¿Qué es el aprendizaje automático?  La tecnología te permite "adivinar" lo que quieres

¿Qué es el aprendizaje automático? La tecnología te permite “adivinar” lo que quieres

Machine Learning es un campo de estudio que enseña a las computadoras a analizar y clasificar patrones de datos para hacer predicciones. El concepto es parte del área de informática y combina el reconocimiento de modelos y las aplicaciones de inteligencia artificial. El aprendizaje automático puede resumirse como una simulación de un proceso natural para los humanos: aprender de la experiencia.

El software y las PC tienen el potencial de procesar grandes volúmenes de datos, así como recursos para identificar y separar modelos y estándares. Machine Learning es una programación de sistemas para asimilar datos y clasificar información compleja, con caracterización del aprendizaje, para luego presentar pronósticos y estimaciones.

Todo sobre inteligencia artificial: 10 datos que debes saber

1 de 8 Android P utilizará el aprendizaje automático para identificar qué aplicaciones necesitará el usuario y, por lo tanto, ahorrará hasta un 30% más de batería. Foto: Nicolly Vimercate / TechTudo

Android P utilizará el aprendizaje automático para identificar qué aplicaciones necesitará el usuario y, por lo tanto, ahorrará hasta un 30% más de batería. Foto: Nicolly Vimercate / TechTudo

El área tiene más y más aplicaciones cotidianas con la sofisticación de las aplicaciones móviles. Las sugerencias de películas en Netflix y la música en Spotify, así como las rutas alternativas en Google Maps y Waze caracterizan los trabajos privados de esta tecnología frente a los consejos sobre el comportamiento de compra de los clientes y las cámaras de vigilancia pública con reconocimiento facial.

Con Machine Learning es posible aumentar la capacidad humana para resolver problemas y anticipar riesgos, en función de los resultados obtenidos por los programas. Esto se aplica a los problemas relacionados con Big Data, es decir, el gran conjunto de datos almacenados, en los que Machine Learning ha sido la técnica clave para resolver las demandas. Los usos van desde diagnósticos médicos, pronósticos meteorológicos e identificación del cambio climático hasta análisis y deducciones del mercado de valores.

2 de 8 Spotify utiliza Machine Learning para sugerir canciones más adecuadas para el gusto del usuario – Foto: Reproducción / Daniel Ribeiro

Spotify utiliza Machine Learning para sugerir canciones más adecuadas para el gusto del usuario – Foto: Reproducción / Daniel Ribeiro

Inteligencia Artificial vs Aprendizaje Automático

La inteligencia artificial es un área de estudio desarrollada en la década de 1950, que propone programas informáticos con niveles de comunicación y respuestas exitosas, en la simulación de interacciones intelectuales. Además, el tema también tiene como objetivo crear modelos de conocimiento que brinden respuestas automáticas basadas en el análisis de datos y la observación del usuario.

3 de 8 Machine Learning es un subcampo de inteligencia artificial – Foto: Reproducción / Creative Commons

El aprendizaje automático es un subcampo de la inteligencia artificial – Foto: Reproducción / Creative Commons

El aprendizaje automático, por otro lado, puede considerarse un subcampo de la ciencia en el que se encuentra la inteligencia artificial. Sin embargo, su especificidad se basa en el conocimiento adquirido por las computadoras, lo que hace posible anticipar hechos y comportamientos de acuerdo con los estándares de los usuarios previamente identificados.

Por lo tanto, el aprendizaje automático puede considerarse una parte importante de la inteligencia artificial, ya que mejora la experiencia adquirida por la computadora. De esta manera, los programas se pueden mejorar más rápidamente con técnicas que van desde el reconocimiento facial o el texto escrito a mano, hasta la identificación temática de fotos en una galería de imágenes o la traducción simultánea de signos y menús con la cámara del teléfono celular.

4 de los 8 programas de aprendizaje automático, como Google Images, aprenden a clasificar referencias de datos y agruparlos por temas – Foto: Reproducción / Daniel Ribeiro

Los programas de Machine Learning, como Google Images, aprenden a clasificar referencias de datos y agruparlos por temas – Foto: Reproducción / Daniel Ribeiro

Estas innovaciones son consecuencias directas de la mejora de la asimilación y clasificación de datos por parte de Machine Learning. Dichos beneficios tecnológicos están directamente vinculados al procesamiento de grandes volúmenes de datos por parte de las computadoras, en lugar de las instrucciones programadas, línea por línea, en lenguaje de programación.

