¿HA DICHO MACHINE LEARNING? - Instituto de Gestión del Cambio
16977
post-template-default,single,single-post,postid-16977,single-format-standard,tribe-no-js,page-template-mnt-web007-c3-03-52980303-htdocs-wordpress_15-wp-content-themes-bridge-page-php,ajax_fade,page_not_loaded,,qode-title-hidden,side_area_uncovered_from_content,qode-theme-ver-17.2,qode-theme-bridge,qode_advanced_footer_responsive_1000,qode_header_in_grid,wpb-js-composer js-comp-ver-5.6,vc_responsive

¿HA DICHO MACHINE LEARNING?

 

Los datos son el petróleo del siglo XXI

La Inteligencia Artificial engloba todas las tecnologías que buscan simular la Inteligencia Humana y participar en todas las tareas donde la persona humana usa su inteligencia para resolver problemas.

La inteligencia artificial (IA) es un componente esencial en el proceso de digitalización que tanto está cambiando la sociedad en nuestra era. Lo que tiempo atrás parecía formar parte de una película de ciencia ficción ha ido materializándose en la realidad, de forma que hoy en día conversamos con ordenadores, podemos averiguar desde el móvil el camino más corto a una gasolinera y nuestros relojes nos informan de la actividad física que hemos realizado durante el día.

La tecnología se vuelve cada día más inteligente, al mismo tiempo que los investigadores, programadores e informáticos adquieren el papel de profesores, pues intentan enseñar a los sistemas informáticos a aprender por ellos
mismos.
Sin embargo aún no existe una Inteligencia Artificial Global, es decir que haga más de una tarea. Las actuales tecnologías solo nos permiten enfocarnos en tareas: reconocer imágenes, o objetos, o traducir textos, pero no funcionan en global.
Empresas como IBM o Google están liderando el desarrollo de estas tecnologías y su aplicación en diferentes campos, como la medicina, la robótica, el reconocimiento automatizado de datos o de patrones.

Machine Learning es una parte de la Inteligencia Artificial que no programa los computadores de la forma habitual. Se le entrega al sistema un conjunto de datos, dándole información escasa, para que aprenda de los mismos.
Por ejemplo, si queremos que el sistema identifique la figura de un gato, se le alimenta con muchas imágenes que contengan gatos para que aprenda a diferenciar la figura e, idealmente, imágenes que no contengan gatos para que Machine Learning reconozca la
figura de una forma cada vez más precisa (en el caso de los algoritmos tradicionales aplicados al reconocimiento de imágenes, se hubieran programado las reglas para reconocer una figura).

Cuando enseñamos a un niño pequeño la imagen de un gato y queremos que la recuerde, no le explicamos las características del animal, sino que le enseñamos muchas imágenes con gatos y sin gatos y contamos con que el pequeño desarrolle sus propios sistemas de reconocimiento.
Machine Learming intenta, imitar el cerebro humano incluyendo redes neuronales que son sistemas que, por medio de relaciones, simulan el análisis que hace el ser humano.

Por otra parte, Machine Learning necesita conjuntos de datos para poder explotarlos, por lo que suele funcionar apoyándose en otras tecnologías, como por ejemplo Big Data. El propósito final es que los computadores actúen sin ser explícitamente programados porque los algoritmos habrán analizado datos, aprendido de ellos y utilizado los resultados para tomar decisiones.

El campo de Machine Learning puede explorarse con relativa facilidad en cualquier empresa porque los conocimientos requeridos son bastante asequibles para pequeñas y medianas empresas y los beneficios consecuentes llegan muy rápido.
Como sucede siempre con los avances en el mundo empresarial, los negocios tendrán que empezar por entender los principios básicos de esta tecnología para poder usarla a su favor, pero la ventaja competitiva de la empresa puede hacer que se diferencie claramente y avance a gran velocidad.

No Comments

Sorry, the comment form is closed at this time.