Cinco definiciones de machine learning

Algunos aspectos que rodean a la Inteligencia Artificial son de compleja definición. El propio campo de la Inteligencia Artificial carece, en mi opinión, de una definición que sea a un tiempo clara, que marque bien las fronteras, que sea fácil de entender y que, además, sea comúnmente aceptada.

A veces tampoco es del todo fácil definir y explicar la relación exacta entre Inteligencia Artificial y Machine Learning. Aproximadamente se entiende, y podemos considerar sin mucho riesgo, que el Machine Learning es un subconjunto de la inteligencia artificial, aunque personalmente tengo alguna ligera reserva al respecto.

¿Pero en qué consiste realmente el Machine Learning?

Leyendo el libro 'Modern Deep Learning and Advanced Computer Vision' de Thomas Binford, Jagadeesh Kumar, J, Ruby, J. Lepika, J. Tisa y J. Nedumaan, me encuentro con que los autores reúnen cinco definiciones de machine learning y me ha parecido interesante recogerlas y comentarlas.

Definición de Nvidia

Machine learning is the practice of using algorithms to parse data, learn from it, and then make a determination of prediction about something in the world.

Una definición austera pero descriptiva y creo que bastante acertada

Definición de Stanford

Machine learning is the science of getting computers to act without being explicitly programmed.

En este caso, nos encontramos ante una definición que creo que busca, y consigue, la sencillez. Es redonda y aparentemente brillante en su simplicidad, pero, personalmente, no me parece demasiado acertada. Aunque entiendo lo que quiere decir, la realidad es que, si somos rigurosos, cualquier software está explícitamente programado, aunque sus parámetros se puedan ajustar, y mucho en el caso del machine learning, mediante aprendizaje. 

Decir que los computadores pueden actuar sin ser programados explícitamente, creo que, aparte de no ser completamente cierto, alimenta las fantasías que ya existen, y en abundancia, alrededor de la inteligencia artificial y promueve esa visión de ciencia-ficción tan común y tan poco realista.

Definición de McKinsey & Co

Machine learning is based on algortihms that can learn from data without relying on rule-based programming.

Esta definición me parece muy acertada. No sé si orienta a quien no conozca el mundo de los algoritmos en general y el machine learning en particular, pero creo que capta muy bien, en una sola frase compacta, la naturaleza del machine learning.

Definición de la Universidad de Washington

Machine learning algorithms can figure out how to perform important tasks by generalizing from examples.

Es también, en mi opinión, bastante acertada aunque está redactada de una forma que más que una definición parece una descripción. 

Definición de la Universidad Carnegie Mellon.

The field of Machine Learning seeks to answer the questions, How can we build computer systems that automatically improve with experience, and what are the fundamental laws that govern all learning processes?

También me parece correcta aunque, como en el caso anterior, parece un poco más una descripción o una explicación que una verdadera definición. Además, va un poco más allá de la concepción puramente algorítmica para incluir dentro del campo del machine learning el entendimiento de las leyes que gobiernan los procesos de aprendizaje. Se trata de una propuesta muy atractiva, pero no sé si realmente esta búsqueda de las leyes generales del aprendizaje excede a lo que realmente se trabaja en machine learning.

*****

Cinco definiciones diferentes aunque, evidentemente, con puntos en común. Si he de elegir una, creo que me quedo con la definición de McKinsey porque creo que capta muy bien la esencia de lo que es el machine learning y lo hace en una frase muy compacta.

¿Sirven, de todas formas, esta definiciones para que alguien ajeno al mundo de la inteligencia artificial entienda lo que realmente es el machine learning? Me temo que no del todo, que a la definición siempre la va a tener que acompañar una explicación que ponga en contexto al machine learning con otras algoritmias y explique las diferencias. 

Pero bueno, explicar y entender un concepto avanzado es siempre una tarea siempre interesante. Al fin y al cabo, hablamos de aprendizaje ¿no?