Machine Learning: el siguiente paso a la eficiencia

*Contenido elaborado por Jesús Veliz.

Hace 20 años, nuestro concepto de Internet era “ese gran metabuscador de información”. Hoy estamos ante un nuevo esquema de funcionamiento de la red, en donde los resultados relevantes de nuestras búsquedas ya no son solo experiencias aisladas, sino que se integran a un aprendizaje general en múltiples servicios web. Hoy hablamos del Machine Learning y la Inteligencia Artificial. En noviembre visité los laboratorios de Google en Belo Horizonte y pude estar cerca de toda la inversión humana detrás de esta nueva estructura.

¿Qué es la inteligencia artificial? Pues, básicamente, es la representación digital de los procesos cognitivos del ser humano. Nuestro aprendizaje está basado en experiencias, teorías, análisis, referencias, capacitaciones; y muchas de estas aristas, en conjunto, interactúan a una velocidad fantástica para desarrollar cálculos, recuerdos, emociones, discursos, inventos y posibilidades infinitas. Las máquinas solo respondían a comandos y programaciones definidas por un usuario o desarrollador, no contaban con un sistema neural que representara ese rápido flujo de ideas y razonamientos. Las máquinas no decidían. Hoy, tras amplias jornadas de implementación, se ha podido desarrollar una red neural capaz de aprender y resolver en base a ese aprendizaje.

Y ¿de qué nos sirve que las máquinas aprendan? Pues, de mucho. En principio, para la gestión de datos generados por los seres humanos. Desde setiembre del 2014 superamos el millardo de páginas web en el mundo, ya somos más de 3.6 mil millones de internautas que consumimos, hasta la fecha de publicación de este artículo, más 100 mil millones de gigabytes por mes. Y no solo estamos de pasada. Mantenemos relaciones personales a distancia, consumimos servicios, aprendemos idiomas, generamos tráfico según nuestros propios intereses y otras actividades que hacen más fina nuestra data. Para enterarte que todas las cacatúas de moño amarillo son zurdas, Google convoca el trabajo de 1200 computadoras mientras resuelve esa inquietud. Y, aunque te parezca una banalidad, Google recuerda tu búsqueda para optimizar el resultado, pues considera que tus búsquedas tienen relevancia. Esa información es aprendida por la inteligencia artificial para perfilar mejor los servicios que es capaz de ofrecerte. A esto lo llamamos “Machine Learning” o “Aprendizaje de las Máquinas”, un principio que Google ha integrado a sus servicios de manera orgánica.

Columnista invitado

– JESÚS VELIZ-

@jevedel

 

Profesional dedicado a la comunicación radial desde hace 17 años. Ha llevado a cabo proyectos exitosos en producción tales como “Tres Tristes Tontos”, “Mal Elemento” (ambos en Studio 92), Radio Capital y RPP Noticias, en donde conduce los programas Sin Vueltas y #FamiliaPuntoCom. Se dedica a la docencia universitaria desde hace 15 años. Ha participado como ponente en diversas charlas y conversatorios organizados por empresas de diversos rubros. Es colaborador permanente en medios digitales y tradicionales en temas referidos a la tecnología de consumo, y es un referente en el periodismo tecnológico del país.

¿Usamos Machine Learning?

Sí, en todo momento. La calidad de traducción en Google Translate está, en casi todos los idiomas, a la par de la experiencia humana, debido a miles de correcciones. Hoy Google no traduce por término, sino por idea global. Puedes buscar “comida” o “flores” entre tus fotos almacenadas en Google Photos, y el buscador te mostrará aquellas fotografías, sin etiqueta previa, que interpreta como resultado válido, casi como “viendo” la foto. Los comandos de voz ya son capaces de responder a pesar de la acústica, el ruido del ambiente o el mismo regionalismo. Todos estos productos de Google no solo están conectados, sino que reciben feedback y son recordados por la cuenta de cada usuario para integrarlos a su asistencia personalizada.

Esto no solo se aplica a Google. El aprovechamiento del Machine Learning y la Inteligencia Artificial también abarca publicidad, entretenimiento, salud, gobierno, educación, ingeniería. Para esto, los desarrolladores pueden utilizar TensorFlow, una librería de software con código abierto implementada por Google, y añadir Machine Learning a su propia plataforma. De esta forma, se le permite a la inteligencia artificial seguir adaptando su accionar a diferentes áreas. En Brasil existe un Portal de Telemedicina que, en base a los síntomas que el usuario ingresa en la base de datos, puede determinar un pre diagnóstico y derivar la consulta a un especialista. Esta herramienta es compatible con RIS, la gestión de imágenes de radiología, y un paciente puede añadir al sistema su propia imagen escaneada. Así, la máquina puede gestionar la información como una mesa de partes, analizar la data y derivar al especialista más calificado para la consulta, en muy poco tiempo.

Tesla, la empresa de construcción de vehículos autónomos, añade Machine Learning en sus modelos. La inteligencia artificial analiza todo el entorno del viaje: la señalización, la distancia entre autos, la velocidad promedio en carretera, la ruta más libre, los centros de emergencia más cercanos y toda la información necesaria para una asistencia de viaje cómoda y sin sobresaltos. Incluso, hay videos que muestran cómo la inteligencia artificial puede predecir choques o accidentes en la vía. Sí. Predecir.

La gestión veloz de datos nos da un mejor panorama de toda situación. Adaptar este modelo a la industria de hoy nos abre un amplio espectro en monitoreo de la salud, optimización de presupuesto, nuevos modelos educativos basados en el análisis, mejor administración de recursos, y otras áreas que merecen más cuidado. Quién diría que, para un mayor acceso a la realidad, necesitaríamos de una inteligencia artificial. Paradójico.