Machine Learning
Todos hemos leído alguna vez un
libro, visto un video o escuchado una canción de hace décadas, compartido
por personas que no han coexistido con nosotros. Es por ello que los seres
humanos tenemos la capacidad de aprender de otras personas que ya no están con
nosotros o de los que están a nuestro lado. Sin embargo, al memorizar no
tenemos tanta facilidad. Al contrario, las maquinas tienen facilidad para
almacenar datos, pero a la hora de transferir inteligencia no están
capacitadas.
El machine learning es una técnica que permite a una máquina aprender de un gran volumen de datos y una serie de reglas. Los humanos aprendemos con único caso, como cuando nos dicen que mentir está mal y ya nos queda claro. Sin embargo, un IA tendría que decir muchas verdades y mentiras y luego recibir la orden de que está mal.
Debido a la accesibilidad a la Big
Data de diferentes fuentes en la actualidad y a las ventajas que produce esta
tecnología es utilizada en muchos sectores de diferentes características. Sin
embargo también produce riesgos de seguridad debidos a falsos positivos debido
a malos logaritmos o hacking computacional entre otros.
En la actualidad Amazon, IBM y Microsoft tienen el 73% del mercado ya que son empresas que han diseñado y colocado en el mercado diferentes aplicaciones de Machine Learning. Sin embargo, muchas empresas punteras como Google o SAP intentan entrar en el mercado y no dudamos de que muchas más se unirán a esta tendencia. A nivel mundial, Europa del Este y Norteamérica son las regiones que más invierten en esta tecnología.
Como hemos comentado al principio el
reto del Machine Learning es transferir aprendizaje, es decir, conseguir llevar
conocimiento de un dominio a otro. Transferir aprendizaje no es transferir
inteligencia, aunque sí están relacionados. ¿Se podría copiar una IA y resolver
una segunda tarea para la que no esta programada?
Fuente: YouTube
Las máquinas tienen la capacidad de
duplicar su cerebro pero no de transferir aprendizaje. Es por ello que si
ponemos a hablar a dos máquinas sale una conversación realmente absurda y no
consiguiendo que una aprenda de otra. Esto se puede observar en el siguiente
video de un estudio realizado por el Laboratorio de Máquina Creativas de la
Universidad de Cornell en 2011.
Fuente: YouTube
Sin embargo ya se ha empezado a
transmitir aprendizaje entre las máquinas. Desde 2017, DeepMind, la IA de
Google, usó una herramienta llamada Consolidación de Peso Elástico (EWC) para
mejorar su aprendizaje automático.
Por ejemplo, una máquina diseñada para
detectar cáncer de piel necesita de 129.450 imágenes para clasificar la
enfermedad. Imaginemos poder aplicar esta misma tecnología para detectar
tumores de pulmón. Usando herramientas de EWC unidas a miles de imágenes de
pulmones una segunda IA aprendería de forma mucho más rápida ya que tendría la
experiencia de la primera.
Es por ello que el MachineLearning
debería tomar este camino ya que aplicándolo a ámbitos como el de la salud mejoraría
la salud de las personas a nivel mundial.
Bibliografía:
Considero que esta entrada cumple con los requisitos exigidos por la profesora. A su vez es una entrada amplia, correcta y bien expresada asi como explicada que junto con la inforgrafia adjuntada se entiende correctamente.
ResponderEliminar