Machine Learning: La revolución de la inteligencia artificial en el siglo XXI

La inteligencia artificial (IA), que ha existido desde la década de 1950, ha experimentado altibajos en popularidad en los últimos 60 años. Pero hoy, con la reciente explosión de big data, procesamiento paralelo de alta potencia y algoritmos neurales avanzados, estamos presenciando un renacimiento en la IA, y compañías como Amazon, Facebook y Google están luchando por liderar el mercado. Según el experto en IA Roman Yampolskiy, 2016 fue el año de la "IA en esteroides", y su crecimiento explosivo no se ha detenido.

Mientras 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.

Resumen Ejecutivo

• ¿Qué es el aprendizaje automático? El aprendizaje automático es una subsección de la inteligencia artificial. En lugar de depender de una programación explícita, es un sistema en el que las computadoras utilizan un conjunto masivo de datos y aplican algoritmos para "entrenarse" a sí mismas, aprender 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 popularizó en la década de 1990 y volvió a estar en el ojo público cuando el programa DeepMind de Google venció al campeón mundial de Go en 2016. Desde entonces, las aplicaciones de ML y su popularidad solo han aumentado.
• ¿Por qué es importante el aprendizaje automático? Los sistemas de aprendizaje automático pueden aplicar rápidamente conocimientos y entrenamiento de grandes conjuntos de datos para sobresalir en reconocimiento facial, reconocimiento de voz, reconocimiento de objetos, traducción y muchas otras tareas.
• ¿Qué industrias utilizan el aprendizaje automático? El aprendizaje automático abarca industrias que van desde el gobierno hasta la educación y la salud. Puede ser utilizado por empresas enfocadas en marketing, redes sociales, servicio al cliente, coches autónomos y muchas más. Ahora se considera una herramienta fundamental para la toma de decisiones.
• ¿Cómo utilizan las empresas el aprendizaje automático? Las aplicaciones empresariales 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 serían impracticables para que los humanos los comprendieran.
• ¿Cuáles son las preocupaciones de seguridad y ética sobre el aprendizaje automático? La IA ya ha sido entrenada para eludir software antimalware avanzado, y tiene el potencial de ser un gran riesgo de seguridad en el futuro. También existen preocupaciones éticas, especialmente en relación con la pérdida de empleos y la viabilidad de permitir que las máquinas tomen decisiones morales, como las 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 disponibles.

¿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. Mientras que muchos programas de IA tempranos, como el Deep Blue de IBM, que derrotó a Garry Kasparov en el 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 enseñarse a sí mismas y establecer sus propias reglas. En 2016, el programa DeepMind de Google venció al campeón mundial de Go utilizando el aprendizaje automático, entrenándose a sí mismo con un gran conjunto de datos de movimientos expertos.

Existen varios tipos de aprendizaje automático:

• En el aprendizaje supervisado, el "entrenador" presenta a la computadora ciertas reglas que conectan una entrada (una característica del objeto, como "suave", por ejemplo) con una salida (el propio objeto, como una canica).
• En el aprendizaje no supervisado, la computadora recibe entradas y se le permite descubrir patrones por sí misma.
• En el aprendizaje por refuerzo, un sistema informático recibe información de manera continua (por ejemplo, un automóvil sin conductor recibe información sobre la carretera) y constantemente mejora.

Se requiere una gran cantidad de datos para entrenar algoritmos de aprendizaje automático. Primero, los "datos de entrenamiento" deben etiquetarse (por ejemplo, una ubicación GPS adjunta a una foto). Luego, se realiza la "clasificación". Esto sucede cuando las características del objeto en cuestión están etiquetadas y se introducen en el sistema con un conjunto de reglas que conducen a una predicción. Por ejemplo, "rojo" y "redondo" son entradas en el sistema que conducen a la salida: manzana. Del mismo modo, un algoritmo de aprendizaje podría crearse para establecer sus propias reglas cuando se le proporcione un gran conjunto de objetos, como un grupo de manzanas, y la máquina descubre que tienen propiedades como "redondo" y "rojo" en común.

Cómo abordar el problema de la explicabilidad en la inteligencia artificial y el machine learning

Muchos casos de aprendizaje automático implican "aprendizaje profundo", un subconjunto de ML que utiliza algoritmos en capas para procesar información y llegar a predicciones. Lo que distingue al aprendizaje profundo es el hecho de que el sistema puede aprender por sí mismo, sin necesidad de capacitación humana.

¿Cuándo se popularizó el aprendizaje automático?

