpropagation<\/strong> (retro-propagaci\u00f3n). Con este hallazgo se consigui\u00f3 que la inteligencia artificial de los ordenadores\u00a0 de la \u00e9poca aprendiesen a detectar errores y mejorarlos.<\/p>\n

Sin embargo, no fue hasta finales de los 90’s cuando Hinton potenciase esta innovaci\u00f3n con su nuevo algoritmo ‘Expectation- Maximization<\/strong>‘ con el que las m\u00e1quinas desarrollaron nuevas funcionalidades como el procesamiento del lenguaje natural o el reconocimiento de voz.<\/p>\n

Y tras este breve apunte hist\u00f3rico, podemos definir el ‘deep learning’ como el uso de algoritmos para crear representaciones abstractas de informaci\u00f3n facilitando as\u00ed el aprendizaje autom\u00e1tico (machine learning). Se trata de una red de neuronas artificiales<\/strong> capaces de emular al sistema nervioso humano.<\/p>\n

El ‘deep learning’ se centra en intentar comprender los datos a diferencia del ‘machine learning’ cuyo principal objetico es conseguir un aprendizaje autom\u00e1tico. Es decir, el primero intentar\u00eda comprender lo que estudia<\/strong> y al segundo s\u00f3lo le interesar\u00eda aprender de memoria.\u00a0 Por ello, los chatbots se est\u00e1n postulando como verdaderos compa\u00f1eros virtuales capaces de \u00absentir\u00bb y procesar la informaci\u00f3n para adelantarse a las necesidades de los usuarios.<\/p>\n

Podr\u00edamos decir que los chatbots aprenden a partir de dos m\u00e9todos autom\u00e1ticos:<\/p>\n

1- Aprendizaje No-supervisado<\/strong>. Se trata de ejercitar al sistema a trav\u00e9s de un n\u00famero 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 an\u00e1lisis de componentes o agrupamientos. Distinguimos:<\/p>\n

2-Aprendizaje Supervisado. <\/strong>El proceso de aprendizaje se realiza mediante un entrenamiento controlado por un agente externo (gu\u00eda o formador) que ser\u00e1 el que determine la respuesta exacta que deber\u00eda generar el sistema a trav\u00e9s de la entrada de datos. \u00a0Dentro de este tipo de aprendizaje destacan tres v\u00edas:<\/p>\n