Comunidad Geek

6 mitos y realidades sobre el aprendizaje automático

febrero 8, 2019

6 mitos y realidades sobre el aprendizaje automático

This post is also available in : Inglés

Aprendizaje automático: mitos y realidades

Pese a gozar de décadas de desarrollo, el aprendizaje automático, o “machine learning” ha saltado a la luz pública durante los últimos tiempos, aupado por la creciente potencia de procesamiento de los ordenadores y la inmensa cantidad de datos disponible, lo que le ha permitido obtener algunos logros impensables años atrás.

El aprendizaje automático se encuentra en el corazón de lo que hoy conocemos como inteligencia artificial, y probablemente sea esta la principal razón por la que se habla tanto acerca de sus progresos. Sin embargo, como todo aquello acerca de lo que se habla mucho, entorno al machine learning se han formado una serie de mitos que no siempre obedecen a la realidad.

En este artículo vamos a ver, muy brevemente, cuáles son algunos de estos mitos, y cuáles son algunas de sus realidades. ¡Vamos allá!

6 mitos y realidades del machine learning

– El aprendizaje automático es algo muy reciente

Se trata de un mito, aunque es comprensible que se haya extendido. Las primeras aplicaciones creadas en base al aprendizaje automático datan de los años 50, tan pronto como, por ejemplo, el año 1952, en el que Arthur Samuel escribió un programa capaz de aprender a jugar a las damas. Sin embargo, durante décadas, este campo de las ciencias de la computación quedó restringido a los círculos más especializados.

El principal motivo, probablemente, fue su dificultad para obtener resultados en la práctica. De horma muy resumida, podemos decir que el machine learning exige una considerable capacidad de cómputo para lograr resultados útiles en un periodo de tiempo razonable, potencia de la que solo ha dispuesto durante los últimos años. Además, la disponibilidad de datos procesables de la que se gozaba en la segunda mitad del Siglo XX era mucho menor en comparación con la actual, lo que también explica su actual explosión.

– Los datos son el “combustible” del machine learning

Se trata de una realidad. Como ya hemos dicho, y junto a la mayor potencia de cálculo, uno de los motivos por los que el aprendizaje automático ha ganado en relevancia durante los últimos años es la mayor disponibilidad de una cantidad masiva de datos, lo que conocemos como “Big Data”.

Eso sí, los sistemas de machine learning no sólo necesitan una gran cantidad de datos, sino que estos tengan relación con los resultados que se quieran obtener. Por ello, las empresas que desarrollan soluciones de machine learning hacen especial hincapié en la importancia de la calidad de la preselección de los datos con los que se “alimenta” a los sistemas de aprendizaje automático. Hablamos más acerca de ello en el siguiente punto.

– El aprendizaje automático sólo necesita una gran cantidad de datos

Como adelantábamos, se trata en este caso de un mito. Aunque el Big Data (una gran cantidad de datos) es esencial para los sistemas de machine learning, la calidad de los datos que se le suministre tendrá una importancia aún mayor.

Así, un sistema de aprendizaje automático puede ofrecer resultados insatisfactorios si la “preselección” de datos previa es de mala calidad. Si se pretende, por ejemplo, que un sistema de aprendizaje automático “prediga” los resultados de unas elecciones, de nada servirá si lo alimentamos con los resultados de la liga de fútbol y no con otros datos más relevantes, como encuestas electorales o resultados de elecciones anteriores.

– El aprendizaje automático puede ser más “inteligente” que el ser humano

No es descartable que pueda ser así en el futuro, pero por el momento se trata de un mito.

Aunque el poder del machine learning a la hora de encontrar correlaciones puede exceder, incluso por mucho, al del ser humano, eso no significa que pueda establecer conclusiones inteligentes. El aprendizaje automático permite detectar patrones, pero estos no siempre implicarán una causalidad o una necesariedad, sino que pueden obedecer a razones espurias o irrelevantes. Por ello, tras la detección de correlaciones aún suele ser necesaria la intervención de seres humanos, que valoren los resultados obtenidos.

Esto resulta especialmente necesario en algunas actividades sensibles en las que ya está actuando el aprendizaje automático, como se trata del diagnóstico médico. En este área el machine learning puede dar resultados esperanzadores, pero aún es muy necesaria la supervisión del profesional humano, que determine el valor de los resultados obtenidos y descarte incongruencias.

– El aprendizaje automático es como el aprendizaje humano

Aunque guarden ciertas similitudes, por el momento se trata de un mito.

Por un lado, no se puede hacer esta afirmación porque todavía no conocemos el funcionamiento del cerebro humano con el suficiente detalle como para afirmar que un sistema de aprendizaje automático es igual que el de un ser humano.

Por otro lado, lo que sí sabemos es que el cerebro humano es mucho más eficiente en sus procedimientos de aprendizaje que el mejor de los sistemas de machine learning. El cerebro de un niño de corta edad es capaz de identificar un animal, por ejemplo, tras haberlo visto unas pocas veces, en persona o en fotografía, mientras que un sistema de machine learning tendría que “visionar” miles de fotografías del mismo tipo de animal para identificarlo como tal en las siguientes imágenes que se le mostraran.

– El aprendizaje automático es una de las tecnologías del futuro

Aunque no tengamos una bola de cristal para predecir los años venideros, probablemente se trate de una realidad.

El potencial del machine learning se ha venido demostrando durante los últimos tiempos, obteniendo resultados cada vez más prometedores. Un gran número de empresas utilizan ya en la actualidad soluciones de aprendizaje automático, y se espera que en los próximos años su auge sea aún mayor. Así, y aunque no será fácil que el machine learning cumpla con el elevado “hype” que se ha construido a su alrededor, sí es bastante probable que ocupe una parcela entre las tecnologías relevantes en un futuro próximo.

Hasta aquí hemos conocido 6 mitos y realidades de una tecnología de la que no para de hablarse. Y ahora, ¿qué tal si conoces un software de monitorización que también está dando mucho que hablar, llamado Pandora FMS?


    Written by:



    Leave a comment

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

    Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.