Tres preguntas finales

Andreas Waldl: El aprendizaje profundo es una tecnología fascinante que ha avanzado mucho estos últimos años. Las redes neuronales y los módulos de inferencia son cada vez más sofisticados y potentes, y sus resultados son cada vez mejores. En el futuro, el aprendizaje profundo permitirá resolver muchas tareas nuevas, tanto en la nube como en tiempo real directamente en los dispositivos periféricos, para permitir realizar muchas cosas con visión artificial que nunca antes habían sido posibles.

Waldl: El aprendizaje profundo resulta genial a la hora de reconocer cosas que no se pueden predecir de antemano. El ejemplo clásico es la detección de defectos y anomalías. Pero: siempre que tenga una tarea que pueda describirse en términos matemáticos, como "¿El objeto mide exactamente 5,3 cm de largo?" - por lo tanto, los algoritmos clásicos son más fiables. Los dos enfoques son complementarios y coexistirán. Y, para muchas tareas de visión artificial, será incluso una combinación de ambas la que ofrezca los mejores resultados.

Waldl: Ya lo creo, esto es solo el principio. Por ejemplo, estamos empezando a ver soluciones que permiten a las redes neuronales seguir aprendiendo y mejorando mientras trabajan. Otro ámbito apasionante que se está explorando es el llamado aprendizaje profundo multimodal. Por un lado, tenemos una gran variedad de datos de sensores bidimensionales y multidimensionales, que incluso van más allá del espectro visible. Por el otro, tenemos el análisis basado en reglas y las redes neuronales multidimensionales. A medida que desarrollemos formas de integrar todas estas fuentes de información y técnicas de evaluación, abriremos la visión artificial a una gama mucho más amplia de aplicaciones potenciales en el futuro.