Aprendizaje profundizado y aprendizaje profundo

Como empieza septiembre y comienza el curso escolar 22-23 creo que es muy importante saber y conocer como se aprende, aprender a aprender, el camino hacía el aprendizaje, es decir "el aprendizaje profundo y el aprendizaje profundizado" que no es lo mismo. 

El aprendizaje profundizado según Wikipedia se refiere a personas y el profundo a máquinas que piensan, a programas, métodos, técnicas, tareas de inteligencia artificial.

"El aprendizaje profundizado" tiene que ver con dominar un contenido académico riguroso, incluye trabajar en equipo y el pensamiento crítico. No significa aqui por ejemplo que el alumnado aplique lo aprendido y poder continuar los estudios de la materia sino que es muy novedoso porque esos contenidos le están enseñando algo distinto, está aprendiendo a vivir. Parece muy frustrante sino se entiende o se evalua mal, está interaccionando a la vez y actuando con el entorno y lo que es más importante "está participando de su propio aprendizaje". Se pide aquí enseñar con ejemplos y casos, motivar y si la evaluación no es suficiente hay que cambiar los métodos.

"El aprendizaje profundo" requiere más pensamiento analítico, resolución de problemas y trabajo en equipo. Se define como un conjunto de resultados de aprendizaje que incluyen la adquisición de un núcleo duro de conocimientos, pensamiento complejo y disposición para aprender. Forma parte del campo digital,  de la inteligencia artificial, aprender a través de imágenes, textos y sonidos, y las aplicaciones serian detección de objetos, reconocimiento facial, de acciones, todo lo que tiene que ver con teléfonos, móviles, tablets, manos libres, videos juegos, mesa de mezclas de sonidos. Tiene que ver con redes neuronales, datos, codificadores y descodificadores. Entender el habla, las imágenes, es un apoyo en la investigación científica, conocer diagnósticos. Es una técnica de aprendizaje humano, enseña con el ejemplo e implica muchos retos, entre los que cabe destacar que aborda problemas difíciles y complejos para las personas pero fáciles para el ordenador y son intuitivos, automáticos, son conceptos que se asocian, se relacionan unos con otros, complicados que se aprenden de otros mas sencillos. Permite a los ordenadores aprender de la experiencia, y entender el mundo de las jerarquias de conceptos. Se llama aprendizaje profundo porque tiene muchas capas. Se abordan problemas del mundo real y que parecen subjetivos. 

Ambos el aprendizaje profundizado y el aprendizaje profundo son formas ocultas de entenderse y de entender el mundo, son formas de comprender el mundo y lo que rodea, implican composiciones y descomposiciones, conceptos aprendidos automáticos y procedimientos para llegar a algo, a la verdad, nuevas formas de hacer y comprensión de principios que subyacen en la inteligencia y en el aprendizaje. Entiendo que es muy importante saber de esto porque el alumnado según va subiendo de nivel y de capas aprende aprendizajes profundizados y  aprendizajes profundos, es todo una gran tarea de investigación y aplicación.  

El premio que ha concedido el jurado de la Fundación Princesa de Asturias 2022 en la categoría de Investigación científica y técnica de este año 2022 tiene que ver con esto, con el aprendizaje profundo. 

Los homenajeados han sido "Geoffrey Hinton, Yann Lecun, Yoshua Bengio y Demis Hassabis". Los tres primeros son considerados los padres del Aprendizaje profundo y Demis Hassabis es cofundador de DeepMind una de las mejores y mayores compañias del mundo de investigación en inteligencia artificial. Han sido premiados porque han considerado nos dice el jurado en el acta que las aportaciones de los premiados han supuesto un gran avance en el desarrollo del aprendizaje profundo, en técnicas como el reconocimiento de la voz, el procesamiento del lenguaje natural, la percepción de objetos, la traducción automática, la optimización de estrategias, el análisis de estructuras, describir ondas, etc. Añaden que supone un avance grande para la sociedad que puede ser calificado de extraordinario.

