¿Qué es machine learning? 

Para definir qué es machine learning resulta oportuno señalar qué no es. Este concepto no se refiere a aprender con máquinas, como estamos acostumbrados a hacer a través de los diferentes dispositivos que pueblan nuestra vida cotidiana.

Por machine learning expresamos la capacidad que tienen las propias máquinas para ‘aprender’ de manera automática ciertos procesos que resultan de utilidad a los usuarios a la hora de buscar información o navegar por internet, por ejemplo.

Ejemplos de machine learning los encontramos a menudo en el uso de nuestras aplicaciones y plataformas favoritas. Ese recomendador de películas que se adapta a tus gustos y parece ‘leerte la mente’ se considera también machine learning y lo usan la mayorías de las plataformas audiovisuales, desde Netflix a Filmin.

Otras aplicaciones de machine learning

Más usos de este aprendizaje automático lo encontramos en aplicaciones como:

• Reconocimiento facial. Una de los recursos técnicos más desarrollados y demandados en los últimos años ya sea para desbloquear dispositivos electrónicos pero también para aplicación de filtros en apps como Snapchat o Instagram.
• Antispam. Muchos gestores de correo electrónico, entre ellos Gmail, se valen del machine learning para que el sistema ‘entienda’ qué correos son seguros y cuáles. Para ello, el algoritmo se vale de los ejemplos pasados para configurar su criterio de rechazo.
• Antivirus. De un modo parecido que con los correos basura, el machine learning se emplea también para evitar que los sistemas informáticos se infecten por culpa del conocido como malware.
• Lucha contra el fraude. En transacciones habituales en plataformas de pago como PayPal se pueden generar pequeñas irregularidades que, multiplicadas, se traducen en millones de dólares estafados. Los algoritmos de machine learning generan patrones para reconocer cuáles de esas transacciones podrían ser fraudulentas.

Vemos, por tanto, para qué sirve machine learning en sus aplicaciones prácticas, en las que tienen un papel dominante las preferencias del usuario y el rastro digital que deja, así como los algoritmos que analizan el uso que se realiza de cada aplicación y los patrones de navegación.

Diferencias entre Inteligencia Artificial y machine learning

Entre los tipos de machine learning no se encontraría, como tal, la Inteligencia Artificial, aunque sí forman parte de un mismo conjunto. En otras palabras, la Inteligencia Artificial engloba al machine learning (y, a su vez, al deep learning) por lo que, hay que colocarla en una posición superior en la jerarquía.

Así tanto la machine learning como el deep learning serían subconjuntos de esa Inteligencia Artificial que, como su propio nombre indica, trata de replicar la lógica humana sin que haya un humano detrás moviendo los hilos.

¿Y en qué se diferencia el machine learning del deep learning? En el primer caso, se usan algoritmos para tomar decisiones en bases de esos patrones aprendidos, mientras que en el caso del deep learning, la estructura es más sofisticada, a partir de redes neuronales que generan resultados y soluciones más avanzadas.

En la actualidad, son muchas las aplicaciones del deep learning en computación. ¿Ejemplos? El reconocimiento de voz y la traducción automática de YouTube o su reconocimiento de voz. O una aplicación tan práctica como recibir un mensaje de alerta si se realizó una operación bancaria a una hora poco habitual o desde un dispositivo que no es el propio. El sistema reconoce la pequeña ‘anomalía’ y manda esa señal que permitirá actuar en caso de fraude y sirve para ganar en tranquilidad al saber que todo movimiento bancario que no se realice en las condiciones habituales será notificado.