sv-fintech: Machine Learning

¿Qué es Machine Learning? Dé su opinión.

Nuestro cerebro almacena información que luego usa para adelantarse a un posible escenario y actuar en consecuencia, por ejemplo, al conducir aprendemos a captar lenguaje gestual de otros conductores, ciclistas o peatones y con una simple mirada o un pequeño movimiento deducimos hacia dónde va a moverse y así evitamos atropellarlo.

Machine Learning se refiere a la dotación que se hace a una máquina mediante algoritmos para que tenga una capacidad parecida a nuestro cerebro y, por tanto, “aprende“ de las interacciones que tiene con los usuarios. Hoy día se le conoce como aprendizaje automático, fundamento del Big Data.

En Machine Learning el algoritmo está dividido en tres categorías de aprendizaje: .

• Supervisado, en base a un conocimiento previo predice o toma una decisión, como por ejemplo, clasificar un correo como spam.

• No supervisado, en esta modalidad, no hay conocimiento previo y como producto de un caos de datos aprende a organizarlos a fin de detectar patrones y en base a ellos toma decisiones o predice.

• De refuerzo, se usa la propia experiencia y se producen eventos de ensayo y error con una recompensa por las decisiones correctas.

Seguro usted ha jugado Ajedrez u otro juego con la computadora. Explique su experiencia con la Machine Learning.

Las computadoras traen un paquete de juegos por defecto y uno de ellos es el ajedrez. En ocasiones que contaba con algún momento libre del trabajo solía jugar ajedrez con la máquina. Les comento que pude captar que su algoritmo detecta tu forma de juego y si eres muy riguroso siguiendo las reglas, se pone difícil ganarle porque ya sabe cuál será tu próxima movida o cuál es la estrategia que estás trazando.

^{Capture de la pantalla de mi laptop. Dos reinas enfrentadas y protegidas por alfil. No es lógico perder la reina en éstas condiciones, pero podemos probar cómo reacciona la Machine Learning si lo hacemos.} Cuando pierdes y, en la próxima partida generas un caos por primera vez, ahí si tienes chance de ganarle. La máquina se encuentra ante un escenario distinto y en ese momento de aprendizaje cree que tomarás una decisión y la sorprendes con otra, aunque no resulta sencillo ganarle. Por ejemplo, en una ocasión ambas reinas quedaron de frente. Lo lógico es que nadie sacrifique su reina en el primer encuentro, pero lo hice y luego otras movidas fuera de lógica, fue un final de peones, pero gané. Por supuesto que en la próxima no le ganarás porque ya aprendió que también juegas de forma errática.

De su opinión sobre el uso Machine Learning en su móvil.

En los dispositivos móviles resulta muy ventajosa porque va aprendiendo qué vas a escribir y lo predice con precisión, con lo cual te ahorras tiempo. El texto predictivo es una maravilla, sólo escribes bue…y ya sabe que escribirás buenos días.

También aprende quiénes son tus contactos frecuentes y te los tiene a la mano para que no pierdas tiempo buscando. Machine Learning en el dispositivo conoce tus movimientos frecuentes y en las redes sociales te sugiere personas que quizás conozcas y tú te dices: ¿Cómo supo esto?

Los dispositivos más actuales traen funciones de reconocimiento facial o biométrico y aunque uses lentes, reconoce tu rostro y autoriza una operación bancaria o de otra índole.

Algo curioso que he notado es que cuando navegamos por internet nos aparecen sugerencias relacionadas al contenido que nos interesa, incluso en ocasiones me salen temas o videos tutoriales que precisamente iba a buscar en ese momento y ya están allí esperando por un click.

Ventajas y desventajas del Machine Learning.

Ventajas:

Automatización de atención al cliente: Se puede atender mediante un chat automático todos los requerimientos de los clientes en cualquier momento del día durante todo el año. .

Producción:: el aprendizaje automático puede determinar en base a la dinámica de la empresa, cuáles son sus necesidades y trazar un plan. .

Ciberseguridad:: El sistema de Machine Learning puede aprender a detectar cualquier movimiento sospecho de vulneración a la seguridad de la empresa y tomar medidas para proteger datos confidenciales. .

Competitividad: Machine Learning recopila datos estadísticos y análisis cómo están posicionados ante la competencia. .

Aplicaciones en campos como la medicina:: Alimentar un sistema de Machine Learning con data de resultados de exámenes médicos puede propiciar condiciones para que se predigan con antelación posibles enfermedades, como el cáncer.

El plagio también se puede detectar usando ésta tecnología.

Desventajas:

Efectividad depende de la calidad de los datos: Si son sesgados o erróneos no habrá buenos resultados. .

Tiempo: El aprendizaje automático requiere su tiempo para lograr un nivel óptimo de asertividad en la toma de decisiones o predicción de eventos. .

Sujeto a errores: Si falla un algoritmo de los muchos que utiliza la máquina, será necesario un proceso de análisis para detectar cuál ha fallado y dónde está el error.

Machine Learning ha traido muchos beneficios para nosotros como usuarios y seguirá evolucionando. Ya es parte de la inteligencia artificial, sólo que con algoritmos mucho más complejos.

El 15 % de este post es en apoyo a la comunidad.

^{Fuente consultada}