UNIR Revista
El machine learning o aprendizaje automático es una parte de la Inteligencia Artificial que permite a los sistemas aprender y tomar decisiones.
El machine learning o aprendizaje automático es una rama de la Inteligencia Artificial (IA) que utiliza algoritmos matemáticos para conseguir que las máquinas puedan aprender por sí mismas. Se trata de una forma analítica de resolver problemas a través de la cual los algoritmos aprenden a identificar patrones de comportamiento, los clasifican y los utilizan para realizar predicciones.
El machine learning se puede clasificar en dos grandes tipos: los de aprendizaje supervisado y los de aprendizaje no supervisado. En el caso de los sistemas de machine learning supervisado, la máquina recibe un conjunto de datos etiquetados y aprende de ellos para encontrar la función más adecuada para el problema que queremos resolver. En el caso de los sistemas no supervisados, estos buscan patrones en datos no etiquetados, por lo que pueden encontrar patrones o tendencias que el programador no está buscando específicamente.
Dentro de estos dos grandes subgrupos son muchas las técnicas de clasificación y regresión posibles: la regresión logística, máquinas de vectores de soporte, random forest, árboles de decisión, redes neuronales, regresión lineal entre otros.
Una de las peculiaridades del aprendizaje automático es que cuanta más información le demos, más claras y precisas serán sus predicciones. Así, se alimenta el algoritmo introduciendo nuevos datos.
El objetivo del machine learning
Los algoritmos de aprendizaje automático funcionan en base a hipótesis. Su objetivo es imitar el pensamiento humano y mostrar comportamientos inteligentes. Y para afinar sus proyecciones al máximo, el modelo necesita ir aprendiendo y recabando cada vez más información.
De una forma muy genérica, la máquina aprende —con tiempo y la clasificación de datos adecuada— la forma de tomar decisiones que tendría un humano, pero de forma mucho más optimizada. Por ejemplo, para saber a qué velocidad óptima se debe circular por una carretera es necesario tener en cuenta la orografía del terreno, el tiempo atmosférico, los obstáculos, el tráfico, etc. Un humano decide de forma intuitiva, casi inconsciente, ajustar su velocidad en una carretera oscura con lluvia. El algoritmo de un coche autónomo hace lo mismo y reduce la velocidad en función de los parámetros que ha aprendido.
En un mundo en el que la toma de decisiones es cada vez más compleja, los algoritmos tienen por objetivo optimizarla. La máquina no se cansa, no tiene un mal día, no levanta por accidente el pie del freno. Con el machine learning reemplazamos tareas mentales de análisis de datos con sistemas de machine learning. La llegada de Internet, el big data y el acceso a una cantidad inefable de datos hace que el machine learning trabaje millones de veces más rápido que una mente humana.
Ejemplos de machine learning
Puede sonar a ciencia ficción, ya que a día de hoy no convivimos todavía con coches autónomos en nuestras carreteras. Sin embargo, el aprendizaje automático está cada vez más presente en nuestro día a día. Por ejemplo, cada noche cuando entras en cualquiera de las aplicaciones de películas y series en streaming, el algoritmo te recomienda una selección. ¿Cuántas veces acabas viendo la película recomendada? ¿Era justo lo que estabas pensando ver? En este caso, el algoritmo ha ido recopilando información sobre cómo consumimos, el tipo de contenido que nos gusta y que ha sido previamente etiquetado (ciencia ficción, terror, misterio, comedia…), si preferimos películas o series nuevas o clásicas, protagonizadas por mujeres, de animación, extranjeras y un largo etcétera de posibles etiquetas.
La clave del machine learning es el paso de la programación mediante reglas (si haces A, entonces B) al aprendizaje autónomo a partir de estos datos categorizados. Así, cuanto más eduquemos al algoritmo y más consumamos en este caso series y películas, más aprenderá el algoritmo de nuestros intereses y mejores resultados nos recomendará.
Ocurre lo mismo con muchas de las funcionalidades que poco a poco hemos adaptado en nuestra vida, casi sin darnos cuenta. Incluyen así esta tecnología aplicaciones de música, de vídeos online, acciones de marketing como las respuestas automáticas que nos recomienda el correo electrónico o las respuestas de los sistemas de control de voz.
Sin embargo, estos algoritmos capaces de aprender por sí mismos no se utilizan solo en el ocio. Sus funciones son tan variadas como temas se nos ocurran. Por ejemplo, en el diagnóstico de enfermedades, el reconocimiento facial en aeropuertos o las predicciones económicas.
Si te interesa el machine learning y otras formas de Inteligencia Artificial, en el Máster en Inteligencia Artificial online de UNIR, único posgrado oficial en esta materia con docencia 100 % en línea, se enseñan los conocimientos técnicos y prácticos necesarios para lograr el comportamiento inteligente de las máquinas.
