Hoy te queremos enseñar más en profundidad uno de los términos que ha revolucionado y revolucionará algunas interacciones tal y como las conocemos. Hablamos de la Inteligencia Artificial y su rama más específica, el Machine Learning o Aprendizaje Automático.
Como sabrás la informática siempre está en continua evolución y lo que podemos comprar nunca suele ser lo más puntero posible.
Por ejemplo, mientras desenvolvemos la 4ª generación de PCI-Express, los investigadores están desarrollando ya PCIe Gen 5 y estudiando el salto hasta la 6ª. Por esta misma razón no es raro encontrarnos tecnologías que no conocíamos haciendo tareas las que nunca habíamos oído hablar.
Pero antes de irnos más por las ramas acotemos un poco el tema del que vamos a hablar porque, ¿qué es el Machine Learning?
Índice de contenidos
¿Qué es el Machine Learning?
El Machine Learning es una rama específica de las ciencias de la computación y la Inteligencia Artificial donde se crean sistemas capaces de aprender automáticamente.
Esta rama empezó su estudio y desarrollo alrededor de los años 80 y hoy día está bastante desarrollada. Por esta misma razón, tanto las Inteligencias Artificiales como el Machine Learning es usado en muchos ámbitos tanto científicos como cotidianos.
En esta rama, las IAs están conformadas por uno o varios algoritmos capaces procesar grandes cantidades de datos y aprender en consecuencia. Las dos ideas clave sobre la que orbita este tema son:
- El sistema debe ser capaz de analizar datos y construir habilidades que no tenía en su nacimiento.
- La Inteligencia debe ser capaz de hacer los trabajos de forma autónoma, es decir, sin supervisión humana.
En el mundo real tenemos ejemplos prácticos como la clasificación de spam en correos electrónicos, las recomendaciones relacionadas en Amazon o las predicciones de futuro usando datos de empresas. Este último es un apartado interesante por la que cada vez más compañías están apostando.
Te recomendamos la lectura de los mejores procesadores
Usando el Machine Learning podemos ver qué patrones identifican a clientes insatisfechos o ex-clientes para intentar mejorar la relación con otros usuarios en su mismo estado. Se estudia la antigüedad, número de quejas, planes contratados y demás para crear ciertos perfiles. Una vez obtenidas las conclusiones de la IA, un grupo de expertos en marketing pueden crear una campaña específica para combatir esos problemas.
Así, la empresa puede crear planes para atraer o mantener clientes en base a ciertas presuposiciones y se pasa de una estrategia reactiva a una proactiva. Es una táctica muy interesante que usa Inteligencias Artificiales, grandes cantidades de datos y el Machine Learning.
¿Cómo se entrenan las Inteligencias Artificiales?
Para que una Inteligencia Artificial esté preparada tiene que pasar por diferentes fases:
- Primero pasa por un entorno controlado. Aquí se le introducen una gran cantidad de datos y sus respectivos resultados con los que podrá crear relaciones entre ideas. A esta parte se le llama Aprendizaje Supervisado.
- Luego, se le pone en un entorno libre y sin respuestas donde la misma IA tendrá que seleccionar un resultado. Al conocer si sus respuestas son acertadas o no, crea nuevas reglas en su algoritmo. A esta etapa se le llama Aprendizaje no Supervisado.
- Por último, se le prepara un entorno donde se le entrenan las habilidades que flaquea. Si por ejemplo le cuesta diferenciar imágenes con baja luminosidad, quizás se le entrena con fotos nocturnas. Esta fase se llama Aprendizaje de Refuerzo. El proceso se puede desde el paso 2 tantas veces como se quiera afinar a la Inteligencia.
Un ejemplo práctico sería enseñarle a una IA diez millones de fotos y decirle en cuáles hay perros y cuáles no. Aquí relacionará que los perros suelen tener pelaje, suelen ir en cuatro patas y hay diferentes formas y tamaños según la raza.
