Lo que se conoce como machine learning (ML) o aprendizaje automático puede definirse como aquella disciplina del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente.
Yendo al origen, el término inteligencia artificial (IA) se acuñó en 1955 en la Universidad de Dartmouth con motivo de una conferencia coorganizada por IBM y la Universidad de Harvard.
Antes, en 1950, Alan Turing planteó lo que se conoce como Test de Turing, que vaticina que existirán máquinas en el futuro capaces de comportarse de forma indistinguible a cómo lo podría hacer un humano.
Esto punto se hizo realidad en 2014 cuando Kevin Warwick, de la Universidad de Reading, logró que un programa tipo chatbot (robot conversador) mantuviera una conversación haciéndose pasar por un niño de 13 años sin que sus interlocutores humanos lo detectaran.
Actualmente los chatbots son un producto comercial en plena expansión. Por ejemplo, IBM dispone de un sistema de inteligencia artificial denominado Watson (en honor al fundador y primer presidente de la compañía, Thomas J. Watson) ideal para la implementación de chatbots comerciales.
Si bien la inteligencia artificial suscitó una gran expectativa durante el período de 1956 a 1974, han surgido períodos denominados inviernos de la IA en los que no se ha avanzado de forma significativa en este campo.
Después del primer invierno (1974-1980) se produjo una época de avances en el período 1980-1987 en el que aparecieron sistemas informáticos denominados sistemas expertos así como lenguajes de programación orientados a su implementación tales como LISP ó Prolog.
De 1987 a 1993 se vivió un segundo invierno hasta el período 1993-2001 en el que se produjo un avance sustancial en el reconocimiento de textos (OCR), de habla y de imágenes, en un boom de las redes neuronales utilizables en ordenadores personales.
Desde 2001 hasta 2010 se popularizan las técnicas de Data Mining (minería de datos) mediante librerías e iniciativas como Java Data Mining. Se preparan paquetes de software que incluyen técnicas de clasificación, detección de anomalías, análisis de series temporales, algoritmos de clustering, que permiten la detección automática de patrones para poder realizar predicciones, representando un avance en el incipiente campo del aprendizaje automático.
Algo más cotidiano. En 2002, iRobot lanza su robot barredor Roomba capaz de aprender de los obstáculos de una casa para realizar un mapa de rutas cada vez más optimizadas para la limpieza de nuestros hogares
En 2013, la empresa Boston Dynamics fue adquirida por Google. Destaca el robot Atlas, de tipo humanoide, que mediante un sistema de aprendizaje automático fue capaz de aprender a dar volteretas hacia atrás, combinando la calidad de los algoritmos con sofisticados accionamientos mecánicos de los brazos y las piernas.
La denominada visión artificial y los sensores, combinados con el Cloud Computing, ofrecen un abanico cada vez mayor (y asequible) de soluciones que permiten un salto cualitativo en cuanto a la flexibilidad, uno de los factores clave de la Industria 4.0.
El uso de robots capaces de realizar un inventario de forma autónoma, la incorporación de elementos que deciden en base a visión artificial, permitiendo un control adaptativo a entornos cambiantes está suponiendo rápidos avances hacia la automatización total de muchos procesos productivos.
Como ya hemos dicho, machine learning puede definirse como una disciplina científica del ámbito de la inteligencia artificial que crea sistemas que aprenden automáticamente. Aprender, en el ámbito del machine learning, significa identificar patrones complejos en millones de datos.
En realidad, lo que realmente aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. Automáticamente, también en el contexto del machine learning, implica que estos sistemas se mejoran de forma autónoma con el tiempo, sin necesidad de intervención humana.
Por tanto, machine kearning o aprendizaje automático es un tipo de inteligencia artificial dirigido al desarrollo de técnicas para que las máquinas puedan aprender y tomar decisiones por sí mismas.
Este aprendizaje es posible gracias a la detección de patrones dentro de un conjunto de datos de manera que es el propio programa el que predice qué situaciones podrían darse o no. Estos cálculos son los que les permiten aprender para, finalmente, generar decisiones y resultados fiables.
De esta forma el aprendizaje automático le da a los sistemas de computación la habilidad de aprender sin ser explícitamente programados, por lo que existen algoritmos que pueden dar hallazgos o conclusiones relevantes obtenidas de un conjunto de datos, sin que el ser humano tenga que escribir instrucciones o códigos para ello.
Las técnicas y métodos que utiliza el machine learning son el razonamiento probabilístico, la estadística y el reconocimiento de patrones a partir de datos.
Una de las aplicaciones del machine learning consiste en hacer predicciones basadas en datos históricos
El machine learning es capaz de asimilar una amplia gama de datos, lo que se conoce como Big Data, pero no los percibe como datos, sino como una enorme lista de ejemplos prácticos.
Actualmente están en auge los denominados servicios cognitivos, que se ofertan través de la red, soluciones relativas al reconocimiento de imágenes, del habla, de textos, de vídeos …
Por ejemplo, los servicios de reconocimientos de imágenes consisten en la detección de la temática y el establecimiento de metatags de las mismas para facilitar su clasificación y búsqueda masiva, así como la detección de contenidos inapropiados o la detección de las emociones mediante el análisis facial y postural.
En nuestra próxima entrega trataremos los distintos tipos de algoritmos de machine learning.
Si deseas saber más sobre las tecnologías habilitadoras que se aplican en el contexto de la Industria 4.0 te recomendamos el Análisis de viabilidad para la Implantación de la Industria 4.0 en el sector hábitat, disponible en nuestro fondo documental ecointeligente.
Pingback: El aprendizaje automático avanza en la Industria 4.0 (2) - ecointeligencia - cambia a un estilo de vida sostenible!