Infografía: ¿Qué podemos hacer con Machine Learning y qué no?

¿Sabes lo que puede y lo que no puede hacer la inteligencia artificial (IA)?. Está claro que es una tecnología disruptiva que puede ayudar a reinventar muchos negocios. Pero, muchas veces, la imagen que nos transmiten los medios de comunicación sobre la IA dista mucho de la realidad. En esta infografía vamos a intentar resumir de forma sencilla lo que se puede esperar de la IA, y lo que no.

Es cierto que la aplicación de tecnologías basadas en Inteligencia Artificial (Artificial Inteligence) ya está cambiando la forma de buscar en la red, de anunciarse, el comercio electrónico, las finanzas, la logística… La inteligencia artificial tiene un gran poder transformador, pero no hace milagros y, pese a su amplio rango de posibles aplicaciones, su implementación todavía está limitada a determinado tipo de casos. Básicamente, los problemas que se resuelven mediante IA hoy en día consisten en, dados unos determinados datos de entrada A (Input data), obtener una respuesta B. El proceso por el que llegamos de A  a B es lo que se conoce como aprendizaje supervisado. El aprendizaje supervisado en Machine Learning ha evolucionado mucho, y hoy día se trabaja con tecnologías Deep Learning, o Redes Neuronales, que se basan en la forma de aprender del cerebro humano.

Aun así, estamos lejos de los robots con conciencia que nos muestran las películas de ciencia ficción, o de lo que es capaz de hacer una inteligencia humana. Por otra parte, el aprendizaje supervisado  tiene un punto débil: la enorme cantidad de datos que hace falta para entrenar los sistemas. Por ejemplo, para etiquetar correctamente una foto, el sistema necesita entrenarse con una ingente cantidad de imágenes (entre decenas y centenares de miles). Para aprender a transcribir audio, harán falta decenas de miles de  horas de audio con sus respectivas transcripciones. Por tanto, son los datos y no el software, la principal barrera con la que se encuentran lo negocios que quieren convertirse en data-driven.


En la siguiente Infografía podemos ver ejemplos concretos de aplicación de aprendizaje supervisado a distintos problemas.

Figura 1: Infografía- ¿Para qué se usa el Machine Learning?.

 

¿Y entonces, qué otras tareas podríamos automatizar con Machine Learning? ¿Cómo podemos ampliar esta lista?- Para responder a esta pregunta, podemos usar la “regla de tres” de Andrew Ng, según la cual:

Toda tarea para la cual una persona normal necesite pensar menos de un segundo, muy probablemente se puede automatizar ya, o en un futuro muy próximo.