Reconocimiento de objetos en imágenes, clasificación automática, aprendizaje de un lenguaje, detección de firmas… poco a poco se están empezando a resolver problemas que hasta ahora eran conceptualmente demasiado complicados para un ordenador y que solamente una persona era capaz de razonar. La inteligencia artificial ha sido capaz de dar un paso más para emular el aprendizaje de nuestro cerebro mediante las redes neuronales convolucionales, revolucionando el mundo del aprendizaje automático.  Pero, ¿qué son exactamente? Y lo más importante, ¿qué posibilidades nos ofrecen para mejorar los sistemas documentales convencionales?

Como su propio nombre indica, las redes neuronales artificiales imitan el funcionamiento de las redes neuronales de los organismos vivos, de forma que un conjunto de elementos (neuronas) conectados entre sí trabajan en conjunto, sin que exista una tarea concreta para cada una. Poco a poco mediante la experiencia, las neuronas van creando y reforzando ciertas conexiones para “aprender” el conjunto de elementos más relevantes de aquello que se le muestra.

Pero, ¿cómo “aprende” una red neuronal la lógica dentro de la información no estructurada? El aprendizaje con redes convolucionales se basa en la búsqueda de características comunes en pequeños grupos de entradas, por ejemplo, en el caso de las imágenes de documentos escaneados, de píxeles. Estos pequeños grupos pueden ser bordes o colores más o menos homogéneos. Además, buscamos siempre detectar la misma característica en todos los grupos de imágenes, por lo que podemos entrenar la red para que poco a poco mejore sus resultados con la experiencia, igual como lo haría un humano.

Grandes empresas tecnológicas como Google ya están usando este tipo de red neuronal para mejorar sus aplicaciones. Por ejemplo, en Street View una red neuronal convolucional lograba una precisión del 96% a la hora de reconocer números de calle en las imágenes que toman sus coches. También se han usado las convolucionales para mejorar el reconocimiento de voz de Android o para ahorrar electricidad en sus centros de datos.

Las ventajas de aplicar estos avanzados sistemas de redes convolucionales  a sistemas tradicionales documentales son evidentes: aquello que antes únicamente podían hacer personas, ahora lo pueden hacer máquinas, des de la clasificación automatizada, captura de datos y detección de firmas en contratos. Con un sistema de tratamiento automatizado de documentación como TAAD su empresa será capaz de mejorar la productividad de forma exponencial en procesos manuales pudiendo abarcar problemas documentales que anteriormente eran imposibles de gestionar debido a su gran volumen. Un claro ejemplo ha sido el proyecto Barclays para Caixabank, en donde utilizar un sistema de clasificación automatizado ha permitido hacer realidad un proyecto que hubiera sido imposible de llevar a cabo en términos de tiempo y coste mediante el tratamiento documental tradicional.