Aprendizaje automático: una hoja de trucos


Desde Apple hasta Google y Toyota, empresas de todo el mundo están invirtiendo recursos en el desarrollo de sistemas de inteligencia artificial con aprendizaje automático. Esta guía completa explica qué significa realmente el aprendizaje automático.

La inteligencia artificial (IA), que existe desde la década de 1950, ha experimentado altibajos en popularidad durante los últimos 60 años. Pero hoy, con la reciente explosión de big data, procesamiento paralelo de alta potencia y algoritmos neuronales avanzados, estamos viendo un renacimiento en la inteligencia artificial, y las empresas desde Amazon hasta Facebook y Google están luchando por tomar la iniciativa. Según el experto en inteligencia artificial Roman Yampolskiy, 2016 fue el año de la "inteligencia artificial con esteroides" y su crecimiento explosivo no se ha detenido.

Si bien existen diferentes formas de IA, el aprendizaje automático (ML) representa el mecanismo más valorado en la actualidad para alcanzar la inteligencia. Esto es lo que significa.

VER: Gestión de IA y ML en la empresa (Informe especial de ZDNet) | Descarga el informe en PDF (TechRepublic)

Resumen Ejecutivo

  • ¿Qué es el aprendizaje automático? El aprendizaje automático es un subcampo de la inteligencia artificial. En lugar de depender de la programación explícita, es un sistema a través del cual las computadoras usan un conjunto masivo de datos y aplican algoritmos para "entrenar" – para aprender a sí mismos – y hacer predicciones.
  • ¿Cuándo se popularizó el aprendizaje automático? El término "inteligencia artificial" fue acuñado en la década de 1950 por Alan Turing. El aprendizaje automático se hizo popular en la década de 1990 y volvió al ojo público cuando DeepMind de Google venció al campeón mundial de Go en 2016. Desde entonces, las aplicaciones de aprendizaje automático y la popularidad del aprendizaje automático solo han aumentado.
  • ¿Por qué es importante el aprendizaje automático? Los sistemas de aprendizaje automático pueden aplicar rápidamente el conocimiento y la capacitación de grandes conjuntos de datos para sobresalir en el reconocimiento facial, el reconocimiento de voz, el reconocimiento de objetos, la traducción y muchas otras tareas.
  • ¿Qué industrias utilizan el aprendizaje automático? El aprendizaje automático afecta a industrias que van desde el gobierno hasta la educación y la atención médica. Puede ser utilizado por empresas enfocadas en marketing, redes sociales, servicio al cliente, autos sin conductor y muchos más. En la actualidad, se lo considera una herramienta fundamental para la toma de decisiones.
  • ¿Cómo utilizan las empresas el aprendizaje automático? Las aplicaciones comerciales del aprendizaje automático son numerosas, pero todas se reducen a un tipo de uso: procesar, clasificar y encontrar patrones en grandes cantidades de datos que no sería práctico para los humanos entender.
  • ¿Cuáles son las preocupaciones éticas y de seguridad sobre el aprendizaje automático? La IA ya ha sido entrenada para eludir el software antimalware avanzado y tiene el potencial de ser un gran riesgo de seguridad en el futuro. También abundan las preocupaciones éticas, especialmente en relación con la pérdida de puestos de trabajo y la viabilidad de permitir que las máquinas tomen decisiones morales como las que serían necesarias en los vehículos autónomos.
  • ¿Qué herramientas de aprendizaje automático están disponibles? Empresas como IBM, Amazon, Microsoft, Google y otras ofrecen herramientas para el aprendizaje automático. También hay plataformas gratuitas.

VER: Gestión de IA y ML en la empresa 2020: los líderes tecnológicos aumentan el desarrollo y la implementación de proyectos (TechRepublic Premium)

¿Qué es el aprendizaje automático?

El aprendizaje automático es una rama de la IA. Otras herramientas para alcanzar la IA incluyen motores basados ​​en reglas, algoritmos evolutivos y estadísticas bayesianas. Si bien muchos de los primeros programas de inteligencia artificial, como Deep Blue de IBM, que derrotó a Garry Kasparov en ajedrez en 1997, se basaban en reglas y dependían de la programación humana, el aprendizaje automático es una herramienta a través de la cual las computadoras tienen la capacidad de aprender por sí mismas y establecer sus propias reglas. . En 2016, DeepMind de Google venció al campeón mundial en Go mediante el uso del aprendizaje automático, capacitándose en un gran conjunto de datos de movimientos expertos.