Después, se le da un millón de fotos para que las clasifique. Aquí deberá responder si hay un perro o no en la foto y según si acierta o no creará nuevas ‘ideas’ en su base de datos. Para implementar estos nuevos datos, la Inteligencia establecerá nuevas reglas en su algoritmo y ahora, por ejemplo, será capaz de diferenciar perros de gatos.
Por último, se estudia su eficiencia y se le preparan nuevas fotos para entrenar sus puntos débiles.
Desde luego, este es un sistema sencillo y muy repetido para la demostración, pero existen otros métodos más experimentales y peculiares.
Tay, la bot de Twitter
Un caso reciente de entrenamiento experimental fue Tay, una IA desarrollada por Microsoft pensada para aprender a expresarse como un humano.
La bot fue programada para, inicialmente, hablar como una chica de 19 años y el 23 de marzo de 2016 fue liberada en los oscuros parajes de Twitter.
Se le programó para hablar con la comunidad y aprender de los mensajes que recibía así como de sus interacciones con usuarios. Su aprendizaje fue casi totalmente autónomo, aunque tuvo que ser retirada tras 16 horas por mostrar comportamientos negativos.
En la corta duración de su vida, twitteó más de 96 mil tweets. Sin embargo, el comportamiento ofensivo intencional de esta red social hizo que más rápido que pronto Tay respondiese con frases racistas y de otras índoles.
En este caso, el Aprendizaje Supervisado y la serie de reglas base debieron ser debidamente revisadas. Conociendo el tono despreocupado y ofensivo de la red social, Tay no estaba preparada para diferenciar lo real de lo sarcástico. Por ese mismo motivo, algunos usuarios consiguieron ‘romper’ fácilmente la ‘barrera intelectual’ de la Inteligencia.
Aplicaciones de Machine Learning en el mundo real
Ya te hemos hablado de algunos usos cotidianos que quizás ya conocías del Machine Learning, pero qué otros casos existen.
A continuación verás un serie de aplicaciones prácticas de esta tecnología en problemas de lo más comunes. Eso sí, son soluciones punteras, así que también suelen requerir bastante más dinero.
Salud
Está bajo estudio una tecnología para un tipo nuevo de ropa capaz de leer información sobre nuestro cuerpo. Esta podría ser capaz de leer nuestros pulso, respiración o ansiedad.
Estos datos son leídos por una Inteligencia que evalúa el estado del paciente en tiempo real. Así si padece en un momento concreto un problema como un infarto, se puede diagnosticar y/o responder con mayor rapidez.
Por otro lado, se han puesto en práctica algunos bots capaces de detectar pensamientos suicidas en algunas personas. La famosa Inteligencia de Facebook lee las conversaciones y tu actividad para reconocer patrones de tendencias suicidas, aunque existen otras versiones que estudian más de cerca el comportamiento de la persona, su tono de voz y su lenguaje corporal.
Finanzas
En economía, algunos bancos y empresas han usado soluciones basadas en Machine Learning para detectar y prevenir fraudes.
Por otro lado, algo similar también se usa para identificar con mayor facilidad oportunidades de inversión. Asimismo, también se usa para decidir cuándo vender o comprar acciones y otros medios.
Marketing
Este ya te lo hemos comentado, pero es uno de sus aplicaciones más conocidas.
Te habrá pasado de ver un par de productos en Amazon, entrar en Facebook, Google o Instagram y ver justamente ese productos en tus anuncios. No es casualidad, ya que las redes sociales y Google implementan Inteligencias que estudian tu historial y tus posibles intereses para plasmarlos donde puedan.
Algunos usuarios lo ven como una forma intrusiva de ‘atacar’ al usuario y no es de extrañar, puesto que te bombardean con una idea. No obstante, la publicidad avanzará en esa dirección puesto que así es más personal y los anuncios estarán dirigidos a posibles compradores.
El Machine Learning y el Deep Learning
Estos dos términos suelen ir de la mano, pero no son exactamente lo mismo. En un futuro artículos hablaremos de este segundo término, ya que es algo que merece ser aprendido.
