El mundo de la inteligencia artificial está lleno de datos y funcionalidades con las que la gente se comienza a familiarizar. Una de estas es el machine learning.
Pero, ¿qué es esto y cuál es su funcionalidad? Acá te explicamos de manera sencilla algunos datos que debes saber de este tema.
El Machine Learning (ML), o Aprendizaje Automático, es una subdisciplina de la Inteligencia Artificial (IA). Esta ayuda a los sistemas informáticos aprender de los datos, identificar patrones y tomar decisiones o hacer predicciones con una mínima intervención humana.
LEA TAMBIÉN | Proponen enseñar inglés con ayuda de inteligencia artificial en escuelas de Puerto Rico
Básicamente, se basa en la idea de que los algoritmos pueden aprender de los datos, encontrar patrones y luego usar esos patrones para tomar decisiones sobre datos nuevos.
Existen tres tipos de machine learning:
Hay tres tipos principales de Machine Learning:
- Aprendizaje supervisado: El algoritmo se entrena con un conjunto de datos “etiquetados”, lo que significa que tanto las entradas como las salidas deseadas se proporcionan al modelo. El algoritmo aprende a mapear las entradas a las salidas y luego puede predecir las salidas para nuevos datos no vistos. Ejemplos incluyen la clasificación (detectar spam) y la regresión (predecir precios de viviendas).
- Aprendizaje no supervisado: En este caso, el algoritmo trabaja con datos no etiquetados y busca patrones o estructuras ocultas dentro de ellos sin ninguna guía explícita. Se utiliza para tareas como la agrupación (segmentar clientes) o la reducción de dimensionalidad.
- Aprendizaje por refuerzo: El algoritmo aprende a través de la interacción con un entorno, recibiendo “recompensas” por las acciones correctas y “penalizaciones” por las incorrectas. Su objetivo es maximizar la recompensa a largo plazo. Es común en robótica, juegos y coches autónomos.
¿En dónde se aplica?
Hay un montón de funciones que aprovechan esta herramienta y quizás no te habías dado de cuenta que tienes rato beneficiándote de esta tecnología.
Entre las aplicaciones que tiene está, por ejemplo, el filtro de spam en tu correo. El sistema ha sido “entrenado” con millones de correos electrónicos, algunos marcados como spam y otros como legítimos. Aprende a identificar patrones (palabras clave, remitentes sospechosos, estructura del mensaje) que indican que un correo es spam. Cuando llega un nuevo correo, aplica lo que ha aprendido para clasificarlo.
También ocurre cuando plataformas de streamings te recomiendan series o películas. Esto ocurre porque el sistema analiza tu historial de visualización o compras, los artículos que te gustaron, los que viste/compraste, e incluso lo que otros usuarios con gustos similares a los tuyos han consumido. Luego, predice qué otros elementos es probable que disfrutes.
El machine learning también se ve cuando desbloqueas tu teléfono con reconocimiento facial. Esta función se logra porque el algoritmo ha sido entrenado con muchísimas imágenes de rostros. Gracias a esto prende a identificar características únicas (la distancia entre los ojos, la forma de la nariz, la línea de la mandíbula). Cuando presentas un nuevo rostro, lo compara con los patrones que ha aprendido para identificarlo o sugerir un nombre.
En la vida cotidiana también se ve con los carros autónomos, que son capaces de identificar personas, señales de tránsito y carriles y en el sector bancario cuando se detectan transacciones sospechosas o alertan si tu tarjeta la están usando de forma fraudulenta.