Hay varios tipos de aprendizaje automático:

  • En aprendizaje supervisado, el "entrenador" presentará a la computadora ciertas reglas que conectan una entrada (la característica de un objeto, como "suave", por ejemplo) con una salida (el objeto en sí, como una canica).
  • En aprendizaje sin supervisión, la computadora recibe entradas y se deja sola para descubrir patrones.
  • En aprendizaje reforzado, un sistema informático recibe información continuamente (en el caso de un automóvil sin conductor que recibe información sobre la carretera, por ejemplo) y mejora constantemente.

Se requiere una gran cantidad de datos para entrenar algoritmos para el aprendizaje automático. Primero, los "datos de entrenamiento" deben estar etiquetados (por ejemplo, una ubicación GPS adjunta a una foto). Entonces es "clasificado". Esto sucede cuando las características del objeto en cuestión se etiquetan y se colocan en el sistema con un conjunto de reglas que conducen a una predicción. Por ejemplo, "rojo" y "redondo" son entradas en el sistema que conduce a la salida: Apple. De manera similar, un algoritmo de aprendizaje podría dejarse solo para crear sus propias reglas que se aplicarán cuando se le proporcione un gran conjunto de objetos, como un grupo de manzanas, y la máquina se dé cuenta de que tienen propiedades como "redondo" y "rojo" en común.

VER: ¿Qué es el aprendizaje automático? Todo lo que necesitas saber (ZDNet)

Muchos casos de aprendizaje automático involucran "aprendizaje profundo", un subconjunto de ML que usa algoritmos que están en capas y forman una red para procesar información y alcanzar predicciones. Lo que distingue al aprendizaje profundo es el hecho de que el sistema puede aprender por sí solo, sin entrenamiento humano.

Recursos adicionales

¿Cuándo se popularizó el aprendizaje automático?

El aprendizaje automático fue popular en la década de 1990 y ha experimentado un resurgimiento reciente. Aquí hay algunos aspectos destacados de la línea de tiempo.

  • 2011: Se creó Google Brain, que era una red neuronal profunda que podía identificar y categorizar objetos.
  • 2014: Se introdujo el algoritmo DeepFace de Facebook. El algoritmo podría reconocer personas a partir de un conjunto de fotos.
  • 2015: Amazon lanzó su plataforma de aprendizaje automático y Microsoft ofreció un kit de herramientas de aprendizaje automático distribuido.
  • 2016: El programa DeepMind de Google "AlphaGo" venció al campeón mundial, Lee Sedol, en el complejo juego de Go.
  • 2017: Google anunció que sus herramientas de aprendizaje automático pueden reconocer objetos en fotos y comprender el habla mejor que los humanos.
  • 2018: Waymo, subsidiaria de Alphabet, lanzó el servicio de transporte autónomo impulsado por ML en Phoenix, AZ.
  • 2020: Los algoritmos de aprendizaje automático entran en juego contra la pandemia de COVID-19, lo que ayuda a acelerar la investigación de vacunas y a mejorar la capacidad de rastrear la propagación del virus.

Recursos adicionales

¿Por qué es importante el aprendizaje automático?

Aparte del tremendo poder que tiene el aprendizaje automático para vencer a los humanos en juegos como Jeopardy, ajedrez y Go, el aprendizaje automático tiene muchas aplicaciones prácticas. Las herramientas de aprendizaje automático se utilizan para traducir mensajes en Facebook, detectar rostros en fotos y encontrar ubicaciones en todo el mundo que tengan ciertas características geográficas. IBM Watson se utiliza para ayudar a los médicos a tomar decisiones sobre el tratamiento del cáncer. Los automóviles sin conductor utilizan el aprendizaje automático para recopilar información del entorno. El aprendizaje automático también es fundamental para la prevención del fraude. El aprendizaje automático no supervisado, combinado con expertos humanos, ha demostrado ser muy preciso para detectar amenazas de ciberseguridad, por ejemplo.

VER: Todas las hojas de trucos de TechRepublic y las guías para personas inteligentes

Si bien hay muchos beneficios potenciales de la IA, también existen preocupaciones sobre su uso. A muchos les preocupa que la IA (como la automatización) ponga en riesgo los trabajos humanos. Y ya sea que la IA reemplace o no a los humanos en el trabajo, definitivamente cambiará los tipos de trabajos que son necesarios. El requisito del aprendizaje automático para los datos etiquetados, por ejemplo, ha significado una gran necesidad de que los humanos realicen el etiquetado manualmente.

A medida que el aprendizaje automático y la inteligencia artificial en el lugar de trabajo han evolucionado, muchas de sus aplicaciones se han centrado en ayudar a los trabajadores en lugar de reemplazarlos por completo. Esto fue especialmente cierto durante la pandemia de COVID-19, que obligó a muchas empresas a enviar a gran parte de su fuerza laboral a casa para trabajar de forma remota, lo que provocó que los robots de inteligencia artificial y el aprendizaje automático complementaran a los humanos para encargarse de las tareas mundanas.

