Fundamentos del Machine Learning: ¿Sabes qué es y cómo lo usan las empresas?

0
153

Empecemos con una situación simple. Estás en la entrada del cine. Has coordinado para encontrarte con un amigo. Entran y salen muchas personas. Todas son muy diferentes. Tú te encuentras tranquila porque sabes que cuando pase tu amigo vas a poder reconocerlo. Eso es algo muy simple de lograr para un ser humano, lo hacemos día a día. Por otro lado, ¿una computadora cómo podría ser capaz de hacerlo?

Escribe: Adriana Linares


Para un problema como este, una opción que podrías plantear sería el formular un conjunto de reglas o características. Puedes decir que tiene una altura de 1.80 metros, que es moreno y tiene ojos marrones. Sin embargo, estas características son propias de millones de personas alrededor del mundo. Entonces quizá sirva agregar parámetros más complejos como proporciones de su cara, cantidad de lunares, valor del ángulo entre su quijada y cuello, entre otros más.  Lo cierto es que en verdad ni nosotros mismos sabemos cómo realmente logramos reconocer a una persona. Y el problema viene ahí, cuando para programar necesitamos llegar a los más mínimos detalles. 

El reconocimiento de caras es una tarea que como humanos encontramos muy sencilla, pero que es difícil para las computadoras. Es ahí donde toma relevancia una técnica que puede resolver este tipo de problemas, el Aprendizaje Automático o Machine Learning.

Para poder hablar de ese concepto, lo ideal es definir primero lo que es la Inteligencia Artificial (IA). La inteligencia artificial es el área de la informática que intenta hacer máquinas que puedan replicar la inteligencia humana para realizar tareas que los humanos pueden hacer, pero que históricamente han sido muy difíciles para las máquinas. Se divide en una amplia gama de subcampos que se enfocan en diferentes desafíos, tales como la visión por computadora, el procesamiento del lenguaje natural, la robótica, entre otros. Sin embargo, muchos investigadores aún consideran la IA estrecha y limitada, que es buena con tareas individuales, pero que no tiene aún la inteligencia independiente que tienen los humanos. Esta es una de las muchas razones por las que muchos de los investigadores comenzaron a utilizar un enfoque diferente llamado aprendizaje automático. 

Machine Learning es una forma de la IA que permite a un sistema aprender de los datos en lugar de aprender mediante la programación explícita (IBM). En lugar de programar una computadora diciéndole cada detalle de cómo hacer una tarea, se le enseña dándole ejemplos de lo que debe hacer. Uno se podría preguntar: ¿las computadoras se han vuelto tan inteligentes que pueden aprender como nosotros? No es así. 

El aprendizaje automático consiste en crear programas estadísticos llamados modelos. Un modelo toma una entrada y devuelve una salida. La entrada podría ser una imagen de un gato junto con la etiqueta “gato” o una imagen de un perro con la etiqueta “perro”, la salida podría ser la palabras gato o perro. El modelo se crea en base a muchos datos de ejemplo. Una vez que el modelo ha sido “entrenado”, se le puede dar una nueva entrada, en este caso una imagen sin etiqueta, y este dirá el resultado. El aprendizaje automático utiliza algoritmos estadísticos para aprender de estos ejemplos.

La entrada puede ser casi cualquier cosa que se pueda representar en una computadora, ya sea fotografías, música, discursos, páginas web, perfiles de redes sociales, síntomas de enfermedades, noticias, etc. Las salidas también pueden ser muchas cosas diferentes. En el tipo más común de aprendizaje automático, el resultado es una de varias categorías llamadas clases, como vimos en los ejemplos anteriores. Si el resultado es un número o varios números, como qué tan grave es una enfermedad, se le llama regresión. Asimismo, el aprendizaje automático puede crear nuevos ejemplos (nuevas imágenes, música), en cuyo caso se le llama modelo generativo.

Con todo lo dicho anteriormente, ahora podemos entender mejor qué es Machine Learning y dar algunos ejemplos de sus áreas de aplicación más comunes y que ocurren a nuestro alrededor: 

  • Reconocimiento facial: En China se está empezando a adoptar en masa el reconocimiento facial como herramienta para poder hacer transacciones, el sistema reconoce los patrones e información del rostro de una persona, datos únicos y difíciles de reemplazar, y los asocia a una forma de pago o cuenta bancaria. Asimismo, tiendas de conveniencia sin personal, como Bingo Box, lo usan para detectar irregularidades en sus locales.
  • Los sistemas de recomendación: YouTube ofrece videos para cada uno de sus usuarios basado en un sistema de recomendación.
  • Detección de correo no deseado: Los proveedores de servicios de correo electrónico utilizan un modelo de aprendizaje automático que es capaz de detectar y mover automáticamente los mensajes no deseados a la carpeta de correo no deseado.
  • Identificación de clientes potenciales: Estos modelos observan el patrón de comportamiento de un usuario durante un período inicial y lo mapea con comportamientos pasados ​​de todos los usuarios para identificar a aquellos que comprarán un producto y a aquellos que no. 

Hemos aprendido los conceptos básicos de lo que es el aprendizaje automático, cómo las máquinas pueden aprender a realizar tareas a partir de datos de ejemplo. Sin embargo, aún hay muchas cosas que se pueden decir sobre este tema. Todo lo descrito anteriormente son conceptos básicos en los que tú aun puedes profundizar. El Aprendizaje Automático es una tecnología realmente interesante que está revolucionando el funcionamiento de las computadoras y lo que pueden hacer. 

Bibliografía:

LEAVE A REPLY

Please enter your comment!
Please enter your name here