Machine learning: definiciones, ejemplos y conceptos básicos

Entendemos el machine learning como un campo que utiliza tecnologías de estadística para lograr cierto “aprendizaje”. Todo esto sin la necesidad de haber sido programado explícitamente.

Este proceso de aprendizaje suele ser supervisado por un “profesor” que le presenta a la máquina distintos inputs y sus outputs deseados. Estos inputs deben estar etiquetados para que la máquina pueda aprender una regla general que lleve desde un input a un output.

Claro que también existe una variante no supervisada del machine learning. En esta, la computadora deberá generar sus propias etiquetas e identificar patrones para definir las reglas generales.

Su popularidad durante la última década viene tras el boom del data mining, pero la verdad es que podemos encontrarla en variados espacios. Actualmente, este aprendizaje puede puede servir para reconocer las sutilezas de una práctica o conocer mejor a un usuario en específico.

¿Machine learning o inteligencia artificial?

Es normal confundir el machine learning con inteligencia artificial. Ambas tecnologías se encuentran en un constante avance y resulta sencillo perderse entre tanta innovación.

Sin embargo, inteligencia artificial es un término bastante amplio. En él caen varias tecnologías que ocupan metodologías de aprendizaje y algoritmos para conseguir objetivos.

En ese sentido, machine learning corresponde a una de estas tecnologías. Claro que, como bien señala ITPro, estas definiciones no son estáticas. Es probable que el mar de cambios en que navegan ambas las lleve a ampliarse o acostarse con el paso de los años.

¿Dónde está el Machine Learning?

Uno de mis ejemplos favoritos de machine learning es el traductor de Google. Por muchos años Google Translate fue percibido como una herramienta inútil. No fue hasta que google implementó el machine learning que esta consiguió superarse.

Actualmente Google Translate resulta bastante práctico, todo gracias a la opción de “sugerir un cambio” y “mejorar esta traducción”. Ambos botones permiten a los usuarios “enseñar” al traductor y que este perfeccione su aplicación del lenguaje.

Otro uso del machine learning con el que nos topamos a diario es en las recomendaciones de Spotify. Cada vez que voy en el metro y aparece una canción que no agrada pienso en alguna pobre máquina que todavía está aprendiendo a hacer bien su trabajo.

Claro que también es aplicada a las recomendaciones de Facebook e Instagram. Si bien estas pueden resultar obtusas de vez en cuando, a veces resultan extrañamente acertadas. La carrera por tener la máquina más inteligente va a una velocidad imparable.

La existencia del concepto viene desde mediados del siglo XX y no ha habido un momento en su historia en que haya más gente trabajando en el campo. Sin duda es el momento de aprender a aplicar el machine learning a nuestros proyectos