San Pedro Sula.
El aprendizaje automático o Machine Learning se ha convertido en una tecnología transformadora para nuestra vida cotidiana. Influye en diversos aspectos del mundo que nos rodea, como la recomendación personalizada de anuncios o contenido en plataformas de streaming.
El Machine Learning está detrás de muchos avances en esta era digital.
¿Qué es el Machine Learning?
Es una tecnología dentro del ámbito de la inteligencia artificial (IA), que analiza grandes conjuntos de datos, permitiendo que los algoritmos descubran patrones y realicen predicciones sobre nuevos datos similares.
Se diferencia de la IA general al centrarse específicamente en procesos de aprendizaje basados en datos. Así, el Machine Learning revoluciona la interacción de las computadoras con los humanos y mejora la adaptabilidad en diversas industrias.
Cómo funciona el Machine Learning: una guía básica
Los avances en infraestructura de computación juegan un papel importante en la adopción de la IA. La mejora de las capacidades computacionales y de almacenamiento, y el uso de las GPUs han contribuido a impulsar las cargas de trabajo de Inteligencia.
Según un artículo de la Universidad de California en Berkeley, el funcionamiento del Machile Learning puede dividirse en tres etapas.
Un proceso de decisión: Los algoritmos de aprendizaje automático se utilizan para hacer una predicción o clasificación. Con base en algunos datos de entrada, que pueden estar etiquetados o no etiquetados, su algoritmo producirá una estimación sobre un patrón en los datos.
Una función de error, que evalúa la predicción del modelo. Y por último, un proceso de optimización del modelo que puede ajustarse mejor a los puntos de datos en el conjunto de entrenamiento.
El algoritmo repetirá este proceso iterativo de ‘’evaluar y optimizar”, actualizando pesos de forma autónoma hasta que se haya cumplido un umbral de precisión.
Aplicaciones del Machine Learning en distintas industrias
Aunque lleva años en asistentes de voz, en el monitoreo de redes sociales, en los sistemas de navegación o en los servicios de atención al cliente, la auténtica revolución de esta tecnología ha llegado con los modelos de inteligencia artificial (IA) generativa, sobre todo ChatGPT, capaces de “conversar” y crear textos, fotografías, vídeos o música a partir de miles de datos existentes.
Basados en el aprendizaje automático, estos sistemas y otros de inteligencia artificial han comenzado a colarse en el día a día de las aulas, de los diagnósticos médicos, de los mercados financieros, de la investigación científica y espacial o de la predicción meteorológica.
Varias industrias están implementando las distintas herramientas que ofrece el Machine Learning para agilizar sus procesos.
En España el sector financiero ha comenzado a implementar este tipo de tecnología. El CaixaBank ha creado un equipo de más de cien personas para analizar el despliegue de la IA generativa en todo tipo de ámbitos, incluido el trato con los clientes, el análisis de riesgos y la generación de código.
En Hong Kong, la Universidad de Ciencia y Tecnología imparte una clase de la teoría de juegos explicada por un Albert Einstein creado con inteligencia artificial.
Impacto del Machine Learning en la sociedad
Desde que el mundo interactuó por primera vez con ChatGPT, a finales de 2022, numerosas empresas se apresuraron a vetar o restringir el uso de herramientas abiertas a sus empleados.
Entre sus miedos está la posibilidad de que se filtren al exterior datos confidenciales, ya que el modelo lingüístico memoriza las conversaciones con los usuarios y puede utilizar ese aprendizaje en futuras interacciones. Las empresas también temen que los trabajadores se fíen a ciegas de las respuestas de la máquina, que en ocasiones tiende a “alucinar” y comete imprecisiones.
El problema de la confidencialidad, sin embargo, tiene solución gracias a las herramientas dirigidas específicamente a empresas que adaptan los modelos a casos particulares y garantizan la privacidad de las conversaciones.
La revista The Lancet Oncology divulgó un estudio que demostró que el cribado con IA detecta un 20% más de cánceres de mama en comparación con la doble lectura rutinaria de las mamografías por radiólogos, y se usó aprendizaje automático para crear el atlas unicelular de todo el pulmón humano.
Google dio a conocer GraphCast, una IA capaz de predecir decenas de variables meteorológicas a 10 días en todo el planeta en menos de un minuto, una investigación publicada en Science que contó con participación española.
El futuro del Machine Learning: tendencias y desarrollo
OpenAI, que comenzó como un laboratorio de investigación sin fines de lucro y consiguió una enorme fama con ChatGPT en 2022, está trabajando en crear inteligencia artificial general, o A.G.I. -un programa capaz de hacer cualquier cosa que un humano pueda hacer-, según la prensa especializada.
En marzo de 2023, un grupo de empresarios del sector tecnológico, expertos y políticos solicitaron en una carta de tono apocalíptico que se suspendan durante seis meses los experimentos con IA muy potente porque consideran que “pueden plantear profundos riesgos para la sociedad y la humanidad”.
Uno de los mayores competidores de los chatbots de OpenAI -que cuenta con el respaldo de Microsoft- ahora es Google, pero hay otras compañías que también les pisan los talones, como Anthropic, empresa fundada por varios exempleados de OpenAI.
El martes pasado, un grupo de empleados y extrabajadores de empresas de inteligencia artificial (IA), como OpenAI, Google DeepMind y Anthropic, denunciaron este martes la opacidad de las compañías sobre los posibles riesgos de la vanguardista tecnología al aprovecharse de la falta de un reglamento internacional.
”Las empresas de IA poseen sustancial información no pública sobre las capacidades y limitaciones de sus sistemas, la idoneidad de sus medidas de protección y los niveles de riesgo de diferentes tipos de daños. Sin embargo, actualmente solo tienen vagas obligaciones de compartir parte de esta información con los Gobiernos, y ninguna con la sociedad civil”, anota el documento.
Entre los desafíos, además de la privacidad o ciberseguridad, están los “deepfakes” que sirven para propagar noticias falsas y como pornovenganza, los sesgos o estereotipos algorítmicos, la falta de diversidad en los equipos que inventan los sistemas de IA -según la Unesco, solo el 12 % de las investigadoras en este campo son mujeres- o la huella de carbono que genera.
