El "aprendizaje automático” o Machine Learning, es algo que parece sacado de una película de ciencia ficción. Quizás no te suene muy conocido el término, pero lo cierto es que está presente todos los días de nuestras vidas: las máquinas están aprendiendo por sí mismas. Sistemas de reconocimiento de voz como Siri de iPhone o incluso los autocorrectores del teclado son muy buenos ejemplos de ello.

Lo revolucionario de este sistema es que va más allá de darle órdenes a los computadores, programas y aplicaciones, ya que estos comienzan a cuestionarse las cosas solitos. Aprenden a no cometer los mismos errores, sin necesidad de que los estén programando constantemente.

De hecho, cada vez están mejor capacitados para entender las señales que les entregamos por voz y van recopilando la información de forma inteligente, con tal darnos las mejores soluciones a nuestros problemas. ¿Quién hubiera pensado hace 10 años que íbamos a confiar en un celular al decirle “despiértame en 8 horas” para no quedarnos dormidos para ir al trabajo?

Este mecanismo se ha ido apoderando silenciosamente de nuestros dispositivos desde hace ya algún tiempo, pero este año, según prediccionesdel rubro, será clave para las grandes empresas, que utilizarán esta tecnología para hacer estudios de mercado y así entender mejor a sus clientes.

En simple, lo que se está buscando con el Machine Learning es parecerse más al pensamiento humano, para así acercarse más a nosotros y entendernos mejor. Como si fuera poco, cada vez se está sofisticando más. Loco, ¿verdad?

¿Cómo funciona?

Empecemos explicando qué son los algoritmos, la base con la que funciona el sistema de auto-aprendizaje. En simple, son una serie de órdenes y pasos lógicos que permiten llegar a un resultado. Son indispensables para que funcionen las aplicaciones, los robots, computadores y todo lo que tenga que ver con informática.

Los algoritmos que usan estas aplicaciones se dividen en dos grandes gruposcon capacidad de “auto-programarse”: el aprendizaje supervisado y el no supervisado.

En el aprendizaje supervisado, el usuario indica qué es lo que está mal y lo que está bien, entonces la “máquina” aprende a no repetir esos errores más adelante, mediante el uso de ciertos patrones. Un ejemplo son los métodos para detectar el correo basura de Google, donde solo es necesario poner cuáles son los tipos de mails que no se quieren recibir y ¡TARÁN! No más spam. En un ejemplo más simple, encontramos el autocorrector del teclado.

El no supervisado o Deep Learning, por el contrario, es la forma de aprendizaje tecnológica por la que los científicos están apostando. ¿De qué se trata?A diferencia del primero, no necesita órdenes, sino sólo datos para aprender. Esto lo que hacen las redes sociales al recomendarte un usuario porque tienen gustos en común: buscar patrones que se repiten para arrojar un resultado.

En este caso, al programa (o la máquina), en vez de darle una enorme lista detallada de reglas para resolver un problema, se le entrega un modelo con algunos ejemplos e instrucciones, para que pueda solucionar por sí mismo.

Otro ejemplo de esto son el reconocimiento de voz, los traductores inteligentes o las aplicaciones que reconocen objetos dentro de una imagen. ¿Te habías dado cuenta? Al final, la suma de estos dos tipos de algoritmos (supervisado y no supervisado) son muy importantes para el desarrollo de las nuevas tecnologías.

La clave de los inventos “impensados”

Que las máquinas sean capaces de aprender suena algo futurista, pero la verdad es que está ocurriendo actualmente y muestras hay por montón. Es por eso que a continuación les contaremos de un par de inventos y desarrollos que aprovechan al máximo esta tecnología para crear nuevas funciones.

Una aplicación que se “transforma en los ojos” de los no videntes: solo con la cámara del celular, esta innovación es capaz de comunicarle al instante a su usuario lo que está pasando frente a sus ojos y sin la necesidad de contar con experiencia anterior. Todo gracias al Deep Learning. Su objetivo es que las personas en situación de discapacidad visual puedan moverse de forma más libre, identificando objetos como puertas, flores, animales y personas. Hasta el momento, solo está disponible para iPhone.

Un dispositivo que puede traducir 80 idiomas: se llama Travis y es un traductor portátil que es capaz de traducir una lengua en menos de dos segundos. Lo innovador del invento es que mientras más se use, mejor es traduciendo. Es como el emblema del aprendizaje tecnológico autodidacta. Es automático y solo se necesita un click para indicar cuando el interlocutor dejó de hablar.

La primera cama inteligente: gracias a una aplicación de celular que se conecta directamente con una cama llamada 360 Smart Bed, será posible modificar a gusto las preferencias de sueño del usuario. Por ejemplo, esta puede tener el calentador de pies encendido a la hora que uno se vaya a dormir. También es capaz de ajustar la postura de la persona si es que “nota” que está incómoda.

Los autos que se manejan solos: recientemente, una de las más grandes empresas de autos chinas, SAIC Motor, acaba de invertir en una empresa de aprendizaje automático para hacer realidad este tipo de vehículos. Para que estos funcionen, es necesario una persona conduciendo y un recolector de datos, para que así pueda aprender ciertas reglas, como no girar a la derecha si un auto está señalizado para esa dirección, por ejemplo (además, los autos que se manejan solos tienen tasas mucho más bajas de accidentes, como ya les contamos en una oportunidad).

Un mar de posibilidades

Quizás pareciera que damos por sentado aplicaciones como Siri o de reconocimiento por voz en general, cuando en realidad esconden un funcionamiento muy complejo detrás. Después de todo, la misma tecnología que se usa para ese tipo de aplicaciones, también se está experimentando en inventos mucho más complejos y sofisticados.

Es como si cada día los investigadores se empeñaran en imitar mejor el razonamiento humano, cuando se trata de tecnología. Es cosa de ver todos los inventos que se han creado: desde un autocorrector a una cama inteligente. Y puede ser que en un futuro cercano nos encontremos con robots que alimenten correctamente a las guaguas, cucharas inteligentes o un nuevo sistema para detectar enfermedades. ¿Quién sabe?

¿Qué objeto se te ocurre que podría ser más útil con el Machine Learning?