¿Qué tienen en común las recomendaciones de Netflix, las respuestas inteligentes de Gmail o la voz de Siri y Alexa? La respuesta es que vienen de máquinas que van aprendiendo en la medida que las usas, es lo que se conoce como Machine Learning o Aprendizaje Automático.
Así es, Netflix no tiene detrás a un humano vigilando los datos de las series o películas que ves o cuáles viste completas y cuáles no. Ese trabajo lo hace una computadora que va aprendiendo a medida que navegas en la aplicación. Y de allí va armando sus recomendaciones y aunque no siempre sean acertadas, ese es otro dato, del cual aprende.
El Machine Learning es un área de inteligencia artificial (IA) que ayuda a las computadoras o las máquinas a aprender de todos los datos anteriores y a tomar decisiones inteligentes, sin necesidad de ser programadas. El marco de aprendizaje automático implica capturar y mantener un rico conjunto de información y transformarlo en una base de conocimiento estructurada para diferentes usos en diversos campos.
Las aplicaciones de esta tecnología se extienden a casi todas las áreas: educación, medicina, viajes espaciales, vehículos autónomos y un largo etcétera.
Existen tres tipo de machine learning: supervised learning, unsupervised learning y reinforcement learning.
Cuando hablamos de supervised learning, nos referimos a que depende de datos que sean etiquetados por humanos, que luego la computadora procesa. Son problemas o procesos ya resueltos, pero que seguirán surgiendo en un futuro, así que lo se que hace es que los siguientes cálculos los realice la máquina.
Ejemplos: reconocimiento de voz, detección de spam, reconocimiento de escritura, todos ellos muy comunes como funciones básicas de nuestros teléfonos inteligentes.
En el unsupervised learning al algoritmo no tiene indicaciones previas y se le entregan una gigantesca cantidad de datos. Las máquinas no identifican patrones en bases de datos etiquetadas, sino que buscan similitudes. En este caso, los algoritmos no están programados para detectar un tipo específico de datos, como ocurría con el reconocimiento de escritura, sino que buscan ejemplos que se parezcan y puedan agrupar.
Ejemplo: reconocimiento facial, el algoritmo no te “reconoce” como lo haría un amigo, sino gracias una serie de patrones comunes que le ‘dicen’ que se trata del mismo rostro guardado en la base de datos
Por último tenemos el reinforcement learning o aprendizaje por refuerzo. En este tipo de learning machine, la computadora puede aprender gracias a ensayo y error en diversas situaciones. El ejemplo clásico es la conducción de un vehículo en autónomo.
¿Quieres publicar tus propios proyectos?. ¡Pues que esperas!
ZoeGeop Technologies
MarketPlace
Crea tu cuenta
Suscríbete
[latest-selected-content output=»slider» limit=»4″ date_limit=»1″ date_start=»2″ date_start_type=»months» image=»medium» css=»four-columns tall as-overlay light» type=»post» status=»publish» taxonomy=»category» orderby=»dateD» show_extra=»category» slidermode=»fade» slideslides=»1″ slidescroll=»1″ sliderinfinite=»true» slidercontrols=»true» sliderauto=»true» sliderspeed=»3000″ chrlimit=»120″ url=»yes»]
Síguenos en nuestro canal de YouTube dedicado a tecnología, marketplace de proyectos tecnológicos, cursos online y tutoriales de desarrollo de videojuegos. Ofrecemos consultoría en desarrollo de software, marketing online, servicios de TI, hosting web, dominios web y más.
Si quieres contribuir con cualquier aporte o donación hacia nuestros proyectos y el canal puedes hacerlo a través de nuestra cuenta en Patreon.
