La IA y el Machine Learning: dos tecnologías unidas

En la actualidad, las nuevas tecnologías están dando paso a un impulso tecnológico llamado Big Data, el cual aporta información en grandes Volúmenes, a gran Velocidad, con gran Variedad y  Variabilidad. El mercado ha entrado en la era de la Transformación Digital. Nos encontramos, entre otros, con una disciplina que tiene una demanda generalizada prácticamente en todos los sectores de la economía. Se trata de la IA, o Inteligencia Artificial.

Desde los años 50 del siglo XX, la Inteligencia Artificial (IA) ha sido una ciencia utilizada fundamentalmente para realizar  análisis de comportamientos y predicciones, en sus inicios a nivel de laboratorio. Después de toda la evolución producida, podemos decir que hoy IA significa analizar la información que en forma masiva nos entregan las nuevas tecnologías (Big Data) y devolverla con una inteligencia útil para diversos propósitos. Por eso, la Inteligencia Artificial y la robótica son dos de los factores de mayor crecimiento en 2017.

La importancia de la IA en el sector industrial

Pero la gran aportación, hoy,  en el campo de la IA es la capacidad de aprendizaje. Se está desarrollando una algorítmica que nos permite pedir a las máquinas que aprendan por sí solas, sin necesidad de tener que programar reglas para las infinitas combinaciones de los datos  aportados por las nuevas capacidades tecnológicas del mundo real. Hemos avanzado mucho en la capacidad que tienen las máquinas para aprender de su propia experiencia (auto-programarse) a partir de los datos que ingestan. Esta disciplina se llama Machine Learning (ML, también conocido como aprendizaje automático), y se trata de un sub-campo de IA.

Resumiendo, las nuevas tecnologías (Big Data, IoT, Omnicanal, etc.) nos han permitido desarrollar una nueva disciplina (ML)  que permite a las máquinas el aprendizaje automático, a través de algoritmos de aprendizaje. Los algoritmos de aprendizaje tienen un comportamiento similar  al que utiliza la naturaleza para desarrollar el aprendizaje de los niños: las conductas que se premian tienden a aumentar su probabilidad de ocurrencia, mientras que las conductas que se castigan tienden a desaparecer. Se trata del aprendizaje supervisado: “qué está bien – qué está mal”. En Machine Learning, esta supervisión la realizan los expertos en algorítmica, los cuales invierten una gran cantidad de tiempo entrenando a las máquinas; generalizan comportamientos a partir de informaciones que suministran en forma de ejemplo.

Las máquinas y el aprendizaje sin humanos

Las máquinas están aprendiendo a “comportarse”, a detectar  objetos, a interpretar palabras. Su penetración en el mercado está creciendo a gran velocidad gracias a los nuevos canales de difusión, como por ejemplo los Sistemas Cloud: Amazon Machine Learning o Azure Machine Learning.

Los avances son imparables (en algorítmica, en Big Data, en IoT, etc.) y el aprendizaje  supervisado está siendo sustituido por el aprendizaje automático: los algoritmos aprenden sin intervención humana.  Un avance muy importante llamado Deep Learning (DL, una rama del Machine Learning), permite acercarse cada vez más al modo de funcionamiento del sistema nervioso humano.

Los algoritmos de Deep Learning son capaces de procesar millones de datos no estructurados y establecer conexiones entre ellos casi imperceptibles. Es lo que ocurre, por ejemplo, en las plantaciones agrícolas en las que se pretende optimizar el método de producción. Los robots agrícolas son capaces de analizar el cultivo y monitorizar su crecimiento, teniendo en cuenta variables como la cantidad de fertilizante que necesitan, los litros de agua necesarios en cada momento o si la plantación será capaz de sobreponerse a las plagas de la zona.

El Deep Learning aporta muchas ventajas, tales como:

  • Crea sistemas mucho más inteligentes, porque analiza grandes cantidades de datos y establece relaciones entre ellos casi imperceptibles
  • Mucho más rápidos, porque analiza y responde en segundos
  • Mucho más preciso, porque siempre encuentra la mejor solución, con el mínimo error posible
  • Mucho más barato que consultarlo en fuentes externas o desarrollarlo de forma manual, cometiéndose menos errores
  • Aprende automáticamente de tus datos, mejora las predicciones y da la respuesta buscada, de forma sencilla

El aprendizaje automático irá incorporando paulatinamente nuevas funciones  cercanas a la inteligencia humana, por ejemplo razonamiento, motivación, emoción, etc.

*Resumen realizado a partir del artículo del Dr. Raúl Arrabales Moreno, Accenture Advanced Analytics y los artículos de SOLVER Machine Learning S.L.

The following two tabs change content below.
Share
This