Aprendizaje profundo: la técnica detrás de la IA actual
El aprendizaje profundo (deep learning) es una forma de aprendizaje automático que utiliza redes neuronales con muchísimas capas. Es lo que hace funcionar los asistentes de IA, el reconocimiento de voz de su móvil y los generadores de imágenes.
Datos a 22 de octubre de 2026
Lo esencial en cifras
| Nivel | Principiante |
|---|---|
| Origen | 2012 |
| Introducido por | Geoffrey Hinton et ses étudiants (compétition ImageNet) ; prix Turing 2018 à Bengio, Hinton et LeCun |
Capas que aprenden a ver y a leer
El aprendizaje profundo es una rama del aprendizaje automático. Se basa en redes neuronales organizadas en un gran número de capas. En una foto, las primeras capas detectan bordes, las siguientes formas y después objetos completos. Con un texto ocurre algo parecido: capas sucesivas captan las palabras, su sentido según el contexto y, por último, la intención de la frase.
La gran novedad es que nadie escribe esos pasos a mano. La red descubre por sí misma en qué fijarse, a partir de ejemplos.
El punto de inflexión de 2012
Las bases teóricas datan de los años ochenta. El salto ante el gran público llega en 2012: según la ACM, Geoffrey Hinton y sus estudiantes redujeron casi a la mitad la tasa de error en reconocimiento de objetos en la competición ImageNet. En 2019, la ACM concedió el Premio Turing 2018 a Yoshua Bengio, Geoffrey Hinton y Yann LeCun, a quienes llamó los padres de la revolución del aprendizaje profundo (anuncio de la ACM).
Desde entonces, el mismo enfoque ha conquistado la traducción, la voz y después el texto con la arquitectura Transformer, origen de los grandes modelos de lenguaje.
Lo que cambia para usted en el día a día
- Su móvil transcribe una nota de voz a texto.
- Una aplicación de fotos encuentra todas sus imágenes de playa.
- Un asistente de IA redacta una reclamación a partir de tres líneas.
- Su programa de videollamadas difumina el fondo detrás de usted.
Todas estas funciones se basan en el aprendizaje profundo. Saberlo ayuda a mantener expectativas realistas: estos sistemas son excelentes reconociendo patrones y menos fiables cuando la situación se sale de lo que vieron durante el entrenamiento.
Ideas equivocadas frecuentes
«Deep learning significa que la IA entiende en profundidad.» No: «profundo» describe la pila de capas, no la comprensión.
«Es una tecnología recién inventada.» Los principios son antiguos; lo reciente es la potencia de cálculo (las GPU) y el volumen de datos que los hacen eficaces.
«Cuanto más profundo, mejor.» Añadir capas exige más datos y energía, sin garantía de mejores resultados.
Para ver estas fechas dentro de la historia de la IA, abra la cronología de la IA.
Términos relacionados
- Red neuronal · Programa formado por muchas pequeñas unidades de cálculo conectadas, que aprende ajustando la fuerza de las conexiones entre ellas.
- Aprendizaje automático · Rama de la IA en la que un programa aprende a partir de ejemplos en lugar de seguir reglas escritas una a una por una persona.
- GPU (procesador gráfico) · Chip diseñado para hacer miles de cálculos en paralelo, convertido en el motor del entrenamiento y del uso de los modelos de IA.
- Transformer · Arquitectura de red neuronal basada en la atención, presentada en 2017, que sirve de base a casi todos los grandes modelos de lenguaje.
- Modelo de lenguaje grande (LLM) · Programa entrenado con enormes cantidades de texto para predecir cómo sigue un texto; es el motor de los asistentes de IA.
- Visión artificial · Rama de la IA que permite a una máquina analizar imágenes o vídeos para reconocer objetos, textos, rostros o escenas.
Para probar
Todo el glosario
Preguntas frecuentes
¿Por qué se llama «profundo»?
La palabra se refiere al número de capas de la red neuronal. Una red «profunda» apila muchas capas, y cada una construye una representación algo más abstracta que la anterior. No tiene nada que ver con un pensamiento «profundo» en sentido humano.
¿Quiénes son los pioneros del aprendizaje profundo?
Yoshua Bengio, Geoffrey Hinton y Yann LeCun recibieron el Premio Turing 2018 de la ACM por los avances que convirtieron las redes neuronales profundas en una pieza central de la informática. El premio se anunció en marzo de 2019.
¿Por qué el aprendizaje profundo despegó tan tarde?
Las ideas existían desde hacía décadas, pero faltaban dos ingredientes: enormes cantidades de datos digitales y suficiente potencia de cálculo, en especial gracias a las GPU. Su combinación hizo por fin eficaces estas redes.
¿El aprendizaje profundo es la única forma de IA?
No. Otras técnicas de aprendizaje automático siguen muy presentes, por ejemplo con tablas de datos en finanzas o logística. Pero en lenguaje, imagen y voz, el aprendizaje profundo domina.
Fuentes de los datos
Datos a 22 de octubre de 2026
Señalar un error
¿Una cifra, una fecha o un dato le parece incorrecto? Díganoslo: verificamos cada aviso.