Hay varias instituciones dedicadas a explorar el impacto de la inteligencia artificial. Aquí hay algunos (seleccionados de nuestra lista de Twitter de expertos en inteligencia artificial).

  • Instituto del Futuro de la Vida reúne a algunas de las mentes más brillantes, desde el cofundador de Skype hasta profesores de Harvard y MIT, para explorar algunas de las grandes preguntas sobre nuestro futuro con las máquinas. Este instituto con sede en Cambridge también tiene una alineación estelar en su consejo asesor científico, desde Nick Bostrom hasta Elon Musk y Morgan Freeman.
  • Instituto del Futuro de la Humanidad en Oxford es uno de los sitios principales para la investigación académica de vanguardia. los Feed de Twitter de FHI es un lugar maravilloso para contenido sobre lo último en inteligencia artificial, y los muchos retweets de la cuenta también son útiles para encontrar otros usuarios de Twitter que estén trabajando en lo último en inteligencia artificial.
  • los Instituto de Investigación de Inteligencia de Máquina en Berkeley es un excelente recurso para los últimos trabajos académicos en inteligencia artificial. MIRI existe, según Twitter, no solo para investigar la inteligencia artificial, sino también para "garantizar que la creación de inteligencia más inteligente que la humana tenga un impacto positivo".

Recursos adicionales

¿Qué industrias utilizan el aprendizaje automático?

Prácticamente cualquier organización que desee capitalizar sus datos para obtener conocimientos, mejorar las relaciones con los clientes, aumentar las ventas o ser competitiva en una tarea específica, se basará en el aprendizaje automático. Tiene aplicaciones en el gobierno, las empresas, la educación: prácticamente cualquier persona que quiera hacer predicciones y tenga un conjunto de datos lo suficientemente grande, puede usar el aprendizaje automático para lograr sus objetivos.

VER: Empresa con sensores: IoT, ML y big data (Informe especial de ZDNet) | Descarga el informe en PDF (TechRepublic)

Junto con la analítica, el aprendizaje automático se puede utilizar para complementar a los trabajadores humanos asumiendo tareas mundanas y liberándolos para realizar un trabajo más significativo, innovador y productivo. Al igual que con la analítica, las empresas que tienen empleados que se ocupan de tareas repetitivas y de gran volumen pueden beneficiarse del aprendizaje automático.

Recursos adicionales

¿Cómo utilizan las empresas el aprendizaje automático?

2017 fue un gran año para el crecimiento de las capacidades del aprendizaje automático, y 2018 sentó las bases para un crecimiento explosivo que, a principios de 2020, descubrió que el 85% de las empresas estaban utilizando alguna forma de IA en sus aplicaciones implementadas.

Una de las cosas que pueden estar frenando ese crecimiento, dijo Deloitte, es la confusión: ¿qué es capaz de hacer el aprendizaje automático por las empresas?

Hay numerosos ejemplos de cómo las empresas están aprovechando el aprendizaje automático, y todo se reduce a lo mismo básico: procesar cantidades masivas de datos para sacar conclusiones mucho más rápido de lo que podría hacerlo un equipo de científicos de datos.

Algunos ejemplos de usos comerciales del aprendizaje automático incluyen:

  • La empresa de seguridad Chronicle, propiedad de Alphabet, está utilizando el aprendizaje automático para identificar las ciberamenazas y minimizar el daño que pueden causar.
  • Airbus Defence & Space está utilizando tecnología de reconocimiento de imágenes basada en ML para disminuir la tasa de error del reconocimiento de nubes en imágenes de satélite.
  • Global Fishing Watch está luchando contra la sobrepesca monitoreando las coordenadas GPS de los barcos pesqueros, lo que les ha permitido monitorear todo el océano a la vez.
  • La empresa de seguros AXA aumentó la precisión de la predicción de accidentes en un 78% mediante el uso del aprendizaje automático para crear perfiles de riesgo de conductores precisos.
  • La empresa japonesa de seguridad alimentaria Kewpie ha detectado automáticamente los cubos de patata defectuosos para que los trabajadores no tengan que pasar horas vigilándolos.
  • Yelp utiliza el aprendizaje profundo para clasificar las fotos que las personas toman de las empresas por determinadas etiquetas.
  • OptiVax del MIT puede desarrollar y probar vacunas peptídicas para COVID-19 y otras enfermedades en un entorno completamente virtual con variables que incluyen cobertura geográfica, datos de población y más.

VER: Guía para ejecutivos sobre IA en los negocios (libro electrónico gratuito) (TechRepublic)

Cualquier empresa que se ocupe del análisis de big data puede utilizar la tecnología de aprendizaje automático para acelerar el proceso y hacer un mejor uso de los seres humanos, y los detalles pueden variar mucho de una industria a otra.

