aprendizaje automático

Machine learning: sistemas que aprenden

Etiquetas: Análisis de datos

El aprendizaje automático, machine learning en inglés, es considerada una rama de la inteligencia artificial. Su propósito es, como el propio nombre indica, que las máquinas sean capaces de aprender. Es decir, que con su uso, se mejore la experiencia y el propio uso.

 

¿Qué es el machine learning?

La razón de ser del aprendizaje de máquinas es que los sistemas mejoren la experiencia de uso por sí mismos por medio de algoritmos. De este modo, aunque sus rasgos iniciales no cuenten con la presencia de una habilidad concreta, la propia máquina se encarga de desarrollarlo en base al uso. Y lo que resulta fundamental para estos sistemas, lo hacen sin intervención humana alguna; de forma totalmente autónoma.

Si bien puede parecer ciencia ficción, esto es toda una realidad ya. Las máquinas utilizan datos y muestras de su propio uso para incorporarlos a su propio desempeño, sin tener que ser reprogramadas para adquirir una nueva habilidad o una mejora en el uso. O sea, el programa inicial se crea como un modelo capaz de generalizar un comportamiento y todo lo que lo rodea en el desempeño de sus tareas para recoger datos que le permitan adquirir un conocimiento. Por ello, resulta fundamental el análisis de datos, desde la recogida hasta el reconocimiento de patrones. La clave del aprendizaje automatizado es la construcción y adaptación de los árboles de decisiones en base a los datos previamente recabados por el sistema.

 

¿Para que sirve el machine learning?

El machine learning tiene un ámbito de actuación tremendamente amplio. Desde la devolución de resultados de búsqueda en motores como Bing o Google en base a intereses del usuario hasta el diagnóstico médico en base a patrones comunes con otros pacientes.

Entre ambos extremos, de lo más básico o diario hasta temas de suma importancia, hay un gran abanico. Se pueden evitar problemas de seguridad en ordenadores, ayudar a la inversión en bolsa, clasificar secuencias de genoma, reconocer personas o conversaciones, crear robots más sofisticados, mejorar la experiencia de los videojuegos o, por supuesto, en la industria (cadenas de montaje colaborativas, customización, detección de errores en tiempo real, etc.).