¿Qué es el Aprendizaje Automático?
El aprendizaje automático es un subconjunto de la inteligencia artificial que permite a los sistemas aprender y predecir resultados sin programación explícita. A menudo se utiliza indistintamente con el término IA porque es la técnica de IA que ha tenido el mayor impacto en el mundo real hasta la fecha, y es lo que es más probable que utilices en tu negocio. Los chatbots, las recomendaciones de productos, los filtros de spam, los coches autónomos y una gran variedad de otros sistemas aprovechan el aprendizaje automático, al igual que los “agentes inteligentes” como Siri y Cortana.
En este artículo de Fortune, What is the Difference Between Artificial Intelligence and Machine Learning, el autor describe claramente la diferencia entre IA y Aprendizaje Automático: “La IA es el concepto más amplio de que las máquinas puedan llevar a cabo tareas de una manera que consideraríamos inteligente”, mientras que el aprendizaje automático es “una aplicación actual de la IA basada en la idea de que realmente deberíamos poder dar acceso a los datos a las máquinas y permitirles aprender por sí mismas”.
¿Cómo funciona el Aprendizaje Automático?
En lugar de escribir algoritmos y reglas que tomen decisiones directamente o intentar programar una computadora para que “sea inteligente” utilizando conjuntos de reglas, excepciones y filtros, el aprendizaje automático enseña a los sistemas informáticos a tomar decisiones aprendiendo de grandes conjuntos de datos. Los sistemas basados en reglas se vuelven rápidamente frágiles cuando tienen que tener en cuenta la complejidad del mundo real; el aprendizaje automático puede crear modelos que representan y generalizan patrones en los datos que utilizas para entrenarlo, y puede usar esos modelos para interpretar y analizar nueva información.
El aprendizaje automático es adecuado para la clasificación, lo que incluye la capacidad de reconocer texto y objetos en imágenes y videos, así como encontrar asociaciones en los datos o segmentar datos en grupos (por ejemplo, encontrar grupos de clientes). El aprendizaje automático también es experto en predicción, como calcular la probabilidad de eventos o pronosticar resultados. El aprendizaje automático también se puede utilizar para generar datos faltantes; por ejemplo, la última versión de CorelDRAW utiliza el aprendizaje automático para interpolar el trazo suave que intentas dibujar a partir de múltiples trazos toscos que haces con la herramienta de pluma.
Dos Modos de Aprendizaje Automático: Supervisado y No Supervisado
Cuando se utiliza software para indicarle al algoritmo específicamente lo que queremos descubrir, se llama ML supervisado. Los algoritmos de aprendizaje automático utilizan una variable o atributo ‘objetivo’ para ‘entrenar’ un modelo basándose en los datos de la variable objetivo.
El ML no supervisado es cuando la máquina puede aprender a identificar procesos y patrones complejos sin que un humano proporcione orientación en el camino. Utiliza el agrupamiento (clustering) como aplicación, donde los registros del conjunto de datos se segmentan automáticamente en grupos. Esos grupos son similares a los registros de su propio grupo y disímiles a los registros de otros grupos.
