Qué es el Aprendizaje Automático o Machine Learning; ¿Coches que se conducen solos?, ¿asistentes que traducen instantáneamente de un idioma a otro? o ¿sugerencias de compra personalizadas?. Tareas complejas que antes eran una fantasía ahora son posibles gracias al Aprendizaje Automático también conocido como Machine Learning, una disciplina que permite a los ordenadores aprender por sí mismos y realizar tareas de forma autónoma sin necesidad de ser programados, sin duda es la evolución de la Inteligencia Artificial.

En su libro On Intelligence, publicado en 2004, Jeff Hawkins definió la inteligencia como la capacidad de predecir el futuro, por ejemplo, el peso de un vaso que vamos a levantar o la reacción de los demás ante nuestras acciones, basándose en patrones almacenados en la memoria (el marco de predicción de la memoria). Este mismo principio está detrás del Aprendizaje Automático.

El aprendizaje automático es una disciplina dentro del campo de la Inteligencia Artificial que, mediante algoritmos, proporciona a las computadoras la capacidad de identificar patrones a partir de datos masivos para hacer predicciones. Este método de aprendizaje permite a los ordenadores realizar tareas específicas de forma autónoma, es decir, sin necesidad de ser programados.

El término se utilizó por primera vez en 1959. Sin embargo, ha adquirido relevancia en los últimos años debido al aumento de las capacidades informáticas y al enorme incremento de los datos. Las técnicas de aprendizaje automático son, de hecho, una parte fundamental de Big Data.

Los algoritmos de aprendizaje automático se dividen en tres categorías, siendo las dos primeras las más comunes:

• Aprendizaje supervisado: estos algoritmos tienen incorporado un aprendizaje previo y se basan en un sistema de etiquetas asociadas a datos que les permiten tomar decisiones o hacer predicciones. Un ejemplo es un detector de spam que etiqueta un correo electrónico como spam o no, dependiendo de los patrones que ha aprendido del historial de correos electrónicos (remitente, relación texto/imagen, palabras clave del asunto, etc.).
• Aprendizaje no supervisado: estos algoritmos no tienen conocimientos previos. Se enfrentan a un caos de datos con el objetivo de encontrar patrones que de alguna manera permitan su organización. Por ejemplo, en el campo del marketing se utilizan para extraer patrones a partir de datos masivos obtenidos de las redes sociales y para crear campañas publicitarias muy segmentadas.
• Aprendizaje reforzado: su objetivo es que un algoritmo aprenda de su propia experiencia. En otras palabras, será capaz de tomar la mejor decisión en diferentes situaciones según un proceso de ensayo y error en el que se adjudican las decisiones correctas. Actualmente se está utilizando para permitir el reconocimiento facial, hacer diagnósticos médicos o clasificar secuencias de ADN.

El aprendizaje automático es uno de los pilares en los que se basa la transformación digital. En la actualidad, ya se está utilizando para encontrar nuevas soluciones en diferentes campos, entre los que cabe destacar los siguientes:

1.- Recomendaciones: permite hacer sugerencias de compra a medida en plataformas online o puede recomendar canciones. En su forma más básica, analiza el historial de compras y de visualización del usuario y lo compara con lo que han hecho otros usuarios con tendencias o hábitos de gasto similares.

2.- Vehículos inteligentes: según el informe Automotive 2025: industry without borders de IBM, en 2025 ya veremos coches inteligentes en las carreteras. Gracias al aprendizaje automático, estos vehículos podrán configurar los ajustes internos (temperatura, música, inclinación del respaldo, etc.) según las preferencias del conductor e incluso mover el volante por sí mismos para reaccionar al entorno.

3.- Las redes sociales: Twitter, por ejemplo, utiliza algoritmos de aprendizaje automático para reducir en gran medida el spam publicado en esta red social, mientras que Facebook, a su vez, lo utiliza para detectar tanto las noticias falsas como el contenido no permitido en las emisiones en directo que bloquea automáticamente.

4.- Procesamiento del Lenguaje Natural: al comprender el lenguaje humano, asistentes virtuales como Alexa o Siri pueden traducir instantáneamente de un idioma a otro, reconocer la voz del usuario e incluso analizar sus sentimientos. Por otra parte, el Procesamiento del Lenguaje Natural también se utiliza para otras tareas complejas, como traducir la jerga jurídica de los contratos a un lenguaje sencillo y ayudar a los abogados a ordenar grandes volúmenes de información sobre un caso.

5.- Búsqueda: los motores de búsqueda utilizan el aprendizaje automático para optimizar sus resultados en función de su eficacia, midiendo esta última a través de los clics del usuario.

6.- Medicina: los investigadores del Instituto Tecnológico de Massachusetts (MIT) ya utilizan el aprendizaje automático para la detección temprana del cáncer de mama, lo que es de vital importancia porque la detección temprana del cáncer aumenta las posibilidades de curarlo. También es muy eficaz para detectar la neumonía y las enfermedades de la retina que pueden llevar a la ceguera.

7.- Ciberseguridad: los nuevos motores de detección de antivirus y malware ya utilizan el aprendizaje automático para impulsar el escaneo, acelerar la detección y mejorar la capacidad de reconocer anomalías.