¿Cómo funciona el aprendizaje automático?

La programación de Machine Learning se subdivide en Aprendizaje supervisado y Aprendizaje no supervisado. El primero establece modelos conocidos de entrada de datos y salida de pronóstico, mientras que el segundo identifica patrones y estructuras ocultos en la entrada de datos.

5 de 8 Machine Learning se subdivide en Aprendizaje supervisado y Aprendizaje no supervisado – Foto: Reproducción / Daniel Ribeiro

El aprendizaje automático se divide en aprendizaje supervisado y aprendizaje no supervisado – Foto: Reproducción / Daniel Ribeiro

El aprendizaje supervisado determina un algoritmo de aprendizaje a partir de un conjunto de datos conocidos para clasificar la información. Además, en paralelo con este sistema de categorización, el sistema aún puede recordar entradas de datos anteriores para hacer predicciones y deducciones basadas en los grupos de información ya incorporados.

El aprendizaje no supervisado se refiere a la programación que encuentra patrones ocultos o estructuras especiales en los datos. También llamada “Agrupación”, esta especificación permite construir estimaciones para información compleja y sin registros en el sistema, ya que el cruce de las respuestas más exitosas establece la condición de “conocimiento” de la máquina.

6 de 8 La respuesta inteligente de Gmail es una función de aprendizaje automático – Foto: Reproducción / Daniel Ribeiro

La respuesta inteligente de Gmail es una función de aprendizaje automático – Foto: Reproducción / Daniel Ribeiro

Por lo tanto, Machine Learning tiene procedimientos internos que caracterizan el procesamiento de elementos. Por ejemplo, el aprendizaje supervisado garantiza que el correo electrónico reconozca los mensajes de spam, mientras que el aprendizaje no supervisado permite utilizar la nueva respuesta inteligente en Gmail.

Ejemplos de aprendizaje automático en la vida cotidiana

Muchos softwares utilizados diariamente tienen tecnología de Machine Learning. Las mejoras continuas de las aplicaciones de correo electrónico, la navegación GPS e incluso los navegadores ofrecen mejoras adaptadas al usuario, de acuerdo con las costumbres, la forma de escribir y el historial de navegación.

7 de 8 Las sugerencias de ruta de Google Maps tienen en cuenta la información de ruta y tráfico según el tiempo – Foto: Reproducción / Daniel Ribeiro

Las sugerencias de ruta de Google Maps tienen en cuenta la información de ruta y tráfico según el tiempo – Foto: Reproducción / Daniel Ribeiro

Las innovaciones influyen en la creación de “filtros de burbujas”, con información seleccionada de acuerdo con los gustos del usuario. También hay programas con objetivos nobles y altruistas, como TensorFlow, la plataforma abierta de aprendizaje automático de Google Translate. Se utiliza en proyectos de investigación para rastrear animales en riesgo de extinción o para diagnosticar enfermedades oculares en diabéticos.

Otras aplicaciones tienen características más particulares, como Google Play Music, con recomendaciones para jugar según el clima o la hora del día. O Google Maps que, además de reconocer nombres de calles y direcciones de miles de millones de imágenes de Street View, tiene en cuenta las rutas de tránsito y la disponibilidad de estacionamiento en las regiones de la ciudad, según la hora del día.

8 de 8 Slice fue una de las nuevas herramientas con Machine Learning presentada en Google I / O – Foto: Reproducción / Google

Slice fue una de las nuevas herramientas con Machine Learning presentada en Google I / O – Foto: Reproducción / Google

Google I / O, un evento anual con noticias de la compañía, presentó una serie de innovaciones para mejorar la personalización y la optimización del uso de teléfonos inteligentes con Android. Otro ejemplo del uso de Machine Learning son los proyectos de bots con mensajeros y redes sociales, para ayudar a verificar los datos y guiar a los usuarios sobre cómo navegar por Internet de manera segura y responsable, a fin de evitar la difusión de noticias falsas. . En enero, Facebook anunció su apoyo a proyectos para combatir noticias falsas en Brasil con el uso de esta tecnología.

¿Preguntas sobre Machine Learning o Inteligencia Artificial? Pregunta en el TechTudo Forum.