Machine Learning, ¿moda o innovación?

El aprendizaje de las máquinas o machine learning (ML) es un tema que ha acaparado la atención, no solo del mundo tecnológico, sino que ha permeado distintas industrias, ya que establece las nuevas rutas hacia la innovación y cada vez tiene mayor presencia en nuestra vida cotidiana. Estamos en una etapa de transición hacia una nueva era de cómputo, en la que las personas tienen una relación más natural con la tecnología.

Pero, ¿qué es machine learning y cómo puede una empresa aprovechar esta nueva tendencia para incrementar su competitividad? ¿Es algo que deberían conocer o simplemente dejarlo en las manos de los especialistas?

ML es una disciplina dentro del campo de la inteligencia artificial que explora una forma radicalmente distinta de programar los sistemas de cómputo. Históricamente, especialistas escriben “programas”, que son conjuntos de pequeñas instrucciones, generalmente ejecutadas en una clara secuencia, que indican de qué forma actuar con la información al alcance de la computadora.

Un sistema de ML opera con datos de entrenamiento y se “programa” a sí mismo para encontrar patrones que le permiten procesar nuevos datos. Por eso ahora hablamos de “entrenar” un modelo en vez de “programarlo”. En la programación tradicional, el “programador” debe prever las distintas situaciones o combinaciones de datos que pueden encontrarse y definir secuencias apropiadas para tratar cada caso.

En cambio, en el entrenamiento de ML tenemos que proporcionar datos para permitir que el sistema experimente con distintas combinaciones de ellos y comparar el resultado obtenido con el resultado esperado. La diferencia entre lo esperado y lo propuesto por el sistema se utiliza para su recalibración y este proceso se repite cientos, miles o millones de veces, hasta que el sistema es capaz de generar resultados de alta confiabilidad.

Como usuarios de la web recibimos los beneficios de ML cada vez que YouTube recomienda un video, o Waze ayuda a escoger el mejor camino, con base en nuestro comportamiento previo.

Las ideas detrás de ML no son nuevas. Lo nuevo es que la creciente capacidad de cómputo y el desarrollo de librerías de uso público han permitido la democratización en el acceso a ML a través de la creación de modelos para resolver problemas serios de la vida real en los que la programación tradicional resultaba compleja o virtualmente imposible.

Hoy, emprendedores y empresas alrededor del mundo están utilizando modelos de ML para tomar mejores decisiones en un sinfín de industrias. Desde aprobar créditos, hasta su aplicación en la medicina, como el desarrollo de programas que permiten identificar, prevenir y tratar distintas enfermedades.

No solo las grandes empresas están volteando la cara a ML. Varias startups incluyen estos modelos como una parte estratégica. Incluso para muchas aplicaciones ya existen modelos pre-entrenados de ML que analizan imágenes, convierten voz en texto, identifican riesgos en contratos comerciales, traducen idiomas y hacen muchas otras cosas útiles que pueden ayudarnos a construir un mejor negocio.

Llegaremos a un punto, no dentro de mucho, en el que todas las empresas exitosas, sin importar su tamaño, vean a sus modelos de ML como parte fundamental de su negocio. ¿No creen que vale la pena empezar a conocer más del tema?