El aprendizaje automático fue popular en la década de 1990 y ha experimentado un resurgimiento en los últimos años. Aquí tienes algunos momentos destacados en la línea de tiempo:

• 2011: Se creó Google Brain, una red neuronal profunda que podía identificar y categorizar objetos.
• 2014: Se introdujo el algoritmo DeepFace de Facebook, que podía reconocer personas a partir de un conjunto de fotos.
• 2015: Amazon lanzó su plataforma de aprendizaje automático y Microsoft ofreció un Conjunto de Herramientas de Aprendizaje Automático Distribuido.
• 2016: El programa DeepMind de Google, "AlphaGo", venció al campeón mundial, Lee Sedol, en el complejo juego del 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 basado en aprendizaje automático en Phoenix, Arizona.
• 2020: Se utilizan algoritmos de aprendizaje automático en la lucha contra la pandemia de COVID-19, lo que ayuda a acelerar la investigación de vacunas y mejorar la capacidad de rastrear la propagación del virus.

¿Por qué es importante el aprendizaje automático?

Además 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, reconocer caras en fotos y encontrar lugares en todo el mundo que tienen ciertas características geográficas. IBM Watson se utiliza para ayudar a los médicos a tomar decisiones sobre el tratamiento del cáncer. Los coches autónomos 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, se ha demostrado que es muy preciso para detectar amenazas de ciberseguridad, por ejemplo.

Aunque hay muchos beneficios potenciales de la IA, también existen preocupaciones sobre su uso. Muchos temen que la IA (al igual que la automatización) ponga en riesgo los empleos humanos. Y si bien la IA no reemplazará a los humanos en el trabajo, ciertamente cambiará los tipos de trabajos que sean necesarios. Por ejemplo, el requisito del aprendizaje automático de tener datos etiquetados ha generado una gran necesidad de que los humanos realicen la tarea de etiquetado manualmente.

A medida que el aprendizaje automático y la IA 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 personal a trabajar desde casa, lo que llevó a los bots de IA y al aprendizaje automático a complementar a los humanos en tareas mundanas.

Existen varias instituciones dedicadas a explorar el impacto de la inteligencia artificial. Aquí tienes algunas (seleccionadas de nuestra lista de insiders de IA en Twitter):

Descubre las cinco innovaciones clave en inteligencia artificial 2.0 para impulsar tu empresa

• El Future of Life Institute reúne a algunos de los mejores expertos, 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 cuenta con un destacado equipo de asesores científicos, como Nick Bostrom, Elon Musk y Morgan Freeman.
• El Instituto del Futuro de la Humanidad en Oxford es uno de los principales sitios de investigación académica de vanguardia. El feed de Twitter de FHI es un lugar maravilloso para obtener contenido sobre las últimas novedades en IA, y los retweets de la cuenta también son útiles para encontrar otros usuarios de Twitter que trabajan en lo último en inteligencia artificial.
• El Instituto de Investigación en Inteligencia Artificial de Berkeley es un excelente recurso para conocer los últimos avances académicos en inteligencia artificial. Según su descripción en Twitter, MIRI no solo investiga la IA, sino que también busca "asegurar que la creación de inteligencia más inteligente que la humana tenga un impacto positivo".

¿Qué industrias utilizan el aprendizaje automático?

Prácticamente cualquier organización que quiera aprovechar sus datos para obtener ideas, mejorar las relaciones con los clientes, aumentar las ventas o ser competitiva en una tarea específica dependerá del aprendizaje automático. Tiene aplicaciones en el gobierno, los negocios, la educación; prácticamente cualquier persona que quiera realizar predicciones y tenga un conjunto de datos lo suficientemente grande puede utilizar el aprendizaje automático para lograr sus objetivos.

Junto con las analíticas, el aprendizaje automático se puede utilizar para complementar a los trabajadores humanos, al asumir tareas mundanas y liberarlos para realizar trabajos más significativos, innovadores y productivos. Al igual que con las analíticas, cualquier empresa que tenga empleados que realicen tareas repetitivas y de alto volumen puede beneficiarse del aprendizaje automático.

¿Cómo utilizan las empresas el aprendizaje automático?

El año 2017 fue un año de gran crecimiento en 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 puede estar frenando ese crecimiento, según Deloitte, es la confusión, es decir, ¿qué es capaz de hacer el aprendizaje automático para las empresas?

