¿Qué es el deep learning?

Yann LeCun, Yoshua Bengio y Geoffrey Hinton resumieron el campo en mayo de 2015 en la revista Nature. Su punto de partida es un límite de las técnicas anteriores: el machine learning convencional tenía una capacidad limitada para procesar datos naturales en su forma bruta. Durante décadas, construir un sistema de reconocimiento exigía ingeniería cuidadosa y un conocimiento considerable del dominio para diseñar un extractor de rasgos, la pieza que convierte, por ejemplo, los píxeles de una imagen en algo que el modelo pueda clasificar.

El deep learning elimina ese paso manual. Los autores lo explican con una imagen. La primera capa aprende a detectar bordes con cierta orientación en cierto lugar. La segunda reconoce motivos, combinaciones concretas de bordes. La tercera junta motivos en partes de objetos conocidos, y las capas siguientes detectan objetos como combinaciones de esas partes. Lo esencial, escriben, es que esas capas de rasgos no las diseñan ingenieros humanos: se aprenden de los datos con un procedimiento de aprendizaje de uso general.

«Profundo» se refiere al número de capas. El glosario de machine learning de Google llama modelo profundo a una red neuronal con más de una capa oculta. Cómo se relacionan inteligencia artificial, machine learning y deep learning lo explican la entrada sobre machine learning y la de red neuronal: el deep learning es la parte del machine learning que trabaja con redes neuronales profundas.

Un modelo profundo tiene pesos, números que deciden cuánto influye cada conexión entre capas. Según LeCun, Bengio y Hinton, un sistema típico de deep learning puede tener cientos de millones de esos pesos ajustables y cientos de millones de ejemplos etiquetados para entrenarlo. En cada paso de entrenamiento, el algoritmo calcula para cada peso en qué dirección cambia el error si el peso sube un poco, y lo ajusta en la dirección contraria. Ese cálculo se hace capa por capa hacia atrás, con el método de retropropagación que describe la entrada sobre redes neuronales.

De ahí salen las dos necesidades del deep learning: datos y cálculo. Un modelo que aprende sus propios rasgos necesita muchos ejemplos para no aprender rasgos que solo valen en unos pocos casos. Y ajustar cientos de millones de pesos exige muchas operaciones. Los autores escriben que el reconocimiento de voz fue la primera gran aplicación de este enfoque, posible gracias a procesadores gráficos (GPU) fáciles de programar que permitían entrenar redes entre 10 y 20 veces más rápido. Esperan más avances precisamente porque el deep learning requiere muy poca ingeniería manual y puede aprovechar con facilidad el aumento de datos y de capacidad de cálculo.

Un caso conocido muestra las cifras. En 2012, Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton entrenaron una red convolucional profunda con los 1,2 millones de imágenes del concurso ImageNet de 2010, repartidas en 1.000 clases. La red tenía 60 millones de parámetros y tardaba entre cinco y seis días en entrenarse en dos GPU. Los propios autores escribieron que sus resultados podían mejorar simplemente esperando GPU más rápidas y conjuntos de datos más grandes. En la revisión de 2015 en Nature, LeCun, Bengio y Hinton cuentan que este tipo de redes casi redujo a la mitad la tasa de error de los mejores métodos competidores en el concurso ImageNet de 2012.

Según esa misma revisión, el deep learning ha mejorado de forma notable el reconocimiento de voz, el reconocimiento visual de objetos y la detección de objetos. Google anunció el 29 de septiembre de 2021 que, gracias a MUM, un modelo que entiende texto e imágenes, se podría buscar en Google Lens combinando una imagen y una pregunta escrita. Los LLM también son modelos profundos, entrenados con grandes volúmenes de texto, y forman parte del procesamiento del lenguaje natural.

La Búsqueda de Google lo usa desde 2015. Pandu Nayak escribió en el blog de Google el 3 de febrero de 2022 que RankBrain, lanzado en 2015, fue el primer sistema de deep learning desplegado en la Búsqueda. El 25 de octubre de 2019 había anunciado BERT, una técnica basada en redes neuronales que procede de la investigación de Google sobre transformers, modelos que procesan cada palabra en relación con todas las demás de la frase; según Google, ayudaría a entender una de cada diez búsquedas en inglés en Estados Unidos. El 18 de mayo de 2021 presentó MUM y lo describió como 1.000 veces más potente que BERT. La guía de sistemas de clasificación de Google, actualizada el 10 de diciembre de 2025, precisa que MUM se usa por ahora en aplicaciones concretas y no en la clasificación general.

Para el SEO, la consecuencia práctica es que Google interpreta qué significa una consulta y qué responde una página. La guía describe BERT como un sistema para entender cómo las combinaciones de palabras expresan significados e intenciones, y no describe ninguna optimización propia para él. Lo que sí cambia es el texto que conviene escribir: uno que responda a la pregunta, no uno que repita la palabra clave en todas sus variantes.

Hay además un límite que conviene conocer. El glosario de Google señala que la mayoría de los modelos profundos y de los grandes modelos de lenguaje son cajas negras: se ve cómo cambia la respuesta con la entrada, pero no se puede saber con exactitud cómo la produce. Nadie fuera de Google puede deducir qué rasgo concreto llevó a una posición.

• Llamar deep learning solo a lo que usa redes neuronales profundas, no a cualquier sistema de IA.
• Antes de usar una herramienta basada en deep learning, comprobar con qué datos se entrenó y si se parecen a los propios.
• Evaluar sus resultados con una muestra propia revisada por personas.
• Escribir contenidos que respondan a la pregunta del usuario, no variantes de la palabra clave.
• Citar las cifras de modelos (parámetros, datos, mejoras) con su fuente y su fecha.

• Usar deep learning como sinónimo de inteligencia artificial.
• Pensar que más capas dan siempre mejores resultados, sin más datos ni más cálculo.
• Buscar una «optimización para BERT» o para MUM que Google no describe.
• Tomar la respuesta de un modelo profundo como explicación de por qué la dio.
• Dar por hecho que MUM decide el orden de los resultados.