Aunque el término resulte desconocido y parezca que no esta relacionado contigo absoluto, es altamente probable que lleves mucho interactuando esta tecnología e incluso la ayudes a mejorar día a día sin siquiera notarlo. Cada vez que realizas una consulta en internet o "googleas" algo, estos buscadores por medio de su software de aprendizaje de máquina han descubierto la manera de clasificar las páginas de son tu agrado, que contenido de ellas te interesa o cuales son las consultas que realizas frecuentemente, esto con el fin de aprender y facilitar tus búsquedas futuras. Amazon por ejemplo muestra sugerencias de productos de la misma categoría o similares, e incluso otros productos que podrían complementar lo que estas buscando, a su vez en redes sociales como Facebook se muestran promociones relacionadas con tu consultas recientes. Esto también sucede cuando buscamos tiquetes aéreos.
Machine Learning no es útil solamente para instruir a las computadoras, los robots también puede aprender. Estos empiezan a conocer y recordar los hábitos y ordenes que se les dan, de esta manera pueden reconocer que objetos recoger y donde ponerlos, en el caso de organización en el hogar, e incluso aprenden a realizar las mismas acciones tuyas sin que usted se encuentre allí. En este aspecto están involucrados dos temas fascinantes Internet of Things - IoT (Internet de las Cosas) y Big Data.
ML es de hecho muchas cosas. Este campo es amplio y se esta expandiendo rápidamente, siendo divido y sub-divido en diferentes especialidades y tipos de máquinas de aprendizaje.
En 1997, Tom Mitchell dió una definición bastante acertada y aplicada a los tipos de máquinas relacionadas con la ingeniería, dijo:
Se le dice a programa de computadora aprender de una experiencia E con respecto a alguna tarea T y alguna medida de desempeño P, si el desempeño en T, medido con P, mejora con experiencia E
“A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.” -- Tom Mitchell, Carnegie Mellon University
Por ejemplo si que quiere predecir el tráfico en una instersección concurrida (tarea T), se procesan con algoritmo de aprendizaje de máquina los datos de los patrones de tráfico pasados (experiencia E), y si esta aprende bien, séra capaz de predecir patrones de tráficos futuros(desempeño T) cada vez más acertados.
Muchos científicos creen que la mejor manera de avanzar en esta área es a través de algoritmos de aprendizaje llamados redes neuronales, que imitan el funcionamiento del cerebro humano, y realmente están en lo cierto pues es uno de los algoritmos principales que funcionan en Machine Learning. Los tipos de algoritmos más usados en Machine Learning son:
- Aprendizaje supervisado
- Aprendizaje no supervisado
- Aprendizaje semi-supervisado
- Aprendizaje por refuerzo
- Aprendizaje multi-tarea
- Transducción
Los invito para que se empapen del tema y tomen un asiento para este nuevo mundo en donde Machine Learning, Big Data y IoT siempre van de la mano.