En la saga clásica de acción Terminator, la humanidad se ve al borde de la extinción debido a que la inteligencia artificial Skynet ha vuelto las máquinas en contra de las personas. Esta inteligencia artificial tiene la particularidad de que aprende con la experiencia, como una persona haría de manera natural.
A día de hoy, un ejemplo como éste es ciencia ficción pura, pero hay matices que sí que se dan en la tecnología que manejamos a diario.
Una máquina, por definición, está diseñada y construida para realizar una o varias acciones…nada más. No aprende, no crece, no desarrolla nuevas habilidades. Esto también es aplicable a los programas informáticos: realizan las acciones para las que han sido diseñados y escritos.
No obstante, existen algoritmos que sí que aprenden de la experiencia, llegando a predecir qué es lo que va a suceder.
Estos algoritmos son en esencia analítica avanzada, modelos predictivos cuya función es encontrar patrones en la inmensidad de los datos y que funcionan mejor cuantos más datos tienen, es decir, cuanto más aprenden.
A partir de este análisis, los algoritmos crean los modelos matemáticos predictivos que se emplearán con los nuevos datos que se introduzcan en el sistema y generando nuevas predicciones.
Como caso de éxito tenemos a Amazon, cuyo motor de búsqueda predice el producto que más le puede interesar al usuario y lo implementa en su navegador en forma de anuncio. Su motor de Machine Learning tiene suficiente potencia para generar miles de millones de predicciones al día al mismo tiempo que abastece dichas predicciones en tiempo real.
En resumen, la tecnología Machine Learning es una tecnología predictiva aplicada a los grandes volúmenes de datos, como es el caso del Big Data.
Lo interesante del ML radica en su capacidad predictiva y las aplicaciones que puede tener este “conocimiento del futuro” para la toma de decisiones en las empresas, tremendamente importante dada la potencia y la precisión analítica de los algoritmos empleados.