A medida que Inteligencia Artificial se ha ido popularizando también ha evolucionado su categorización. Una forma común de clasificarla, hoy en día, es decir que está compuesta de Aprendizaje de Máquina, Aprendizaje Profundo y Redes Neurales.
Por Laszlo Beke
El componente de Inteligencia Artificial que comenzó a explotar en su uso desde hace cinco es Aprendizaje de Máquina (AM). Esta utiliza técnicas estadísticas para darle a las computadoras la habilidad de “aprender” y detectar patrones con la data y con ello responder a una clase de preguntas que anteriormente eran “difíciles para las computadoras y fáciles para la gente” o “difíciles de describir para las computadoras por parte de las personas”.
Todavía no está claramente establecido todo el impacto que tendrá AM– qué cambios traerá , cómo hará pensar y reaccionar y que significará para todos. Por ello, puede resultar un ejercicio útil: (1)) compararlo con experiencias previas del impacto de nuevas tecnologías y (2) identificarlo como un medio para automatizar.
Bases de Datos Relacionales y Capas Habilitadoras
Las bases de datos originales eran sistemas de registro de datos, las Bases de Datos Relacionales las convirtieron en sistemas de inteligencia de negocios y fueron una capa habilitadora fundamental que transformó lo que la computación podía hacer y su importancia. Oracle, SAP y sus iguales permitieron que aparecieran las cadenas de suministro justo a tiempo y para 1.990 prácticamente todo el software empresarial era una base de datos relacional. Esa tecnología se convirtió en una capa habilitadora que pasó a formar parte natural del todo. Esta es una buena base para pensar sobre Aprendizaje de Máquina: un cambio fundamental en lo que se puede hacer con las computadoras y que será parte integral de los diferentes productos fabricados por muchas empresas en diferentes industrias, más allá de la Tecnología de la Información.
Al igual que las Bases de Datos Relacionales. AM es de propósito general y no es algo único, que permita que Google o Microsoft puedan construir “el único y dominante AM” o que Google “tiene toda la data” o incluso que “Watson” le permita un monopolio a IBM.
Automatización
Esta es una segunda herramienta cuándo se piensa en Aprendizaje de Máquina. Como ejemplo, una empresa que fabrica asientos para autos ha colocado una red neural en un chip DSP (3D) poco costoso, con un sensor de imágenes de teléfono inteligente, también económico, y con ello detectan si hay una arruga en la tela. Se trata de automatización que no se podía hacer previamente. AM no necesita compararse con expertos, ni décadas de experiencia o juicio, ya que no se está automatizando a expertos. AM podrá hacer cualquier cosa que un humano haga en menos de un segundo.
Tipos de problemas
AM permite resolver tipos de problemas que las computadoras no podían abordar anteriormente, donde cada uno de esos problemas tiene una implementación propia, una data diferente, una ruta distinta al mercado y frecuentemente perteneciente a una empresa de tecnología diferente. Se puede pensar en una sucesión de tipos de data y de tipos de preguntas y por ello Aprendizaje de Máquina:
· Puede proveer mejores resultados para preguntas que los usuarios ya se están planteando sobre la información que ya disponen.
· Permite hacer nuevas preguntas sobre data que ya está disponible.
· Abre nuevos tipos de data para análisis – antes computadoras no podían leer audio, imágenes o video. Imaginología, donde sensores de imágenes pasan a convertirse en un mecanismo de entrada totalmente nuevos, es la de mayor potencial.
Áreas de oportunidad
Existen muchos problemas de análisis obvio y de optimización, y muchos aspectos que son claramente problemas de reconocimiento de imágenes o cuestiones de análisis de audio. Por ejemplo, la única razón por la cual se está hablando de vehículos autónomos y de realidad mixta es por cuanto Aprendizaje de Máquina los habilita. Cuáles serán las otras cosas que se habilitarán y cuáles serán las que se desconocen y que serán detectadas? Lo averiguaremos en los próximos diez o quince años y AM estará presente en muchos de los espacios de nuestra vidas cotidiana.
Se hace referencia a “Ways to think about machine learning” https://bit.ly/2lwtwhS. También aparece en mi blog http://bit.ly/2KGOrOB.