Probablemente habrás escuchado sobre Machine Learning, pero ¿sabes cómo se diferencia de la inteligencia artificial? Quizá, sabes sobre Robert Nealey, un jugador de ajedrez profesional que perdió contra una computadora de IBM en 1962. Aunque suena insignificante, esto no solo es un ejemplo de Machine Learning, sino que, también fue el punto que marcó el inicio de la travesía de inteligencia artificial en la que nos encontramos actualmente.

¿Qué es Machine Learning?

Para entenderlo, primero debemos explorar el concepto de la inteligencia artificial. Normalmente conocida como I.A, este campo busca resolver problemas. Capacidades como nuestra habilidad de aprender, dar solución y reconocer patrones.  Es lo principal que se busca, emular a través de la inteligencia artificial.

El Machine Learning en particular es un derivado de la ciencia de computadoras, que hace uso de técnicas de inferencia Bayesiana (basadas en el teorema de Bayes) para aprender y reconocer patrones. Aunque no se puede simplificar demasiado, una forma sencilla de entenderlo es que se trata de una serie de algoritmos capaces de:

• Primero: Aprender y hacer predicciones en base a datos (archivos de texto, tablas, o bases de datos SQL, entre otros).
• Segundo: Extraer estructuras y patrones de estos datos para clasificarlos (aquí es donde se da el aprendizaje principalmente, dependiendo del formato en el que se presenten los datos).
• Tercero: Buscar soluciones y optimizar utilidades existentes basado en los patrones reconocidos en los pasos anteriores.

¿Cuál es el beneficio de usar Machine Learning?

Una forma práctica de entender su utilidad en las grandes compañías como: Amazon, sus sistemas les permite mejorar su atención al cliente y experiencia al consumidor, así como maximizar la eficiencia de su logística y operaciones.

Otro ejemplo,  es el caso de AWS (Amazon Web Services).  Parte de este servicio, utiliza Machine Learning para que las compañías puedan predecir como estarán sus ventas y estimar que tipo de cliente tendrá la mayor satisfacción (o disgusto) con su marca.

Además de la segmentación, implementar estas herramientas permite hacer predicciones en base a datos históricos del negocio, como transacciones, ventas e incluso nos brinda la oportunidad de reducir costos de retención de consumidor.

Usos del Machine Learning en la vida real

Aunque en la mayoría de los casos se reduce a optimización de cadenas de suministro (supply chain), exploremos el impacto de este algoritmo en nuestro entorno:

1. Airbnb: El equipo de ML Infra creó un modelo de algoritmo que permite predecir el valor del tiempo de vida del cliente (LTV) mediante las casas de Airbnb. Este modelo predice el valor de una propiedad en Airbnb, aunado su resultado ayuda a mejorar la segmentación y  el presupuesto de marketing en los canales más apropiado.
2. Medicina: El algoritmo fue aplicado en el campo de la medicina para optimizar el proceso de diagnóstico. Recopila los datos e historial médico de los paciente, optimizar los resultados, planear soluciones terapéuticas, analizar las inconsistencias, mejorar el monitoreo y tratamiento.
3. Google Maps: Utilizando los datos extraídos de la ubicación en teléfonos inteligentes, puede evaluar desde la congestión de tráfico, hasta posibles accidentes. Utilizando los datos recopilados de millones de usuarios alrededor del mundo, el algoritmo de Google Maps puede inferir la ruta más óptima en casi cualquier territorio y usando la experiencia pasada de otros usuarios.

Te puede interesar: ¿Qué es un virus polimórfico?

Conclusión: Inteligencia Artificial & Machine Learning

Aunque son términos que pueden ser intimidantes y hasta sobrevalorados, tanto este algoritmo como la inteligencia artificial ya son gran parte de nuestras sociedades. Un ejemplo es: Spotify, Amazon, Google, Facebook, la cantidad de servicios que usan estas tecnologías es casi interminable, con el fin de brindar una mejor experiencia a sus usuario.

¿Alguna vez has usado un antivirus que deja un archivo malicioso en cuarentena? Esto también es Machine Learning, aunque un poco más simple. Dentro de este ecosistema, debes asegurar que tu información y tus dispositivos estén totalmente seguros.

Reve Ciberseguridad, incluye machine learning dentro de la tecnologías que se integran a los diferentes componentes de la solución de ciberseguridad cloud.

Gracias por habernos acompañado a explorar un tema tan interesante.

Coméntanos: ¿has usado algo con un componente de Machine Learning el día de hoy?

Compártenos  en tus redes sociales

¡Nos vemos en la próxima entrada!