1950 fue el año en que el famoso matemático Alan Turing planteó por primera vez la posibilidad de que las máquinas pudieran pensar, abriendo el camino a la Inteligencia Artificial moderna. Una década después se avanzó hacia las redes neuronales artificiales, un modelo computacional inspirado en la mente humana que probaron los científicos Marvin Minsky y Dean Edmonds, logrando crear un programa informático capaz de aprender a través de la experiencia.
Estos fueron los primeros pasos del “machine learning” que, como lo explica el experto en datos José Luis Espinoza, “es un maestro del reconocimiento de patrones, capaz de convertir una muestra de datos en un programa informático que extrae inferencias de nuevos conjuntos de datos para los que no ha sido entrenado previamente.” Así pues, el machine learning es una rama fundamental de la Inteligencia Artificial, responsable por permitir que los programas aprendan sin ser expresamente programados para un propósito.
Y aunque 1960 vio su surgimiento formal, la limitada tecnología de la época también lo hizo entrar en un periodo de inactividad que duraría hasta finales de los años 90, cuando el sistema IBM Deep Blue derrotó en una partida de ajedrez al multicampeón mundial de ese juego, Garry Kasparov. Con este contexto, a primera vista, puede parecer que el machine learning es un aspecto de la tecnología de punta que está removido del uso cotidiano de las computadoras, como lo es, por ejemplo, la computación cuántica. Sin embargo, esta percepción no podría estar más equivocada, pues a diferencia de otras innovaciones, el machine learning convive a diario con nosotros. ¿Para qué le sirve al usuario común? ¿Qué potencial posee aún para los usos más especializados?
La mente de una computadora.
Desde 1997 cuando la célebre máquina ajedrecista de IBM logró su representativo triunfo, una línea investigadora continúa hasta la actualidad desarrollando inteligencias artificiales que pueden aprender a jugar juegos de estrategia, logrando derrotar a sus más grandes campeones de carne y hueso. Sin embargo, estos son experimentos diseñados para probar y aumentar sus capacidades analíticas en laboratorio, la pregunta es ¿dónde se aplica realmente el machine learning?
Está presente en prácticamente todas las aplicaciones de entretenimiento que la mayoría usamos a diario, incluidas Netflix y Spotify, específicamente en las recomendaciones de nuevas películas o música que nos hacen, siendo también responsables de la capacidad predictiva en el teclado del WhatsApp o el Gmail. En los asistentes de los teléfonos inteligentes también son excelentes ejemplos de máquinas aprendiendo de los datos que, con el uso diario que les proporcionamos perfeccionan lo que nos muestran cuando las consultamos. Y aunque estos sencillos usos pueden parecer lógicos o demasiado simples, son el resultado de adelantos que hasta hace muy poco eran imposibles incluso para las computadoras más poderosas del mundo.
También podría interesarte: La digitalización no es solo para compañías digitales.
Hacia el futuro, el machine learning se perfila para ser especialmente útil en el mundo empresarial, pues esa capacidad de adaptarse en tiempo real a los datos que entran a un sistema puede mejorar un modelo ya establecido descubriendo nuevos modos de trabajar poco convencionales. Varios bancos lo emplean, por ejemplo, para predecir los cambios en los mercados y los clientes, balanceando oferta y demanda para ofrecer precios personalizados a los inversores. La innovación en disciplinas científicas también usa este aspecto de la inteligencia artificial capaz de aprender y realizar descubrimientos pero con usos tan dispares como el diseño de antenas para la NASA o la creación de algoritmos que permiten predecir la estructura de nuevas proteínas artificiales.
Ya combinado con otras innovaciones, el machine learning converge en invenciones como los coches autónomos donde el aprendizaje de la Inteligencia Artificial se fusiona con el poder de las redes 5G, permitiendo que los programas de manejo mejoren su conducción progresivamente, analizando datos en tiempo real a los que puedan acceder a través de la red celular de nueva generación.
“Las posibilidades del machine learning son virtualmente infinitas mientras existan datos disponibles de los que aprender” concluye José Luis Espinoza, abriendo sus posibilidades incluso hacia campos creativos que, tradicionalmente, solo pueden realizarse con la influencia directa de un ser humano. Entra a alestra.mx para aprender más sobre innovaciones en la Inteligencia Artificial y otras tecnologías exponenciales directamente de nuestros expertos.
Fuente:
https://www.bbva.com/es/machine-learning-que-es-y-como-funciona/
