Deep Learning, TensorFlow y mis planes para dominar el mundo

Desde hace un tiempo está volviendo a tomar bastante fuerza el viejo concepto de las redes neuronales, su potencial es algo que se puso de manifiesto hace unos meses cuando Google y su AI consiguieran ganar machacar al campeón (por el equipo humano), pero como todos sabemos la tecnología Deep learning no es algo nuevo y estamos acostumbrados a usarlo en nuestro día a día (quizás sin darnos cuenta), por ejemplo, los asistentes como SIRI o las cadenas de markov al autocompletar en nuestro móvil. Igualmente el uso de proyectos de BigData e IoT ha propiciado su resurgimiento ya que son dos de los campos en los que mejor complementa esta tecnología.

Pero, realmente sabemos qué es el deep learning y cómo podemos aplicarlo.

El Deep learning no es más que una red neuronal en la que se establecen una serie de capas ocultas para mejorar los ratios de aprendizaje, estas redes neuronales se combinan para que bajo una entrada se puedan obtener conocimientos y mejores acciones a aplicar.

RedNeuronalUn ejemplo típico sería pensar en un dataset de imágenes de animales y queremos identificar cuándo son imágenes de manadas de elefantes. En este escenario tendríamos que hacer dos RN principales:

  • La primera para identificar elefantes
  • La segunda para identificar si manadas

Las dos anteriores se dividirían en nuevas RN para ver si tiene orejas, si las orejas son grandes, otra para la trompa, y lo mismo para las manadas. Todo esto lo iríamos agregando hacia arriba hasta tener el conjunto de cualidades o hechos con los que trabajarían la última RN. Esto es deep learning.

¿Cómo podemos implementarlo?, en IA esta es la pregunta verdaderamente compleja porque tenemos dos grandes puntos a resolver:

  1. Establecer el modelo de la red neuronal (la descomposición anterior que hacía)
  2. Implementar la red neuronal

Como ingenieros, para el primer punto no hay más que apoyarse en matemáticos y estadísticos. Para el segundo en GMV estamos trabajando con dos herramientas principalmente: TensorFlow y Weka.

ToolsTensorFlow es una biblioteca de software de código abierto para el cálculo numérico usando diagramas de flujo de datos, es decir, la diferencia principal entre TensorFlow y otras bibliotecas para RN es que se trata de un lenguaje de descripción de flujos (grafos) de datos para RNs. En estos grafos los nodos representan operaciones matemáticas, mientras que las aristas representan los “tensores” para comunicar dichos nodos (flujos de datos). Esto es para mí lo más interesante de TF. Lo peor… es tremendamente complejo de utilizar a nivel conceptual (al menos para mí).

tensorflowEs importante remarcar que TF fue originalmente desarrollado por investigadores e ingenieros que trabajan en el equipo de AlphaGo de Google, casi nada.

Por nuestra parte, en GMV, ya estamos haciendo nuestros pinitos con las RNs y hemos implementado un prototipo que permite llevar a cabo la codificación preliminar de los datos de calidad del aire tomados por los sensores de la red.

El proceso de codificación es una de las operaciones que se hacen en los centros de control comunitarios. Cuando se toman los datos por los sensores y estos llegan al CC, los datos están marcados, normalmente, como X y es una persona humana, bajo su juicio de experto, la que debe llevar a cabo la codificación de cada dato (normalmente diezminutal) para decidir si ese dato es válido o no lo es (porque por ejemplo el sensor esté en mantenimiento, se haya ido a fondo de escala, etc.), imaginad el retardo que supone esto cuando por ejemplo se debe avisar a la población de superaciones de un cierto parámetro. De ahí que en muchas páginas de organismos públicos se incluya la aclaración de que los datos ofrecidos no se encuentran validados.

Con el prototipo que hemos planteado, conseguimos hacer esas operaciones en segundos permitiendo que las personas que se dedican a dichas tareas puedan realizar otras mucho más productivas, todo ello de una forma retroalimentada con un 99,8% de efectividad gracias a la aplicación de RNs básicas. Imaginad el gran ahorro económico y temporal que supone para el CC.

Como veis estoy a dos pasos de la conquista del mundo.

Autor: Ángel Cristóbal Lázaro Ríos
Ingeniero en GMV, delegación de Sevilla

Las opiniones vertidas por el autor son enteramente suyas y no siempre representan la opinión de GMV
The author’s views are entirely his own and may not reflect the views of GMV
Share

    Deja un comentario

    Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

      I accept the privacy policy Acepto la Política de Privacidad

    Basic Data-Protection information:

    Data-protection supervisor: GMV Innovating Solutions SL
    Purpose: Answer questions, respond to user complaints and recommendations, receive job applicants resumes and career information.
    Legitimation: Consent of data subject
    Addresses: Grupo GMV companies
    Rights: Access, rectify and cancel data plus other rights, as explained in additional information
    Additional information: You can check out the additional and detailed data-protection information on our website:Privacy Policy

    Puedes usar las siguientes etiquetas y atributos HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

    WP-SpamFree by Pole Position Marketing

    7.842 Total Views