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

Algunos ejemplos de cómo las empresas utilizan el aprendizaje automático incluyen:

TensorFlow: La guía definitiva para dominar el aprendizaje automático

• La empresa de seguridad Chronicle, propiedad de Alphabet, utiliza aprendizaje automático para identificar ciberamenazas y minimizar el daño que pueden causar.
• Airbus Defense & Space utiliza tecnología de reconocimiento de imágenes basada en ML para disminuir la tasa de error en el reconocimiento en la nube en imágenes de satélite.
• Global Fishing Watch combate la pesca excesiva mediante el monitoreo de las coordenadas GPS de los barcos pesqueros, lo que les ha permitido monitorear todo el océano al mismo tiempo.
• La firma de seguros AXA aumentó la precisión de predicción de accidentes en un 78% utilizando el aprendizaje automático para crear perfiles precisos de riesgo de los conductores.
• La empresa japonesa de seguridad alimentaria Kewpie automatizó la detección de cubos de papa defectuosos para que los trabajadores no tengan que pasar horas vigilando.
• Yelp utiliza el aprendizaje profundo para clasificar las fotos que las personas toman de los negocios por etiquetas específicas.
• OptiVax del MIT puede desarrollar y probar vacunas de péptidos para COVID-19 y otras enfermedades en un entorno completamente virtual con variables como cobertura geográfica, datos de población y más.

Cualquier negocio que trate con el análisis de grandes volúmenes de datos puede utilizar la tecnología de aprendizaje automático para agilizar el proceso y aprovechar mejor a los humanos, y los detalles pueden variar considerablemente de una industria a otra.

Las aplicaciones de inteligencia artificial no son lo primero, son herramientas utilizadas para resolver problemas empresariales y deben verse como tal. Encontrar la aplicación adecuada para la tecnología de aprendizaje automático implica hacer las preguntas correctas o enfrentarse a una gran cantidad de datos que sería imposible de procesar para un humano.

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

Existen una serie de preocupaciones sobre el uso del aprendizaje automático y la IA, como la seguridad de los datos alojados en la nube y las consideraciones éticas de los vehículos autónomos.

Desde una perspectiva de seguridad, siempre existen preocupaciones sobre el robo de grandes cantidades de datos, pero los temores de seguridad van más allá de cómo proteger 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 preocuparse: se ha desarrollado software de inteligencia artificial que puede modificar malware para eludir las plataformas antimalware impulsadas por IA.

Varios líderes tecnológicos, como Elon Musk, Stephen Hawking y Bill Gates, han expresado preocupaciones sobre cómo se puede utilizar la IA y la importancia de crear una AI ética. Como lo demuestra el desastre del chatbot racista de Microsoft, Tay, la IA puede salir mal si se deja sin supervisión.

Lays y Messi se unen para crear mensajes personalizados de video en 10 idiomas

También existen preocupaciones éticas en el mundo del aprendizaje automático; un ejemplo es una adaptación de un experimento de pensamiento de un vehículo autónomo del problema del tranvía. En resumen, cuando un vehículo autónomo se enfrenta a la elección de matar a sus ocupantes o a un peatón, ¿cuál es la elección correcta? No hay una respuesta clara con problemas filosóficos como este, sin importar cómo se programe la máquina, debe tomar un juicio moral sobre el valor de la vida humana.

Los videos Deepfake, que reemplazan de manera realista el rostro y/o la voz de una persona con la de otra basándose en fotos y otras grabaciones, tienen el potencial de afectar las elecciones, insertar personas no deseadas en la pornografía y en general provocar situaciones en las que las personas no están de acuerdo. Los efectos de esta herramienta alimentada por el aprendizaje automático podrían ser devastadores.

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

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

Radiólogos, patólogos, oncólogos y otras profesiones similares se basan en encontrar y diagnosticar irregularidades, algo para lo que el aprendizaje automático es particularmente adecuado.

También está 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 vastas cantidades de datos necesarios para capacitar adecuadamente a las máquinas de aprendizaje para proporcionar resultados confiables.

Las 100 empresas de IA más prometedoras para seguir en 2021 según CB Insights

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

¿Qué herramientas de aprendizaje automático están disponibles?

Existen muchos recursos en línea sobre el aprendizaje automático. Para obtener una descripción general de cómo crear un sistema de aprendizaje automático, puedes consultar esta serie de videos en YouTube desarrollados por Google Developer. También hay cursos de aprendizaje automático disponibles en Coursera y muchas otras instituciones.

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

En Newsmatic nos especializamos en tecnología de vanguardia, contamos con los artículos mas novedosos sobre Inteligencia artificial, allí encontraras muchos artículos similares a Machine Learning: La revolución de la inteligencia artificial en el siglo XXI , tenemos lo ultimo en tecnología 2026.