Python Deep Learning

Introducción práctica con Keras y TensorFlow 2

Jordi Torres

• Editorial: Marcombo
• Año: 2020
• ISBN:
  9788426729255
• Edición: 1
• Categoría: Informatica
• Categoría: Programmazione in Python

La inteligencia artificial permite la innovación y el cambio en todos los aspectos de la vida moderna. La mayoría de los avances actuales se basan en Deep Learning, un área de conocimiento muy madura que permite a las empresas desarrollar y poner en producción sus algoritmos de aprendizaje automático.Muchos profesionales interesados en comprender el Deep Learning tienen dificultades en establecer una ruta adecuada para empezar y saltar la barrera de entrada en este campo de innovación, debido a su complejidad y falta de manuales sobre el tema. Por ello, este libro proporciona todos los contenidos necesarios para entender qué es el Deep Learning y conocer las posibilidades de esta tecnología. Gracias a la combinación de los principios teóricos del Deep Learning y el enfoque práctico de codificación, se iniciará en este apasionante mundo mediante el lenguaje Python y la API Keras de la librería TensorFlow, el entorno más popular para desarrollar aplicaciones Deep Learning tanto a nivel de empresa como de proveedores Cloud. Asimismo, conocerá las principales redes neuronales actuales, como las redes neuronales convolucionales, las redes neuronales recurrentes o las Generative Adversarial Network, entre otras. Además, en la parte inferior de la primera página encontrará el código de acceso que le permitirá acceder de forma gratuita a los códigos del libro en www.marcombo.info.Tanto si tiene poca experiencia en programación, como si es un programador experimentado, consiga este libro y obtenga las habilidades prácticas básicas que le permitirán comprender cómo funciona y qué hace posible (y qué no) el uso del Deep Learning en sus propios proyectos.Jordi Torres es catedrático en la UPC Barcelona Tech y lidera el grupo de investigación Emerging Technologies for Artificial Intelligence en el Barcelona Supercomputing Center. Tiene más de 30 años de experiencia en docencia e investigación en computación de altas prestaciones y ha publicado libros científicos y proyectos de I+D en empresas e instituciones. Es consejero delegado por la UPC en la empresa iThinkUPC, y actúa como formador y experto para diversas organizaciones y empresas. A su vez, imparte conferencias, colabora con diferentes medios de comunicación y mantiene un blog sobre ciencia y tecnología en www.torres.ai

PARTE 1:

INTRODUCCIÓN

CAPÍTULO 1.

¿Qué es el Deep Learning?

Se está considerando la inteligencia artificial como la nueva revolución industrial, corazón de lo que algunos llaman industria 4.0. Pues bien, Deep Learning es el motor de este proceso y, a continuación, centraremos el tema y veremos que la inteligencia artificial (Artificial Intelligence en inglés) ya está aquí y por qué ha venido para quedarse.

Los sistemas informáticos actuales ya traducen textos en cualquier idioma, responden automáticamente correos electrónicos o crean fake news que nos están volviendo locos a todos. Esto se debe, en gran medida, a una parte de la inteligencia artificial que se denomina Deep Learning (traducido a veces como «aprendizaje profundo»). El término Deep Learning agrupa una parte de técnicas de aprendizaje automático (Machine Learning en inglés) que se basan en modelos de redes neuronales y cuya gran aplicabilidad se ha mostrado recientemente en multitud de usos por parte la industria.

Figura 1.1 Deep Learning es un subconjunto de Machine Learning, que es solo una parte de la inteligencia artificial, aunque en estos momentos quizás es la más dinámica y la que está haciendo que la inteligencia artificial esté nuevamente en pleno auge.

El objetivo de este capítulo es ayudar al lector o lectora a enmarcar el Deep Learning, que ha surgido de la investigación en inteligencia artificial y Machine Learning. Para ello, empezaremos explicando de forma general qué se entiende por Machine Learning e inteligencia artificial, marco donde se engloba el Deep Learning, tal como se muestra en la Figura 1.1. Todo ello sin entrar en detalles de definiciones y categorizaciones académicas, quedándonos en una visión general suficiente para poder entrar a la parte práctica de esta apasionante disciplina.

1.1. Inteligencia artificial

1.1.1. La inteligencia artificial está cambiando nuestras vidas

Nos encontramos ante vertiginosos avances en la calidad y prestaciones de una amplia gama de tecnologías cotidianas: en el caso del reconocimiento de voz automática (Automated Speech Recognition en inglés, ASR), la transcripción de voz a texto ha experimentado avances increíbles, y ya está disponible en diferentes dispositivos de uso doméstico. Estamos interactuando cada vez más con nuestros ordenadores (y todo tipo de dispositivo) simplemente hablando con ellos.

