Aprendizaje automático de máquinas (“Machine Learning”)

En los últimos años se ha estado investigando cómo lograr que los ordenadores aprendan sin necesidad de ser programados para ejecutar una tarea específica o para poder diferenciar situaciones en la vida real sin necesidad de programarlas explícitamente.

Anteriormente, si queriamos que un ordenador realizara una serie de tareas o analizara un conjunto de datos teníamos que programar todas las posibilidades con la que se podía encontrar durante la corrida del programa. Con la llegada de "Machine learning", los ordenadores pueden analizar la data y buscar patrones nuevos dentro de la actividad asignada.

Algunos ejemplos de los usos del "Machine Learning" podemos verlos hoy en dia con los carros autónomos, que deben de ir analizando toda el área por donde transitan y buscar patrones que puedan presentar una desviación que los ponga en peligro. Otro ejemplo son las tiendas online como Amazon las cuales utilizan los patrones de búsqueda personales y los combinan con la tendencia del mercado para poder tomar decisiones de qué productos y de qué forma presentarlos.

¿Qué es "Machine Learning"?

"Machine Learning" o Aprendizaje automático es una rama del campo de la Inteligencia artificial cuyo objetivo es dotar a los ordenadores de la capacidad de aprender sin necesidad de ser programados.

En otras palabras es una técnica de análisis de datos que les enseña a los ordenadores a realizar actividades que realizan los humanos y los animales de forma natural; aprender de la experiencia.

Los algoritmos de "Machine Learning" utilizan métodos computacionales para "aprender" la información directamente de la data sin necesidad de depender de una ecuación predeterminada como modelo. Los algoritmos mejoran de forma adaptativa su rendimiento a medida que aumenta el número de muestras disponibles para el aprendizaje.

¿Porqué importa el "Machine Learning" o aprendizaje automático?

Con el aumento de "big data" o "macrodatos", el aprendizaje automático se ha convertido en una técnica clave para resolver problemas en áreas tales como:

• Finanzas computacionales, para cálculos de score crediticio y algoritmos de trading.
• Procesamiento de imágenes y visión de computadora, para reconocimiento facial, detección de movimiento, y detección de objetos.
• Biología computacional, para la detección de tumores, descubrir nuevas medicinas, y secuenciación de ADN.
• Producción de energía, para realizar predicciones de precio y de carga.
• Industrias Automotriz, aeroespacial y manufactura, para predecir los mantenimientos.
• Procesamiento de lenguaje natural, para aplicaciones de reconocimiento de voz.

Está claro que el aprendizaje automático está siendo la base para los cambios tecnológicos más impactantes de los últimos años. El número de algoritmos es cada vez más extenso y las aplicaciones a nivel práctico son aún inimaginables.

Mientras más entendamos esta nueva tecnología más provecho podemos sacarle para los negocios y la vida diaria.