La tecnología que da vida a las mayoría de los dispositivos y servicios que día con día utilizamos pocas veces tiene el protagonismo que merece, sin ayuda de ella las cosas como las conocemos no existirían, un ejemplo es el Machine Learning (ML), esta es una plataforma de Inteligencia Artificial (IA) que permite a un sistema específico aprender de los datos en lugar de aprender de la programación explícita.
¿Para qué sirve el Machine Learning?
Esta rama de la IA logra aprender sin estar expresamente programada para ello y es una experta en el reconocimiento de patrones, capaz de convertir una muestra de datos en un programa informático con la capacidad crear nuevos datos del programa creado.
A través de su desarrollada habilidad para identificar patrones y tomar decisiones sin la intervención humana, permite optimizar los procesos del día a día, pues está presente en la mayoría de las herramientas tecnológicas cotidianas que utilizamos
Ejemplos de Machine Learning
Los asistentes virtuales como Siri o Alexa utilizan el procesamiento de lenguaje natural o PLN, un mecanismo mediante programas que simulan la comunicación; este tipo de asistententes aprende de las conversaciones que registran con millones de usuarios y tiene la habilidad de centrarse casi exclusivamente en cada propietario de dispositivo y las tareas que ejecuta.
Te podría interesar
El uso de ML se traslada también a los servicios de transporte como Uber o DiDi, los cuales utilizan algoritmos para reducir los tiempos de transporte con el menor riesgo de accidente; asimismo, empresas de paquetería como UPS o DHL utilizan el ML para mejorar y optimizar sus tiempos de entrega.
En el sector bancario esta tecnología es particularmente necesaria pues reduce el riesgo en la toma de decisiones acerca de cómo y a quién se le otorga un crédito, combatir la morosidad y detectar intentos de ciberataques.
Los chatbots, cada vez más comunes en casi todos los sectores, son una ramificación de la tecnología impulsada por IA enfocada en el ML que aprende a medida que interactúa con el usuario.
Otro claro ejemplo es Spotify, el servicio de música vía streaming, aquí no sólo puedes encontrar a tus artistas favoritos, sino con la ayuda del ML el algoritmo de Spotify recolecta los datos acerca de tus gustos para poder sugerir listas de reproducción usando sus tres distintos modelos:
Modelo de filtro colaborativo; analiza el comportamiento del usuario y el de los demás, las opiniones y reproducciones de las canciones.
Modelo de PLN; mediante los blogs y comentarios de Internet detecta canciones de moda y analiza el texto.
Modelo de audio; al analizar canciones que se añaden a la plataforma y las compara con las más populares.
Gmail es otra de las herramientas que utilizamos cada día y que aprende constantemente, el texto predictivo permite que con la ayuda de otros correos el algoritmo permite autocompletar frases, conformar a quien quieres enviar un mail aun cuando no has adjuntado el archivo, pero cuando sí lo has escrito en el cuerpo del mail, asimismo, la clasificación de los mail dentro de la bandeja de entrada se hace con la ayuda del aprendizaje automático.