// // 1 comentario

Qué es Machine Learning

Qué es Machine Learning - Consultoria-SAP


Todos vemos el término inteligencia artificial (De ahora en más "IA") lanzado alrededor en muchos contextos. AI es una palabra de moda en la industria de la tecnología. Sin embargo, muchas personas (incluyendo aquellas que trabajan en IT) realmente no entienden lo que es la inteligencia artificial, ni los desafíos y oportunidades que presenta. Hoy, empezaré a compartir los fundamentos de todas las cosas relacionadas a la inteligencia artificial (IA), y también aprovecho para avisarte que si te estás perdiendo los debates "geeks" de la comunidad, no te perdonaré ;)





¿Por qué es importante la Inteligencia Artificial?

A medida que los sistemas informáticos se vuelven cada vez más capaces de realizar las tareas que tradicionalmente son atendidas por empleados humanos, la evolución afectará a casi todas las industrias. En el corto plazo, habrá posiciones que serán reemplazadas por máquinas, lo que dará lugar a la pérdida de empleo. Sin embargo, a largo plazo, habrá cada vez más trabajadores calificados necesarios para administrar y mantener estas máquinas y sistemas.

Aquí habría que hacer un paréntesis para analizar mejor el impacto social, pues podríamos pensar que el ser humano ha venido re-adaptándose después de la revolución industrial a la era robótica, donde ha habido numerosas crisis de empleo, si bien se pasa a demandar mano de obra más calificada... ¿qué ocurre con los obreros que pierden sus puestos? Esas personas no pueden volverse "calificadas" de un día a otro.

¿Qué es el Machine Learning?

En su forma más básica, el Machine Learning implica "enseñar" a una computadora a aprender y cambiar cuando se le da una gran cantidad de datos. La computadora no es necesariamente programada explícitamente para estos cambios, sino que aprende a detectar patrones y hacer conexiones. Por lo tanto, la máquina aprende para completar la tarea por su cuenta. (Fuente: SAP.com)

Veamos si encontramos una explicación más simple.
Es la práctica de enseñar a una computadora cómo detectar patrones y hacer conexiones mostrando un volumen masivo de datos. Así que en lugar de programar software para llevar a cabo una tarea específica, la máquina utiliza "Big Data" y sofisticados algoritmos para aprender a realizar la tarea por sí misma. El Machine Learning permite a las aplicaciones "pensar" e independientemente hacer una determinación o predicción -va más allá de lo que el analítico predictivo y el analítico Big Data pueden hacer, también va mucho más allá de lo que los humanos pueden hacer. Un ejemplo popular que se brinda de Machine Learning es un motor de recomendación en línea en un comercio de venta por menor.

El aprendizaje automático y el mundo cada vez más amplio de la inteligencia artificial (IA) ya no son materia de la ciencia ficción. Ya están aquí -y muchas empresas ya están aprovechando. Como una nueva generación de software que es capaz de aprender sin ser explícitamente programado, el aprendizaje automático (y el aprendizaje profundo) puede acceder, analizar y encontrar patrones en Big Data de una manera que está más allá de las capacidades humanas. Las ventajas de negocio son enormes, y se espera que el mercado valga $ 47 mil millones en 2020.




¿Qué es el aprendizaje profundo?

El aprendizaje profundo, o como se conoce alternativamente, la computación cognitiva, es una versión más avanzada del aprendizaje de la máquina (Machine Learning), utilizando redes neuronales multicapa (aka deep) para emular (o simular) procesos de pensamiento humano. Las sinapsis del cerebro humano se imitan utilizando redes de pequeños nodos de computación. Esto permite a la computadora, usando conjuntos de datos de entrada y algoritmos sofisticados, resolver problemas complejos y no lineales 

El aprendizaje profundo es responsable de avances como el reconocimiento del habla y la imagen; y del procesamiento del lenguaje natural. 

Algunos ejemplos populares de aprendizaje profundo incluyen:
  • Software de reconocimiento facial
  • Vehículos Autónomos
  • Los dispositivos inteligentes de automatización del hogar


IA fuerte y IA débil

Hay dos clasificaciones populares de inteligencia artificial: 
IA fuerte está dirigido a replicar el pensamiento humano, mientras que la IA débil generalmente se trata de obtener los sistemas para realizar una tarea específica. IA fuerte está más lejos de la realización en este punto, pero es muy probable que se convierta en una realidad (aunque la línea de tiempo para esto es objeto de mucho debate). IA débil podría ser capaz de copiar un patrón de pensamiento humano en cierta medida, pero no profundizar en cómo funciona el proceso de decisión humana.

La tecnología débil de la IA está actualmente en uso amplio, con un crecimiento explosivo esperado como sistemas son examinados y estandarizados. Las necesidades de la industria varían, y aunque hay muchas empresas que utilizan IA débil, hay muchas más que se beneficiarían de una transición robótica que conduce a la fiabilidad, ahorro de costes y mejoras en la funcionalidad.

Aquí nuevamente el impacto social. Cuando las empresas apuestan por reemplazar personas por robots, para mayor fiabilidad, ahorro de costes y mejoras en la funcionalidad.

El futuro del aprendizaje automático depende de la interconectividad

La interconectividad será el núcleo del éxito de la IA y la revolución del aprendizaje automático. SAP está utilizando la Internet de las cosas (IoT) para conectar sistemas como nunca antes. La plataforma SAP4HANA ya es líder en el mercado y continuará impulsando el Big Data, e impulsando el aprendizaje de las máquinas para analizar y procesar de manera nunca imaginable.

A medida que SAP avanza hacia este nuevo mercado, estaremos trabajando para navegar el complejo y evolutivo marco comercial. Los nuevos retos se enfrentarán desde un punto de vista empresarial, legal y social, pero también abrirán oportunidades de mercado y una oportunidad de liderar con empatía. 


Únete al debate

Nos estaremos leyendo en el próximo artículo sobre Interligencia Artificial; sin embargo ya puedes ir compartiendo tus pensamientos con otros interesados en esta materia a través de nuestros foros de debate, son rápidos, gratis, y apuesto que te volverás adicto a ellos. Dale una mirada a los debates marcados como "#Geeks" o bien, si quieres debates sobre SAP, estás a un clic: "#consultas-sap".

Más información

Si deseas aprender más sobre Machine Learning, te comparto un interesante ebook en ingles que puedes descargar para leer y se divide en cuatro capítulos:
  1. Introducing Machine Learning
  2. Getting Started with Machine Learning
  3. Applying Unsupervised Learning
  4. Applying Supervised Learning


Lo descagas de aquí:

https://www.mathworks.com/campaigns/products/ppc/twitter/machine-learning-with-matlab-conf.html

Saludos,
SidV

1 comentario:

Nota Importante: los comentarios son para agradecer, comentar o sugerir cambios (o hacer preguntas) sobre el artículo de arriba.


SAP y el logotipo de SAP son marcas comerciales registradas de SAP AG en Alemania y en varios otros países. No estamos afiliados ni relacionados con ninguna división o subsidiaria de SAP AG.