{"id":3225,"date":"2022-05-04T16:03:11","date_gmt":"2022-05-04T22:33:11","guid":{"rendered":"https:\/\/iexe.edu.mx\/?p=3225"},"modified":"2023-05-15T16:46:38","modified_gmt":"2023-05-15T23:16:38","slug":"una-breve-historia-del-machine-learning-la-tecnologia-que-esta-cambiando-nuestras-vidas","status":"publish","type":"post","link":"https:\/\/www.iexe.edu.mx\/tecnologia\/una-breve-historia-del-machine-learning-la-tecnologia-que-esta-cambiando-nuestras-vidas\/","title":{"rendered":"Una breve historia del machine learning: la tecnolog\u00eda que est\u00e1 cambiando nuestras vidas"},"content":{"rendered":"

Desde la creaci\u00f3n y durante la evoluci\u00f3n de las tecnolog\u00edas de la informaci\u00f3n, las personas han intentado crear una <\/span>computadora o un sistema computacional<\/b> que act\u00fae de forma independiente, con la idea de convertirla en algo <\/span>m\u00e1s que solo una herramienta de trabajo<\/b>.<\/span><\/p>\n

Han sido muchos los intentos y enfoques empleados para lograr tal fin. Uno de los m\u00e1s notables \u2014por la historia que hay detr\u00e1s y los autores implicados\u2014 corresponde a <\/span>los aut\u00f3matas<\/b>. Sus primeros registros datan de los siglos XII y XIII, cuando el inventor \u00e1rabe\u00a0 describi\u00f3 una de sus creaciones, la orquesta de Al-Jazari (1). Est\u00e1 m\u00e1quina creaba m\u00fasica y mov\u00eda a unos m\u00fasicos de metal para amenizar eventos a partir de una corriente de agua. Algunos autores consideran a este aut\u00f3mata como <\/span>la primera m\u00e1quina reprogramable<\/b> de la historia.<\/span><\/p>\n

\"\"<\/p>\n

Fue tanta la fascinaci\u00f3n con los aut\u00f3matas que, en el desarrollo de este tipo de artefactos, formaron parte grandes genios de la historia como <\/span>Leonardo da Vinc<\/b>i. Si bien, estas incre\u00edbles piezas parec\u00edan tener movimientos aut\u00f3nomos y plenamente intencionales, la realidad distaba mucho de ello. Realmente, sus creadores eran responsables de planear, crear, <\/span>modificar y reprogramar<\/b> estas acciones, delegando a la m\u00e1quina la \u00fanica tarea de ejecutar esas instrucciones por medio de movimientos.<\/span><\/p>\n

Casi seiscientos a\u00f1os despu\u00e9s en el siglo XIX, <\/span>Ada Lovelace<\/b>, conocida como la primera mujer programadora de la historia, a\u00f1adi\u00f3 notas explicativas para la m\u00e1quina anal\u00edtica del matem\u00e1tico <\/span>Charles Babbage<\/b>. As\u00ed, dise\u00f1\u00f3 el <\/span>primer algoritmo<\/b> destinado a ser procesado por una m\u00e1quina. Esta sinergia forma parte del antecedente de la <\/span>primera computadora moderna<\/b>, pues cre\u00f3 un punto de inflexi\u00f3n en la historia en el que, por fin, fue posible vislumbrar un objeto que pudiera servir a m\u00e1s de un fin; con ello se abr\u00eda la posibilidad, al menos en apariencia, de contar con un artefacto inteligente.<\/span><\/p>\n

\"\"<\/p>\n

Como podr\u00e1s ver, en seiscientos a\u00f1os pasamos de los aut\u00f3matas \u2014elementos puramente mec\u00e1nicos con un uso espec\u00edfico definido\u2014 a una computadora electromec\u00e1nica de uso general con la posibilidad de reprogramarse con relativa facilidad. En los siguientes doscientos a\u00f1os, esta tecnolog\u00eda mejor\u00f3, llegando a hitos como el alcanzado en 1952 cuando se construy\u00f3 y se program\u00f3 por primera vez un rat\u00f3n mec\u00e1nico capaz de resolver un laberinto por s\u00ed solo (2). Lo mismo ocurri\u00f3 en 1979 cuando, en la universidad de Stanford, se dise\u00f1\u00f3 un veh\u00edculo capaz de moverse aut\u00f3nomamente y de pilotear entre diferentes obst\u00e1culos <\/span>(3). <\/b>Ambos hechos podr\u00edan considerarse fundamentales en el desarrollo de la<\/span> inteligencia artificial<\/b>.<\/span><\/p>\n

La era de la inteligencia artificial ha llegado<\/b><\/p>\n

Gracias a los avances en sistemas computacionales y la disponibilidad cada vez m\u00e1s grande de datos, una nueva disciplina de las ciencias computacionales naci\u00f3: la <\/span>inteligencia artificial<\/b>, usualmente referida como IA o AI por sus siglas en ingl\u00e9s.<\/span><\/p>\n

