El deep learning o aprendizaje profundo es la rama de la inteligencia artificial que se ocupa de extraer patrones a partir de un conjunto de datos usando algoritmos iterativos. Se puede definir un algoritmo iterativo como aquel que usa de manera recurrente los resultados obtenidos en pasos previos; es decir, el paso n+1 depende del resultado obtenido en el paso n. Son múltiples los ejemplos en los que estos algoritmos tienen un lugar preponderante: reconocimiento de imágenes y voz, detección de patrones en sistemas caóticos... Pensemos en la función de autocompletado de las aplicaciones de mensajería de nuestro móvil: la palabra sugerida depende de la anterior o las anteriores, de acuerdo a un rango de probabilidades estipulado que tiene en cuenta un amplísimo repertorio de textos que se van enriqueciendo a medida que se incrementa su uso.
La iteración también puede entenderse como recursividad, siendo este último un concepto ligado a la cibernética desde su mismo nacimiento. Norbert Wiener, el padre fundador de la cibernética, entendía que humanos y máquinas perseguían un objetivo común: la estabilidad y la atenuación de la entropía. Los circuitos de retroalimentación (el regreso de un como dentro de un sistema vivo o tecnológico) constituyen como para reforzar el aprendizaje o para modificar una conducta. En este sentido, con Wiener y la cibernética, esos dos mundos disjuntos en apariencia como son el de los objetos tecnológicos y el de los seres vivos encuentran nuevas analogías, analogías que permiten contemplar a los unos a la luz de los otros y, en consecuencia, enriquecerse mutuamente.
