El término Machine Learning no es nuevo, se utiliza desde los años cincuenta y es que en años recientes, ya en siglo XXI, ha tomado mucha relevancia.
En el Machine Learning, se cuenta con la capacidad de autoaprender y corregir errores. Básicamente, consiste en desarrollar procesos que permitan a las máquinas aprender por sí solas a partir de un conjunto de datos que un instructor va introduciendo trabajosamente primero y corrigiendo manualmente después. En este proceso, el ordenador extrae conocimiento a través de experiencia supervisada.
El Machine Learning o Aprendizaje Automático es una rama dentro de la Inteligencia Artificial, sirve para darle a los ordenadores la capacidad de aprender de datos sin necesidad de ser programados por un humano.
En otras palabras, son algoritmos utilizados en ordenadores que te darán hallazgos, información, conclusiones relevantes y estadísticas obtenidas de un conjunto de datos. Todo sin que una persona escriba instrucciones o códigos.
¿Cuántos tipos de Machine Learning existen?
Los algoritmos que son catalogados como Machine Learning, se dividen en dos grupos: Supervised Learning y Unsupervised Learning.
Un ejemplo cotidiano de Supervised Learning, es el sistema de control de SPAM en los correos electrónicos; los usuarios indican cuáles son maliciosos o SPAM y el Machine Learning del servicio de correo, aprende y después los identifica automáticamente.
El Unsupervised Learning, carece de una experiencia previa o la ayuda de un usuario como en el ejemplo de los correos. Está más orientado a la búsqueda de patrones, así que se utiliza para realizar análisis de datos científicos o anomalías en grandes volúmenes de datos.
Como puedes imaginarte, las industrias utilizan Machine Learning de distintas maneras de acuerdo a su ramo. Generalmente es para tomar decisiones o hacer predicciones.
¿En qué aspectos es usado el Machine Learning?
Los chatbots, por ejemplo, utilizan el Machine Learning para determinar una respuesta con base en el procesamiento del lenguaje natural.
Google lo usa en su herramienta de reconocimiento de voz; hay libros inteligentes que determinan qué temas son en los que flaquea un estudiante para darle un plan de estudio personalizado.
Google aplica el Machine learning haciendo que un software, diseñado bajo el concepto de una red neuronal, imite al cerebro humano usando hasta miles de millones de “neuronas” o unidades computacionales.
En un escenario de Aprendizaje Profundo o Deep Learning (DL), esas “neuronas” están conectadas con una gran red y ésta aprende a reconocer patrones. En el Deep Learning (DL), las neuronas se organizan en capas y cada capa puede aprender los patrones de la capa que está debajo de ella, lo que significa que en las capas altas, la red neuronal aprende patrones, como por ejemplo, cómo se ve una casa, una fiesta, un abrazo o si lo que se presenta en una imagen es un gato o un perro. Google, por ejemplo, lo utiliza en la herramienta de reconocimiento de voz que tiene su app para que los sonidos puedan convertirse en palabras; Google Fotos puede buscar cosas relacionadas con abrazos o gatos, y Gmail bloquea así el 99.9 por ciento del correo Spam. El objetivo de Google, es mejorar sus productos logrando la productividad en sus procesos.
Por otro lado, IBM tiene un producto llamado Kenexa, integrado por pilares como Talent Insight, una herramienta para el área de Recursos Humanos de las empresas que consiste en un sistema analítico que con Machine learning ayuda a pronosticar resultados, visualizar escenarios e identificar patrones, y así fortalece la capacidad prospectiva que tienen las organizaciones para la atracción y retención de talento.
Talent Insight básicamente tiene tecnología de cognitiva y analítica de Watson y básicamente es un sistema que no se programa, entiende el lenguaje natural, razona y aprende, y se va entrenando y va evolucionando su conocimiento. Con una base en datos compuesta por la información como la edad, género, puesto, área de trabajo, jefe al que reporta, escolaridad, universidad, antigüedad, sueldo y resultados de evaluación al desempeño, la herramienta puede producir un análisis para impulsar desde la atracción, contratación y retención del talento hasta la relación con los clientes y el desempeño laboral.
A inicios del presente año, el CEO de Microsoft, Sayta Nadella, dijo que el coordinar el lenguaje natural del humano con la inteligencia de las máquinas lograría que las organizaciones y los clientes pudieran tener más capacidades. UPS, empresa de servicios de envíos a nivel internacional, entendió esto muy buen.
Esta empresa creó un Bot en Skype, incorporando IA, que rastrea paquetes, calcula costos de envío y puede encontrar la sucursal más cercana al usuario detrás de la pantalla.
En lo que se refiere a hardware, LG presentaró en el CES 2017 sus primeros robots equipados con tecnología de IA, la cual los habilita para ser empleados del hogar y ayudantes de los humanos en distintas tareas.
Como vemos, la aplicación de Machine Learning, busca usar los algoritmos de la Inteligencia Artificial, lo cual permite aprovechar la poderosa función de procesamiento analítico, haciendo a los robots capaces de navegar entornos complejos y descifrar el camino más eficiente y eficaz para cumplir con tareas específicas.
Fuente: Internet
Click aquí: “Tecnología SSL protege la información online e incrementa la seguridad en los sitios web”.
Click aquí para ver el vídeo: “Machine Learning y casos de uso”.
