La historia de la IA

Redes profundas en el reconocimiento del habla

Etapa 3 · Del auge experto al giro estadístico (1980–2011) › Redes neuronales

Linaje
Neuronas y redes
Tipo
Aplicación

Quién

Microsoft Research

Qué ocurrió

Frank Seide, Gang Li y Dong Yu, de Microsoft Research, presentan en el congreso Interspeech de 2011 una red profunda que transcribe conversaciones telefónicas con un tercio menos de errores que los mejores sistemas anteriores.

Qué aportó

Primer gran éxito industrial del aprendizaje profundo, un año antes de AlexNet. En pocos años todos los grandes reconocedores del habla pasan a usar redes profundas.

Desarrollo

Durante dos décadas, los reconocedores del habla combinaron modelos ocultos de Markov, que siguen la secuencia de sonidos, con mezclas de distribuciones gaussianas, que estiman qué sonido corresponde a cada fragmento de audio. Las mejoras llegaban año a año en pasos pequeños.

En 2009 Hinton y sus estudiantes en Toronto mostraron que una red profunda, preentrenada capa a capa como las redes de creencia de 2006, reconocía fonemas mejor que esas mezclas. Li Deng y Dong Yu, de Microsoft Research, se interesaron por el resultado, y con George Dahl, estudiante de Hinton, llevaron la idea al reconocimiento de vocabulario amplio.

El sistema de Seide, Li y Yu sustituyó las mezclas gaussianas por una red de hasta nueve capas ocultas entrenada con más de 300 horas de conversaciones. En la prueba de referencia de conversaciones telefónicas, el error por palabra bajó del 27,4 % al 18,5 %: un tercio menos de un solo golpe, cuando el campo llevaba años avanzando a pasos de un punto.

En 2012 los grupos de Toronto, Microsoft, Google e IBM publicaron juntos una síntesis que confirmaba el resultado en sus propios sistemas. En los años siguientes las redes profundas entraron en los reconocedores comerciales, y el habla fue el primer terreno en el que el aprendizaje profundo cambió un producto de uso masivo.

Viene de

  • Modelos ocultos de Markov en el habla (febrero de 1989)

    Influencia directa documentada

    La red profunda sustituye a las mezclas gaussianas dentro de un reconocedor basado en modelos ocultos de Markov

  • Redes de creencia profundas (julio de 2006)

    Influencia directa documentada

    Las redes del reconocedor se preentrenan capa a capa como redes de creencia profundas

Bibliografía

Cómo citar

«Redes profundas en el reconocimiento del habla». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/habla-redes-profundas

Última revisión de esta ficha: 13 de noviembre de 2026.

Abrir en la cronología interactiva