La gran mayoría de los avances y aplicaciones de inteligencia artificial que se pueden encontrar se refieren a una categoría de algoritmos conocida como aprendizaje automático. El aprendizaje automático es el proceso que impulsa muchos de los servicios que se utilizan hoy en día: sistemas de recomendación como los de Netflix, YouTube y Spotify; buscadores como Google y Baidu; feeds de redes sociales como Facebook y Twitter; Asistentes de voz como Siri y Alexa, entre otros.
En todos estos casos, cada plataforma compila la mayor cantidad de información posible acerca de usted: los géneros que le gusta ver, los enlaces en los que hace clic, los estados a los que está reaccionando y el aprendizaje automático para hacer una suposición altamente informada sobre lo que hace. Abiertamente, este proceso es bastante básico: encontrar el patrón, aplicar el patrón. Pero, habitualmente recorre el mundo. Eso es en gran parte gracias a un invento en 1986, de Geoffrey Hinton, hoy conocido como el padre del aprendizaje profundo.
¿Qué es el aprendizaje profundo?
El aprendizaje profundo es el aprendizaje automático con esteroides: utiliza una técnica que otorga a las máquinas una capacidad mejorada para encontrar, y amplificar, incluso los patrones más pequeños. Esta técnica se denomina red neuronal profunda: profunda porque tiene muchas, muchas capas de nodos computacionales simples que trabajan juntos para buscar datos y entregar un resultado final en forma de predicción.
¿Qué son las redes neuronales?
Las redes neuronales se inspiraron vagamente en el funcionamiento interno del cerebro humano. Los nodos son como neuronas y la red es como el cerebro mismo. Pero, Hinton publicó su avance en un momento en que las redes neuronales habían pasado de moda. Nadie sabía realmente cómo entrenarlos, por lo que no estaban dando buenos resultados. La técnica tardó casi 30 años en recuperarse.
¿Qué es el aprendizaje supervisado?
El aprendizaje automático (y profundo) tiene tres secciones: supervisado, no supervisado y reforzado. En el aprendizaje supervisado, el más frecuente es que los datos están etiquetados para indicar a la máquina exactamente qué patrones debe buscar. Eso es lo que sucede cuando la persona presiona reproducir en un programa de Netflix: le está diciendo al algoritmo que encuentre programas similares.
¿Qué es el aprendizaje no supervisado?
En el aprendizaje no supervisado, los datos no tienen etiquetas. La máquina solo busca cualquier patrón que pueda encontrar. Las técnicas no supervisadas no son tan populares porque tienen aplicaciones menos obvias. Por lo tanto, han ganado fuerza en la ciberseguridad.
¿Qué es el aprendizaje por refuerzo?
Por último, tenemos el aprendizaje por refuerzo, la última frontera del aprendizaje automático. Un algoritmo de refuerzo aprende por ensayo y error para lograr un objetivo claro. Prueba muchas cosas diferentes y es recompensado o penalizado dependiendo de si sus comportamientos ayudan o le impiden alcanzar su objetivo. El aprendizaje por refuerzo es la base de AlphaGo de Google, el programa que supera a los mejores jugadores humanos en el complejo juego de Go.
