Machine Learning o Aprendizaje Automático es un campo de la ciencia que estudia cómo hacer que las computadoras aprendan y actúen como lo hacen los seres humanos (que tienen capacidad de generar ideas); y mejoren su aprendizaje con el tiempo de manera autónoma al proporcionarles datos e información en forma de observaciones e interacciones del mundo real. El conocimiento adquirido permite que las computadoras se adapten y realicen por su cuenta nuevas configuraciones. Este campo es parte de la Inteligencia Artificial.
En los negocios esto significa una ventaja comercial pues las plataformas se pueden ir adaptando según los escenarios.
Mientras que la Inteligencia Artificial (IA) es la ciencia que trata de imitar las habilidades humanas, el aprendizaje automático o Machine Learning es un subconjunto específico de IA que entrena a una máquina para que pueda aprender con data de ejemplo. El aprendizaje automático ofrece a las empresas el potencial para tomar decisiones basadas en datos más precisos y resolver problemas tradicionales, como los que involucran fuentes de datos no estructurados, incluidos gráficos, sonido, videos y otros.
Un claro ejemplo para comprender dónde estamos consumiendo Machine Learning como usuarios es el uso de un sistema de recomendaciones en los negocios de ecommerce. ¿Deseas comprar una cámara fotográfica y la tienda en línea te recomienda los mejores accesorios? esto es el resultado del motor de aprendizaje de la tienda. Vemos a menudo estos resultados en sitios web de:
- Comercio electrónico
- Servicios de películas, TV, libros, música y otros medios
- Supermercados
- Redes sociales
Aplicaciones de Machine Learning
Las máquinas que aprenden son útiles para los humanos por la potencia de procesamiento de las computadoras, pues éstas pueden resaltar o encontrar patrones más rápidamente en datos grandes comparado con las capacidades de los seres humanos. El Machine Learning es una herramienta que se puede utilizar para mejorar el futuro en cuanto a las capacidades de los humanos para resolver problemas y hacer inferencias informadas sobre una amplia gama de problemas; desde ayudar a diagnosticar enfermedades hasta encontrar soluciones para el cambio climático global.
El aprendizaje automático o Machine Learning ya está en uso en una variedad de industrias, que incluyen:
Sector automotriz
Para los automóviles sin conductor, los sistemas automáticos de respuesta de emergencia pueden realizar maniobras sin intervención del conductor.
Bancos
Las grandes fuentes de datos brindan la oportunidad de crear nuevos productos personalizados, equilibrar el riesgo al ofrecer créditos y detectar fraudes en transacciones detectando patrones fuera de lo común.
Gobierno
El reconocimiento de patrones en imágenes y videos mejora la seguridad en cuanto a detección de amenazas. También, ayuda en una amplia gama de proyectos gubernamentales al ejecutar procesos automatizados para eliminar operaciones largas y tediosas.
Industria y manufactura
La detección de patrones en datos o imágenes usando sensores pueden diagnosticar defectos de fabricación que serían indetectables.
Retail
Micro-segmentación y monitoreo continuo del consumidor. Analizar y conocer el comportamiento puede crear ofertas personalizadas casi instantáneas.
Futuro del trabajo en la era digital
Para abordar el futuro, debemos cambiar la conversación sobre Machine Learning e Inteligencia Artificial y no considerar estos avances como una amenaza de reemplazar posiciones de trabajo, y pensar más bien este escenario como una tendencia y oportunidad de rediseñar las posiciones de trabajo.
La conversación en torno parece estar en los extremos, pues se teme que los robots suplantarán a todos los humanos en la fuerza laboral, o existen aquellos que piensan que no hay nada nuevo. En realidad algunas tareas específicas dentro de los trabajos, en lugar de ocupaciones completas, serán reemplazadas por la automatización en el futuro cercano, con algunos trabajos más impactados que otros.
En casi todas las ocupaciones, hay tendencias respecto algunas tareas que podrían verse afectadas, pero también hay muchas tareas que no lo harán. Dicho esto, algunas ocupaciones tienen relativamente más tareas que probablemente se verán impactadas por el aprendizaje automático, como las posiciones en una línea de ensamblaje que están siendo reemplazadas por máquinas basadas en el aprendizaje automático.
Las tareas de diseño están aumentando su valor en cuanto a salario, incluido el diseño gráfico y visual, el diseño industrial, el diseño de interfaces de usuario, la experiencia de usuario, etc. Las tareas de diseño requieren un pensamiento innovador, que reúne una visión profunda y experiencia, y esto es imposible para una máquina. Podemos tomar estos dos ejemplos para conocer qué ocupaciones tendrán más impacto en cuanto a la automatización y el aprendizaje automático.
Fuentes:
Shai Shalev-Shwartz and Shai Ben-David. Cambridge University Press. (2014. Understanding Machine Learning: From Theory to Algorithms
https://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/understanding-machine-learning-theory-algorithms.pdf consultado febrero, 2020.
Smola,Alex and S.V.N. Vishwanathan. Cambridge University Press. (2008) Introduction to Machine Learning https://alex.smola.org/drafts/thebook.pdf consultado febrero, 2020.