\u00bfA qu\u00e9 nos referimos con inteligencia artificial? De acuerdo con el <\/span>Diccionario de la lengua espa\u00f1ola<\/span><\/i> de la RAE, esta alude a una disciplina cient\u00edfica encargada de crear<\/span> programas inform\u00e1ticos<\/b> que realizan operaciones similares a las de la mente humana. A pesar de que esta es una definici\u00f3n acertada, la terminolog\u00eda no expresa todos los matices de esta \u00e1rea. Por ejemplo, pasa por alto la temporalidad de cuando este t\u00e9rmino es usado y expresado: hace algunos a\u00f1os, el reconocimiento \u00f3ptico de caracteres (OCR) se percib\u00eda como una aplicaci\u00f3n del campo de la inteligencia artificial; sin embargo hoy, debido a los avances de la tecnolog\u00eda, esta acci\u00f3n se percibe como una tecnolog\u00eda com\u00fan, dejando de lado la parte \u201cinteligente\u201d de ella.<\/span><\/p>\n

\"\"<\/p>\n

Aunque es cierto que la inteligencia artificial pretende igualar e, incluso, superar la inteligencia humana, la realidad dista de ello y nos acerca a una \u201cinteligencia especialista\u201d m\u00e1s que a una \u201cinteligencia generalista\u201d como la inteligencia humana. El <\/span>machine learning<\/span><\/i> o aprendizaje autom\u00e1tico es un subapartado de la inteligencia artificial que, mediante distintos algoritmos, busca desarrollar <\/span>sistemas que aprendan o mejoren su rendimiento<\/b> en funci\u00f3n de los datos consumidos o actividades realizadas.<\/span><\/p>\n

Si regresamos a la premisa expresada anteriormente (inteligencia especialista vs. inteligencia generalista), podemos encontrar, por ejemplo, que sistemas computacionales apoyados por el aprendizaje autom\u00e1tico han excedido, en muchos casos, a las capacidades de un m\u00e9dico para detectar diferentes tipos de c\u00e1ncer. Esto se menciona en el art\u00edculo <\/span>How AI is improving cancer diagnostics <\/span><\/i>(4)<\/b>,<\/span> de<\/span> la prestigiosa revista <\/span>Nature<\/span><\/i>. A diferencia de un m\u00e9dico que tiene una formaci\u00f3n integral y generalista, un algoritmo computacional puede <\/span>especializarse en un solo rubro<\/b>; en este caso, el diagn\u00f3stico de c\u00e1ncer por medio de im\u00e1genes de estudio (radiograf\u00edas, tomograf\u00edas, ecograf\u00edas, etc.).<\/span><\/p>\n

Para facilitar la comprensi\u00f3n, podemos decir que el <\/span>machine learning<\/span><\/i> es un buscador muy especializado de patrones que \u2014por medio de m\u00e9todos matem\u00e1ticos, estad\u00edsticos e inform\u00e1ticos\u2014 <\/span>clasifica o predice elementos futuros<\/b> dado un conjunto de datos. Entre m\u00e1s datos se tenga para ingerir y procesar, su capacidad de entregar un resultado correcto mejorar\u00e1 cada vez m\u00e1s, en este sentido el algoritmo est\u00e1 aprendiendo.<\/span><\/p>\n

\"\"<\/p>\n

Existen dos principales enfoques de aprendizaje autom\u00e1tico, el aprendizaje autom\u00e1tico <\/span>supervisado<\/b> y el aprendizaje autom\u00e1tico <\/span>no supervisado<\/b>. En el primero, un cient\u00edfico de datos actuar\u00e1 como un maestro y supervisor que mostrar\u00e1 al algoritmo las conclusiones que debe obtener. Para ello, el especialista en ciencia de datos deber\u00e1 hacer un an\u00e1lisis de la informaci\u00f3n con la que se cuenta, determinar\u00e1 y crear\u00e1 un conjunto de datos correctamente etiquetado y con un resultado esperado el cual dar\u00e1 al sistema y, por medio de algoritmos definidos, aprender\u00e1 a predecir el resultado cada vez que se le proporcionen nuevos datos.<\/span><\/p>\n

\"\"<\/p>\n

En el segundo enfoque: el <\/span>aprendizaje autom\u00e1tico no supervisado<\/b>, se busca que el ordenador aprenda a identificar patrones y procesos complejos sin la intervenci\u00f3n constante de un ser humano. En este caso, el conjunto de datos entregado no se etiqueta ni tiene un resultado esperado. Con ello, se pretende que la computadora o el programa inform\u00e1tico haga las inferencias y encuentre las relaciones entre los datos.<\/span><\/p>\n

\"\"<\/p>\n

Podemos decir que el a<\/span>prendizaje autom\u00e1tico supervisado<\/b> se enfoca en <\/span>tareas espec\u00edficas<\/b> como la detecci\u00f3n de c\u00e1ncer, mientras que el <\/span>aprendizaje autom\u00e1tico no supervisado<\/b> se centra en las <\/span>relaciones que hay entre los datos, <\/b>como encontrar patrones entre grupos de personas y as\u00ed, por ejemplo, recomendar un producto en una tienda virtual. Ser\u00e1 entonces responsabilidad del cient\u00edfico de datos determinar el tipo de aprendizaje autom\u00e1tico a utilizar en funci\u00f3n de las necesidades y los datos disponibles para la tarea asignada.<\/span><\/p>\n

La empresa Oracle establece algunos campos en los que m\u00e1s ha florecido el aprendizaje autom\u00e1tico. Dentro de ellos, destacan los siguientes:<\/span><\/p>\n