Page 35 - revista 2019

Revista de la Facultad de Ingeniería, Año 6, Número 1
Matriz de confusión: Es una matriz donde en el eje “x” figuran las clasificaciones
reales y en el eje “y” las clasificaciones predichas. Un buen modelo presenta una
diagonal fuerte donde la diagonal es la intersección entre la clasificación real y la
clasificación predicha.

Usos del Deep Learning

El uso de herramientas o sistemas que utilizan algoritmos de Deep Learning ha
aumentado en los últimos años en forma considerable. Esto se debe en gran medida
a los avances tecnológicos producidos respecto a las capacidades de cómputos, al
apoyo de grandes empresas (como ser Google, Microsoft, IBM, entre otros) y, a la
mejora y popularización de herramientas que hacen de estas tecnologías accesibles
para la mayoría de los desarrolladores.
Existen una gran variedad de posibles usos para estas tecnologías, sin
embargo, el uso más extendido o cotidiano apunta a temas relacionados al lenguaje,
como ser: traductores inteligentes, lenguaje natural hablado y escrito,
reconocimiento de voz, interpretación semántica y por otro lado al procesamiento de
imágenes como ser: reconocimiento de caras y visión computacional.
Una búsqueda rápida por internet nos brinda un sinfín de casos que
ejemplifican como las grandes empresas utilizan soluciones de Inteligencia artificial
en sus productos.
Para citar alguna de ellas, Google Docs incorpora inteligencia artificial para
corregir faltas de ortografía; clasificar fotos, videos en Youtube y procesar
información que llega desde los servidores de correo que administran. Microsoft ha
comenzado a integrar inteligencia artificial a sus herramientas ofimáticas y Facebook
utiliza Inteligencia artificial para luchar con las noticias falsas. En muchos casos, la
incorporación de estas tecnologías se realiza mediante la adquisición de startups o
empresas especializadas en inteligencia artificial o deep learning como fue el caso de
la adquisición de Deep mind Technologies en 500 millones de dólares por parte de
Google (Pastor, J., 2014).
En los últimos años se ha comenzado a vislumbrar el uso de IA en la Bio-
Industria, con avances concretos y específicos para las industrias de salud humana
como ser Bio-Medica y Bio-farma.
En el campo de la bio médica, existe una extensión de Tensor Flow llamado
DLTK (Deep Learning Toolkitfor Medical Imaging) que disponibiliza deep learning
para el procesamiento de imágenes médicas. Las imágenes médicas son análisis (no
simplemente imágenes) del cuerpo humano en distintas escalas y dentro de ellas
podemos ver imágenes de ultrasonido, rayos X, tomografías entre muchas otras. Las
técnicas de deep learning sustituyen los mecanismos de machine learning
anteriormente utilizados. La posibilidad de analizar grandes cantidades de datos,
gracias a los incrementos de velocidad de GPU; y la capacidad de crear características
(features) mediante el análisis de los datos sin la intervención humana hacen del deep
learning una herramienta de gran importancia para los centros de salud (Rajchl, M.,
2018).
De la mano de lo anterior, la IA comienza a incursionar en genómica y edición
genética. Deep Variant es una herramienta de Google entrenada con deep learning,
que utiliza técnicas de IA para brindar una imagen más precisa del genoma utilizando
como dato de entrada los HTS (High-through put sequencing). Otro startup, mediante
el uso de IA es capaz de decodificar el genoma del paciente y recomendarle una
terapia especifica basada en la información de sus genes (Marr, B., 2018).

34