En general, podríamos establecer la relación entre el Machine Learning y el Deep Learning como la que tienen la Inteligencia Artificial y el Machine Learning. El Deep Learning o Aprendizaje Profundo es una rama aún más específica del Machine Learning.
Comparte apartados clave como la evolución a lo largo del tiempo y la experiencia, pero tiene otra serie de diferencias.
Su base para aprender y procesar datos es usar diferentes capas que actúan como si de neuronas se tratasen. Por lo tanto, podríamos establecer que estas Inteligencias suelen ser más refinadas, pero también más complicadas y caras de construir.
Aunque si te interesa más este tema, estate atento/a a la web y visita nuestro próximo artículo sobre Deep Learning.
¿Cómo de lejos estamos de Skynet?
Tenemos este apartado para las mentes más soñadoras.
Este es un tópico muy repetido en libros, películas y demás. No por nada existe justamente un género o temática llamada Cyberpunk. Sin embargo, lejos de esas distopías futuristas controladas por Inteligencias Artificiales, a nuestras máquinas aún les quedan un largo recorrido.
Los sistemas de Machine Learning actuales pertenecen al grupo de las ‘IAs débiles’. Como hemos ido viendo, estas Inteligencias solamente son capaces de entender patrones y sacar deducciones simples. Son muy útiles para darnos soporte en ciertos contextos, pero no son para nada sistemas autónomos.
Por otro lado tendríamos las ‘IAs fuertes’, aquellas representadas en historias futuristas donde son igual o mucho más inteligente que los humanos. Podemos encontrar ejemplos notables en la cultura popular como ‘Matrix’, ‘Terminator’, ‘Ghost in the Shell’ o ‘Halo’. De hecho, en esta lista hay dos obras que están relacionadas entre ellas; ¿adivinas cuáles?
Hoy día aún estamos desarrollando automóviles completamente autónomos y seguros. Estamos avanzando continuamente, pero aún nos queda camino para desarrollar a un igual hecho totalmente de tecnología.
Si quieres saber más al respecto, puedes visitar nuestro artículo acerca de la Inteligencia Artificial. Es un texto desde un punto de vista más general y estudiamos un poco las posibles ramificaciones que tendrá esta tecnología.
Palabras finales sobre Machine Learning
Parecido a nuestra conclusión sobre la Inteligencia Artificial, es evidente que el futuro es incierto. No obstante, es inevitable que la evolución deberá revisarse para implementar la tecnología entre sus habilidades y características.
Poco a poco, Internet será más y mejor controlado por programas y algoritmos. Las redes sociales estarán mejor calibradas y nos ofrecerán contenido más de acuerdo a nuestros gustos. Y por último, las relaciones en la red serán mucho más seguras al detectar con mayor facilidad cuándo existe peligro de fraude o similares.
Por otro lado, que no te extrañe que en este siglo sea cuando brille el IoT (Internet of Things). Es una idea con la que hemos estado soñando por mucho tiempo y que cada vez está más cerca. Además, el IoT es un gran postor de tecnologías punteras relacionadas con el Machine Learning aunque aún le faltan algunas puestas a punto respecto a seguridad.
Por nuestro lado, pensamos que será una evolución paulatina y mientras estés informado/a de lo que va ocurriendo, no tienes nada que temer. Puede que los nuevos coche o frigoríficos te suenen raros, pero desde luego no creo que veamos el despertar de las ‘IAs fuertes’.
Te recomendamos la lectura de los mejores portátiles del mercado
Por último, te tenemos que confesar que no somos expertos en Inteligencia Artificial, ni Machine Learning, así que no te extrañe algún dato extraño. Si hemos cometido algún error, ¡no dudes en comentárnoslo! Después de todo, aún no somos máquinas perfectas.
Y tú, ¿qué piensas del Machine Learning y las Inteligencias Artificiales? ¿En qué aspecto crees que deberían ser implementadas? Comparte tus ideas aquí abajo.
