Machine Learning. Algo “diferente”

1-Introducción

Machine Learning es una de las áreas más activas en inteligencia artificial. Esto se debe en parte al boom en Big Data, pero también a los enormes avances en los algoritmos de aprendizaje automático. Ahora tenemos máquinas que pueden aprender a conducir automóviles, buscar nuevos productos farmacéuticos e incluso ser jugadores expertos en juegos que requieren una estrategia creativa y compleja.

Estas habilidades son solo el comienzo. Las máquinas están mejorando en tareas que, en el pasado, solo podían ser realizadas por humanos e incluso están aprendiendo a hacer juicios mejores a través del análisis de patrones y la toma de decisiones estratégicas.

Este blog le brindará una descripción general de alto nivel de conceptos y tecnología de machine learning. Verá cómo aprenden las máquinas, y luego verá algunos de los algoritmos de aprendizaje automático más utilizados. Finalmente, obtendrá algunas ideas sobre cómo seleccionar el mejor algoritmo.

Muchas organizaciones están utilizando esta tecnología y uno de los mayores obstáculos, es encontrar especialistas con conocimientos en Machine Learning. Esto no es solo para los científicos de datos, sino también para los gerentes, e incluso para los ejecutivos que podrían beneficiarse de saber más sobre esta tecnología. Es por eso que este blog va dirigido gerentes, empresarios, estudiantes o profesionales que desean comprender mejor el machine learning.

Verá cómo el Machine Learning se ajusta al mundo global de la inteligencia artificial, para aprovechar esta nueva tecnología para tomar mejores decisiones y encontrar patrones en sus datos.

Entonces, veamos qué han estado haciendo esas máquinas en el mundo del Machine Learning.

2-¿Qué significa Machine Learning?

El machine learning existe desde hace mucho tiempo. Probablemente puedas decirlo porque el término en sí, está un poco pasado de moda. A menudo no escuchas el término máquina para referirnos a un ordenador. El término machine learning comenzó en 1959, cuando el pionero de la informática Arthur Samuel se preguntó si los ordenadores o computadoras podrían aprender comportamientos en lugar de ser programadas para realizar tareas específicas. Este tipo de pensamiento difería drásticamente de la forma en que la mayoría de los científicos informáticos veían los ordenadores. Un ordenador de hoy en día necesita que se le diga exactamente qué hacer.

Piensa en cómo interactúas con las computadoras. La mayoría de los programas son una serie de instrucciones explícitas y es por eso, que cuando estás creando software para algo así como una aplicación bancaria, debes ser muy preciso. Puede crear una instrucción que diga algo así como: “Si un cliente intenta retirar dinero” y eso excede su saldo,  “entonces cancele la transacción”. Esa es una instrucción explícita. Si ves X, haz Y.

Machine learning es diferente.

Aquí no estás creando instrucciones detalladas. En cambio, le está dando a la computadora los datos y las herramientas que necesita para estudiar el problema y resolverlo sin que se le diga qué hacer. Por tanto, se le está dotando con la capacidad de recordar lo que hizo para poder adaptarse, evolucionar y aprender.

Eso no es muy diferente de cómo los humanos aprenden.

Hace varios años decidí comprar una estantería nueva con mi esposa, y escogimos una bastante grande de IKEA. Poco después de abrir la caja, me di cuenta de que armarla sería increíblemente difícil. Las instrucciones decían que cada una de las repisas tenía que tener algo llamado pasador en cada lado, así que coloqué los tacos en cada uno de los orificios, luego empujé el estante hacia los lados y mi esposa empujó hacia abajo en el estante y los dos estábamos sorprendidos de ver que funcionó. Una vez que descubrí el primer estante, tuve suficiente experiencia para instalar los otros estantes. De esa manera no tuve que mirar las instrucciones para instalar el resto de repisas.

Durante su aprendizaje, un ser humano trata de comenzar con algo pequeño y posteriormente lo intenta con algo más grande. Tenía un problema, así que creé una regla basada en mi propia experiencia. Luego utilicé la regla para intentar una acción más grande y después esperé a obtener un feedback para ver si necesitaba ajustar la regla o dejarla tal y como está. Cada vez que aprendo una nueva regla que me funciona, la añado a mi memoria. En machine learning, las computadoras hacen esto de la misma manera.

La máquina comienza probando algo más pequeño con una parte más pequeña de los datos y luego utiliza un algoritmo estadístico para ver cómo encajan los datos. Una máquina puede tener un algoritmo que dice qué dos tipos de datos deben tratarse de la misma manera, usará el algoritmo para buscar patrones y obtendrá unos feedbacks. Para comprobar los resultados obtenidos, la máquina comprobará su resultado con los datos usados en su entrenamiento para ver si era correcto. Cada vez que la máquina aprende algo nuevo, lo agrega a su base de datos. En cierto sentido, lo está almacenando en su memoria a largo plazo para que pueda mejorar y adaptarse.

Hay que tener en cuenta que la máquina y el ser humano salieron con más experiencia. Aprendí cómo armar una estantería innecesariamente compleja y ahora sabría mucho más sobre el montaje de muebles, al igual que nuestra máquina sabría mucho más sobre los datos.

No os perdáis las próximas entradas en nuestro blog donde seguiremos hablando de Machine Learning, con nuevos conceptos.