Introducción al aprendizaje automático
Todos hemos escuchado los conceptos de “Machine Learning”, “Inteligencia Artificial” y “Big Data” utilizados de forma simultanea para representar cualquier acción realizada por una computadora de forma autónoma. ¿Son estos términos intercambiables? ¿Hay diferencias entre ellos? Este artículo busca responder esa pregunta.
Inteligencia Artificial
¿Qué es la inteligencia artificial? Probablemente hayas escuchado este
término varias veces en tu vida, especialmente en artículos de noticias
informáticas para referirse a las hazañas realizadas por una computadora
al enfrentarse a problemas del mundo real.
Hay que aclarar, que la inteligencia artificial no es lo mismo que el
aprendizaje automático, sino que es la base de la cual este surge. Este
concepto refiere a la habilidad de una computadora o cualquier máquina
de realizar tareas que requieren de “pensamiento” o lo que es lo mismo,
que solo un humano podría lograr utilizando su mente. En este campo cae
cualquier tipo de cálculo matemático o razonamiento lógico a partir de
un conjunto de premisas. Es la capacidad de un objeto inanimado de tomar
decisiones en base a escenarios varios dados por el ambiente en el que
se implemente (es decir, razonar).
Machine Learning
Ya habiendo definido Inteligencia artificial, es necesario definir que
es el aprendizaje automático o como es más comúnmente llamado, Machine
Learning.
Como vimos anteriormente, la inteligencia artificial refiere a la
capacidad de las máquinas de hacer tareas de forma programática para
resolver problemas específicos, pero, ¿Qué pasa si a la máquina un
problema aún más abstracto, que esta no sepa resolver?. ¿Cómo puede una
máquina resolver un problema si no sabe la respuesta a él pero si conoce
la resolución de problemas similares? Es aquí donde se presenta el
Machine Learning, la capacidad de una máquina de aprender, asociar y
clasificar datos en base a otros previamente clasificados.
Funciona de la siguiente manera:
- Primero, se alimenta a la máquina con datos sacados de un ambiente real donde sepamos el resultado de la introducción de los mismos.
- Segundo, hacemos que la máquina analice los datos en busca de encontrar cómo, dada cierta entrada, hay una salida.
El segundo paso es el que define la realidad matemática sobre el aprendizaje automático, la cual es la búsqueda de la transformación o función necesaria para mappear uno o varios datos de entrada a una salida. Visto de forma matemática sería:
Y=F(x)
Donde x es nuestro conjunto de entradas, Y es la salida dados esas entradas y F es la función que el o los algoritmos de Machine learning aplicados buscan encontrar, de forma de poder utilizar esa función F para poder predecir la salida de nuevos datos de entrada en un futuro e ir ajustándola a futuro para acercarla cada vez más a una transformación perfecta.