Geoffrey Hinton es un informático británico, profesor de varias universidades entre las que está Pittsburgh, ahora es emérito en Toronto, tiene la cátedra de investigación en Aprendizaje de máquina, investiga como utilizar las redes neuronales en Aprendizaje de máquina, memoria, percepción, y procesamiento de símbolos, esto le hace ser lider en este campo, fundamentar algoritmos para el reconocimiento de imágenes, y el procesamiento de lenguaje natural. La inteligencia artificial es aprendizaje profundo, y el aprendizaje profundo es blackprop, lo que se conoce como retropropagación, aprendizaje automático. En una entrevista que se le realizó hay un ejemplo muy significativo donde equipara las capas como el sanwiches, una encima de otra, y contienen todas neuronas artificiales, que se excitan y esa excitación está conectada con otras neuronas, cada excitación se representa con un número, según el número indica lo excitada que está, y hay un número crucial que es el que indica la excitación que debe pasar de una a otra. Este número moldea la fuerza en el cerebro, si el número es alto la conexión es fuerte, por lo que la emoción de uno influye en el otro.  La capa de abajo es la capa de entrada y la superior la de salida, las capas que hay entre ellas están todas conectadas. La capa de salida tiene dos neuronas, una representa la imagen y la otra no, nos dice que la idea es enseñar a la red neuronal a excitar solo la primera de esas dos neuronas, haya o no haya la imagen, y que la retropropagación es el método.

Hoy en día existen muchos programas que nos dicen esto, y reconocen imágenes, textos, sonidos, la asociación de datos, hacen que todo funcione y calculan también el grado de error, para ello miran cada conexión de las capas del grado inferior, hasta llegar al primer conjunto de conexiones en la capa más inferior, en este caso se cambia cada uno de los pesos en la dirección que mejor reduzca el error, los errores siempre se propagan hacía atrás, o hacía abajo, de capa en capa hasta llegar a la última. La red está organizada en capas jerárquicas sin haber sido programadas para ello, según formas, conceptos espaciales de abierto cerrado, bordes, esquinas, ya sea de imágenes, textos, grabaciones, es increible y lo que está cerca uno de otro termina teniendo características parecidas, lo que se llama espacio y dimensión, si se es matemático cada neurona corresponde a un número, cada número a una coordenada, y esto es lo que hace el cerebro, estas conexiones, para Hinton nos dicen en una entrevista que si se quiere saber que es el pensamiento se puede expresar con  una cadena de palabras, ya dentro de la cabeza hay actividad neuronal, si se es matemático se captura en un espacio vectorial donde el pensamiento es así como un baile de vectores. Hay quizás una distorsión de la realidad que con este método crea motivación y entusiasmo porque da la sensación que se puede solucionar todo, coches digitales, traducción simultánea, máquinas de salud, espacios de altas dimensiones. Redes neuronales, aprendizajes profundos pero que nos dicen que si cambias de pixel pueden bloquearse por completo, o si se agrega un ruido que no se reconoce, todo lo que aún hay que aprender, es muy dificil apreciar todo lo profundo desde el exterior y entender como en la física va a funcionar, pero al menos ya se sabe de aprendizajes profundos, mas de la mente humana y mas de la inteligencia artificial. 

Yann Lecun, informático que también trabaja en el aprendizaje profundo, el aprendizaje automático, la robótica y la neurociencia, trabaja en la Universidad de Nueva York, es científico de inteligencia artificial y es vicepresidente de redes como Facebook. Tiene una gran trabajo óptico y visual, es el padre fundador de redes convolucionales. En una de las entrevistas realizadas nos dice que "dar a las máquinas sentido común" es un gran trabajo en estas décadas, ya que va a permitir que tomen decisiones más complejas, y que se está invirtiendo mucho en software cognitivo, pero hay aún un gran camino que recorrer, esto es todo nuevo y novedoso, y que depende mucho de los estudios científicos, de los expertos, de como potencien ellos el trabajo, el aprendizaje profundo, los algoritmos informáticos, con capacidades de aprendizajes similares a los humanos, tener aún un contexto mucho mas amplio. Yann Lecun nos habla de la violencia, del maltrato, del acoso, de poder detectar todo esto, de casos con discursos de frustraciones, de odios, que la inteligencia artificial puede utilizarse para esto y filtrarlos, identificar contenidos relacionados con ello. Avanzar así en este mundo, con este aprendizaje profundo, influir en este proceso de inteligencia artificial. La máquina que aprende, y que aprende por sí misma, a través de la experiencia, de las tareas, todo inspirado en el cerebro, y en el corazón de la máquina.