Las aplicaciones de inteligencia artificial no son lo primero: son herramientas que se utilizan para resolver problemas comerciales y deben verse como tales. Encontrar la aplicación adecuada para la tecnología de aprendizaje automático implica hacer las preguntas correctas o enfrentarse a un enorme muro de datos que sería imposible de procesar para un humano.

Recursos adicionales

¿Cuáles son las preocupaciones éticas y de seguridad sobre el aprendizaje automático?

Existe una serie de preocupaciones sobre el uso del aprendizaje automático y la inteligencia artificial, incluida la seguridad de los datos alojados en la nube y las consideraciones éticas de los automóviles autónomos.

Desde una perspectiva de seguridad, siempre existe la preocupación por el robo de grandes cantidades de datos, pero los temores de seguridad van más allá de cómo bloquear los repositorios de datos.

Los profesionales de la seguridad están casi universalmente preocupados por el potencial de la IA para eludir el software antimalware y otras medidas de seguridad, y tienen razón en estar preocupados: se ha desarrollado un software de inteligencia artificial que puede modificar el malware para evitar las plataformas antimalware impulsadas por IA.

Varios líderes tecnológicos, como Elon Musk, Stephen Hawking y Bill Gates, han expresado su preocupación por el mal uso de la IA y la importancia de crear una IA ética. Como lo demuestra el desastre del chatbot racista de Microsoft, Tay, la IA puede salir mal si no se supervisa.

VER: Aprendizaje automático como servicio: ¿se puede enseñar la privacidad? (ZDNet)

Las preocupaciones éticas también abundan en el mundo del aprendizaje automático; Un ejemplo es la adaptación de un vehículo autónomo del problema del carro experimento mental. En resumen, cuando se le presenta a un vehículo autónomo la posibilidad de elegir entre matar a sus ocupantes o a un peatón, ¿cuál es la elección correcta? No hay una respuesta clara para problemas filosóficos como este: no importa cómo esté programada la máquina, tiene que emitir un juicio moral sobre el valor de las vidas humanas.

Los videos falsos profundos, que reemplazan de manera realista la cara y / o la voz de una persona con la de otra persona basándose en fotos y otras grabaciones, tienen el potencial de alterar las elecciones, insertar a personas que no lo desean en la pornografía y, de lo contrario, insertar a personas en situaciones con las que no están de acuerdo. Los efectos de largo alcance de esta herramienta impulsada por el aprendizaje automático podrían ser devastadores.

Además de si otorgar a las máquinas de aprendizaje la capacidad de tomar decisiones morales es correcto, o si el acceso a ciertas herramientas de aprendizaje automático es socialmente peligroso, existen problemas relacionados con el otro costo humano importante que probablemente conlleva el aprendizaje automático: la pérdida de empleo.

Si la revolución de la inteligencia artificial es realmente el próximo cambio importante en el mundo, hay muchos trabajos que dejarán de existir y no son necesariamente los que pensaría. Si bien muchos trabajos de baja calificación definitivamente corren el riesgo de ser eliminados, también lo son los trabajos que requieren un alto grado de capacitación pero que se basan en conceptos simples como el reconocimiento de patrones.

Los radiólogos, patólogos, oncólogos y otras profesiones similares se basan en encontrar y diagnosticar irregularidades, algo para lo que el aprendizaje automático está especialmente indicado.

También existe la preocupación ética de la barrera de entrada: si bien el software de aprendizaje automático en sí no es costoso, solo las empresas más grandes del mundo tienen las grandes reservas de datos necesarios para capacitar adecuadamente a las máquinas de aprendizaje para que brinden resultados confiables.

A medida que pasa el tiempo, algunos expertos predicen que será más difícil para las empresas más pequeñas tener un impacto, lo que hará que el aprendizaje automático sea principalmente un juego para las empresas más grandes y ricas.

Recursos adicionales

¿Qué herramientas de aprendizaje automático están disponibles?

Hay muchos recursos en línea sobre aprendizaje automático. Para obtener una descripción general de cómo crear un sistema de aprendizaje automático, consulte esta serie de videos de YouTube de Google Developer. Tambien hay clases sobre aprendizaje automático de Coursera y muchas otras instituciones.

Y para integrar el aprendizaje automático en su organización, puede utilizar recursos como Azure de Microsoft, Google Cloud Machine Learning, Aprendizaje automático de Amazon, IBM Watson y plataformas gratuitas como Scikit.

Recursos adicionales

Nota del editor: Este artículo fue actualizado por Brandon Vigliarolo.





Enlace a la noticia original