También ha habido avances espectaculares en el procesado de lenguaje natural (Natural Language Processing en inglés, NLP). Por ejemplo, simplemente haciendo clic en el símbolo de micro de Google Translate, el sistema transcribirá a otro idioma lo que está dictando. Google Translate ya permite convertir oraciones de una lengua a otra en un gran número de pares de idiomas, y ofrece traducción de texto para más de un centenar.

Incluso más relevante en el ámbito del NLP es lo que ocurre con el texto predictivo y la redacción automática en proyectos como el GPT-2³ de la fundación OpenAI, en el que los propios creadores decidieron abortar su publicación completa en abierto a inicios del 2019, por considerar que era una herramienta tan poderosa que podía por ejemplo ser usada para fabricar potentes fake news. Finalmente, a finales de año liberaron la versión completa⁴.

A su vez, los avances en la visión por computador (Computer Vision en inglés, CV) también son enormes: ahora nuestros ordenadores, por ejemplo, pueden reconocer imágenes y generar descripciones textuales de su contenido en segundos. O la perfección que están alcanzando los generadores de rostros artificiales, que permite que se mezclen personajes reales y ficticios con total realismo.

Estas tres áreas (ASR, NLP y CV) son cruciales para dar rienda suelta a las mejoras en robótica, drones o automóviles sin conductor. La inteligencia artificial está en el corazón de toda esta innovación tecnológica, que últimamente avanza tan rápidamente gracias a Deep Learning.

Y todo ello a pesar de que la inteligencia artificial todavía no se ha desplegado ampliamente; es difícil hacerse una idea del gran impacto que tendrá, al igual que en 1995 lo era el imaginarse el impacto futuro de Internet. En aquel entonces, la mayoría de la gente no veía que Internet fuera a ser relevante para ellos ni cómo iba a cambiar sus vidas.

Personas como Sundar Pichai, director ejecutivo de Google, dicen que el impacto de la inteligencia artificial en la historia de la humanidad es comparable con el de la electricidad y el fuego⁵. Para él, la inteligencia artificial es una de las cosas más importantes en las que la humanidad está trabajando y opina que, al igual que la gente aprendió a utilizar el fuego para los beneficios de la humanidad, también necesitó superar sus desventajas.

Quiero creer que Pichai es muy optimista respecto a la inteligencia artificial y que está convencido de que podría usarse para ayudar a resolver algunos de los retos que tiene la humanidad encima de la mesa. Quizás esta comparativa sea una exageración, eso solo lo sabremos con el tiempo; pero yo de ustedes le tendría puesto el ojo a la inteligencia artificial, porque algo está cambiando, y a todos nos conviene estar atentos a lo que se avecina.

Pero, ¿a qué nos referimos cuando hablamos de inteligencia artificial? Una extensa y precisa definición (y descripción de sus ámbitos) se encuentra en el libro de Stuart Rusell⁶ y Peter Norvig⁷ titulado Artificial Intelligence, a modern approach⁸, el texto sobre inteligencia artificial más completo y, sin duda para mí, el mejor punto de partida para tener una visión global del tema. Pero intentando hacer una aproximación más generalista (propósito de este libro), podríamos aceptar una definición simple en la que por inteligencia artificial entendamos aquella inteligencia que muestran las máquinas, en contraste con la inteligencia natural de los humanos. En este sentido, una posible definición concisa y general de inteligencia artificial podría ser «el esfuerzo para automatizar tareas intelectuales normalmente realizadas por humanos».

Como tal, el área de inteligencia artificial es un campo muy amplio que abarca muchas áreas del conocimiento relacionadas con el aprendizaje automático; incluso se incluyen muchos más enfoques no siempre catalogados como aprendizaje automático. Además, a lo largo del tiempo, a medida que los computadores han sido cada vez más capaces de «hacer cosas», han ido cambiando las tareas o tecnologías consideradas «inteligentes».

Esto explica por qué desde los años 50 la inteligencia artificial ha experimentado varias oleadas de optimismo, seguidas por la decepción y la pérdida de financiación e interés (épocas conocidas como AI winter⁹), seguidas luego de nuevos enfoques, éxito y financiación. Además, durante la mayor parte de su historia, la investigación en inteligencia artificial se ha dividido en subcampos basados en consideraciones técnicas o herramientas matemáticas concretas y con comunidades de investigación que no se comunicaban suficientemente entre sí.

Pero sin duda estamos ante una nueva época de expansión de la inteligencia artificial con resultados muy llamativos. Por ejemplo, un grupo de investigación de DeepMind ya en el 2016 consiguió que las máquinas aprendieran solas (sin intervención humana) a vencer a los humanos jugando a complejos juegos de mesa como el Go¹⁰. Otro ejemplo es la página web de acceso público ThisPersonDoesNotExist.com que, aplicando los resultados de un artículo de investigación¹¹, muestra lo fácil que es para la inteligencia artificial generar caras falsas increíblemente realistas para cualquier humano. Les propongo que...