HoyEl Nacimiento de la 'Red Neuronal Convolucional' Moderna
Yann LeCun presenta LeNet-5, sentando las bases para las redes neuronales convolucionales (CNNs) que dominan la visión por computadora.
En 1998, Yann LeCun, junto a sus colegas Corinna Cortes y Christopher J.C. Burges, publicó el artículo "Gradient-Based Learning Applied to Document Recognition", presentando LeNet-5. Este modelo de red neuronal convolucional (CNN) fue un hito, especialmente por su aplicación en el reconocimiento óptico de caracteres (OCR), como la lectura de cheques bancarios.
LeNet-5 introdujo arquitecturas clave que se han convertido en estándar en el campo de la visión por computadora: capas convolucionales para la extracción de características, capas de pooling para la reducción de dimensionalidad y capas totalmente conectadas para la clasificación final. Su diseño demostró una eficiencia y precisión sorprendentes para la época.
Este trabajo no solo resolvió un problema práctico de gran relevancia industrial, sino que también sentó las bases teóricas y arquitectónicas para el auge actual de la inteligencia artificial en el reconocimiento de imágenes, la detección de objetos y muchas otras aplicaciones. La influencia de LeNet-5 se extiende hasta hoy, siendo un precursor directo de las redes neuronales que impulsan desde coches autónomos hasta asistentes virtuales.
Puente Pop
Person of Interest (2011)
La serie se basa en un sistema de vigilancia que utiliza reconocimiento facial avanzado y análisis de datos a gran escala para predecir crímenes. Las CNNs, inspiradas por trabajos como LeNet-5, son la tecnología subyacente que permite este tipo de 'ojos' omnipresentes y la capacidad de la máquina para 'ver' e interpretar el mundo.