Aprendizaje automático ( machine learning)

Para J. Delay y P. Pichot aprendizaje es la adquisición de nuevas formas de comportamiento, que se entremezclan con los comportamientos innatos que aparecen conforme avanza la maduración del organismo.

El DSM-IV-TR incluye dentro de los trastornos del aprendizaje los siguientes: trastorno del aprendizaje de la lectura; trastorno del aprendizaje del cálculo; trastorno de la expresión escrita y trastorno del aprendizaje no especificado.

Tipo de aprendizaje. Edward Lee Thorndike formuló su principio en 1931, con el nombre de Ley del efecto. La ley del efecto nos dice que las respuestas correctas, es decir aquellas que llevan a la consecución de una recompensa, se repetirán con más frecuencia, mientras que las incorrectas desaparecerán.

Véase intuición.

Término del condicionamiento operante que tiene lugar cuando una conducta aprendida en una situación se puede transferir a otra.

El aprendizaje profundo es un tipo de aprendizaje automático (machine learning) que utiliza redes neuronales artificiales con múltiples capas ("profundas") para aprender patrones complejos en grandes cantidades de datos.

A diferencia de los modelos tradicionales que necesitan que el profesional defina manualmente las variables importantes, en el deep learning la red aprende sola qué características son relevantes, a partir de los datos, sin necesidad de instrucciones explícitas.

Aplicaciones en Psiquiatría:

- Análisis automático de voz, texto o expresión facial para detectar síntomas depresivos, ansiosos o psicóticos. Predicción de riesgo suicida a partir de historiales médicos, lenguaje escrito o actividad digital.

- Análisis de neuroimágenes para encontrar patrones asociados a trastornos del neurodesarrollo o demencias.

-Procesamiento de lenguaje natural en asistentes clínicos de IA.

Analogía clínica: El aprendizaje profundo funciona como un psiquiatra con experiencia que, tras miles de casos, ha desarrollado una intuición precisa sobre qué observar... pero que no puede siempre explicar por qué lo sabe. La diferencia es que el modelo lo hace con cálculos matemáticos, no con intuición humana.