Por qué el “machine learning” está cambiando el mundo

Puede que el término machine learning no te suene, pero se trata de un concepto relativamente nuevo que está cambiando nuestras vidas. En español, si no se usa el término inglés, se traduce como aprendizaje automático, aunque no refleja del todo la realidad que se esconde detrás de estas palabras.

Coches que se conducen solos, asistentes que traducen instantáneamente de un idioma a otro o sugerencias de compra personalizadas. Complejas tareas que antes eran una quimera son hoy posibles gracias al ‘Machine Learning’, una disciplina que permite a los ordenadores aprender por sí mismos y realizar tareas de forma autónoma sin necesidad de ser programados.

Se trata, explicado de forma sencilla, de un sistema de análisis de datos. Lo que lo hace diferente es que dota a los ordenadores de la capacidad de identificar patrones y hacer predicciones. Dicho de otra forma, podemos decir que el machine learning genera patrones que los ordenadores pueden memorizar y aplicar. Es decir, los ordenadores “aprenden” de manera automática.

Líderes de opinión presentan sus recomendaciones para “Cerrar el Gap Digital”

Logicalis aplica inteligencia artificial para mejorar la seguridad

Crean una piel para que los robots puedan sentir el mundo

La importancia que este avance ha tenido a la hora de manejar grandes cantidades de datos está cambiando el mundo. Sin que seamos conscientes de ello, el machine learning está presente en nuestra vida diaria mejorando nuestra relación con la tecnología, y se aplica en las mejoras de motores de búsqueda como Google hasta en el campo de la robótica, pasando por ayudarnos en la lucha contra delitos informáticos como fraudes en compras electrónicas, ya que si el ordenador aprende, cada vez resulta más difícil encontrar puntos débiles para atacar.

Si este tema te resulta interesante, te recomendamos ahondar en él a través del site Think with Google, donde cuentan con un artículo más extenso sobre el tema así como un completo glosario que puede resultar muy útil con términos y conceptos clave sobre otras tecnologías emergentes.

Tipos de algoritmos de Machine Learning

Los algoritmos de Machine Learning se dividen en tres categorías, siendo las dos primeras las más comunes:

  • Aprendizaje supervisado: estos algoritmos cuentan con un aprendizaje previo basado en un sistema de etiquetas asociadas a unos datos que les permiten tomar decisiones o hacer predicciones. Un ejemplo es un detector de spam que etiqueta un e-mail como spam o no dependiendo de los patrones que ha aprendido del histórico de correos (remitente, relación texto/imágenes, palabras clave en el asunto, etc.).
  • Aprendizaje no supervisado: estos algoritmos no cuentan con un conocimiento previo. Se enfrentan al caos de datos con el objetivo de encontrar patrones que permitan organizarlos de alguna manera. Por ejemplo, en el campo del marketing se utilizan para extraer patrones de datos masivos provenientes de las redes sociales y crear campañas de publicidad altamente segmentadas.
  • Aprendizaje por refuerzo: su objetivo es que un algoritmo aprenda a partir de la propia experiencia. Esto es, que sea capaz de tomar la mejor decisión ante diferentes situaciones de acuerdo a un proceso de prueba y error en el que se recompensan las decisiones correctas. En la actualidad se está utilizando para posibilitar el reconocimiento facial, hacer diagnósticos médicos o clasificar secuencias de ADN.