Yoshua Bengio, académico de la Universidad de Montreal, director del instituto de inteligencia artificial en Quebec. Piensa que el aprendizaje profundo puede poner en peligro la democracia, y que los anuncios publicitarios políticos tendrian que estar prohibidos como los del tabaco. Se busca nos dice ser inteligentes y automatizar rutinas, entender imágenes, textos, sonidos y apoyar todo tipo de investigación científica. Hay muchos problemas difíciles pero que para las máquinas son fáciles, el aprendizaje profundo es una forma de permitir que las máquinas sean inteligentes y que aprendan de distintos ejemplos del mundo sobre lo que se quiera, ya sea de algo en particular o del entorno, se trata de enseñar a las máquinas niveles de abstracción y de representación. Nos dice que el alumnado desde muy temprana edad puede estar aprendiendo fisica sin saberlo, solo por observación, que es un tipo de trabajo no supervisado, pero ya puede saber de gravedad, de presión, y que ese aprendizaje siempre se necesita. Actualmente ya se interactua con las máquinas, se les pregunta y nos responde, se va preguntando y aprendiendo como hacerlo para que la máquina nos responda más exactamente lo que queremos y esto es muy gratificante. Esto hace que al resolver problemas nos demos cuenta que se avanza, se progresa y esto realmente es lo que se busca, que nos de respuesta a necesidades, nos facilite la información, nos ayuda en el trabajo y en solución de problemas y conflictos. Tambien nos dice lo mucho que se esta trabajando en este campo y lo novedoso que aún resulta.

Demis Hassabis, nació en Londres, es neurocientífico, maestro de ajedrez, investigador, diseñador de juegos de ordenador, trabaja el campo de la memoria autobiográfica, autor de numerosos artículos, argumentó que los pacientes con daños en el hipocampo, conocido por causar amnesia son incapaces de imaginarse a sí mismos en nuevas experiencias y en cambio pueden hacerlo. Junto con Shane Legg y Mustafa Suleyman cofundó DeepMind "centro de investigación de inteligencia artificial" con logros como el software capaz desde ganar una partida de ajedrez hasta pintar paisajes. Cree que la inteligencia artificial es la salvadora de la humanidad. Está de acuerdo que los niños jueguen a juegos y creen sus propios juegos, programas. Nos dice que el no quiere estar 50 años por delante sino que con cinco son suficientes, estar muy por delante tampoco está bien. que con hardware estaban muy por delante. 

Para finalizar comentar la importancia que tiene la reflexión en la práctica docente del aprendizaje profundizado y profundo, saber analizar estos procesos, la importancia de la creatividad y de la innovación para reconocer estos procesos en la práctica profesional, saber como aprende el alumnado. Ir como las capas desde arriba hasta lo profundo, saber transitar ese camino, de arriba a bajo, aprender a aprender, esto es parte del trabajo docente, tener este compromiso y responsabilidad con el alumnado, consigo mismo, con el conocimiento, con los procesos, con la experiencia de éxito y fracaso, porque la vida avanza, evoluciona y es importante ir adquiriendo los conocimientos actuales, y todo es valioso, trabajar las nuevas teorias a la vez con la experiencia, todo es un trayecto, un caminar, un mundo de significados y de significantes que hay que reconstruir, permitir la mejora en todos, ya sea alumnado, familia, docentes, elevar la calidad, por eso entiendo que acercarse hacia un aprendizaje profundizado y profundo es acercarse hacia una vida más saludable pero también es aprender a transitar ese caminar, ir de arriba abajo y saber volver a subir, de abajo arriba. Es aquí donde se reconoce que la profesión docente y la investigadora y el estar constantemente aprendiendo y actualizándose es un trabajo muy dificil, muy arduo y muy laborioso, implica mucho tiempo, muy poco descanso aunque superficialmente parezcan unas horas y muchas vacaciones, es un gran trabajo, solo se ve lo superficial, digamos la capa de arriba, lo bien que se vive o lo superflúo, que parece que sobra, como que "ya hiciste bastante"  y a veces solo se permite esto, vivir bien, no trabajar, no hacer, transitar desde una vida superficial sin llegar a profundidades, sin saber, sin aprender. Pero esta no es la labor de la escuela, ni de las instituciones educativas, ni del docente, su papel está encaminado a lograr el desarrollo integral del alumnado para sí mismo, para la familia, para la sociedad, para el mundo.