¿Qué es el machine learning y para qué sirve?

Estos avances conviven en un mismo ámbito, el de la inteligencia artificial, aunque no son exactamente lo mismo. En esta nota repasamos sus puntos en común, las diferencias entre los conceptos, además de sus respectivas ventajas.


Inteligencia artificial: definiciones, ejemplos, su relevancia y versatilidad


Desarrollos de persa índole basados en sistemas de inteligencia artificial (IA) consiguieron una gran visibilidad en la última década. En términos resumidos, la IA es una disciplina dentro de las ciencias informáticas cuyo propósito general es que las computadoras repliquen los procesos del pensamiento.


En otras palabras, la IA propone una síntesis y automatización de tareas intelectuales históricamente asociadas a los seres humanos, más allá del mero cálculo con el que las computadoras siempre estuvieron a gusto y piacere.


Los avances del área no son precisamente novedosos. El término “inteligencia artificial” fue acuñado en una conferencia celebrada en 1956, aunque se estima que los desarrollos en el sector comenzaron un poco antes, luego de la Segunda Guerra Mundial a inicios de esa década.


Tal como señalamos, en años recientes la fama de algunos sistemas de IA fue en aumento, y ahora son parte de la vida cotidiana de los usuarios de herramientas digitales. Por mencionar algunos ejemplos, hemos visto máquinas que vencieron a los campeones mundiales de ajedrez, traductores instantáneos y mecanismos de reconocimiento facial, también desarrollos basados en IA diseñados para la detección temprana de enfermedades, hasta tecnologías inscriptas en ese terreno que se animan a realizar tareas creativas, por caso escribir poemas o pintar cuadros sin auxilio directo.


De tal magnitud es el impacto de la IA en la sociedad contemporánea, que expertos han alertado acerca de los potenciales peligros que supone el vertiginoso despliegue de estas tecnologías. No se trata de omitir sus beneficios, que son múltiples, sino de establecer normativas para reglamentar su avance.


A fines de 2021, el profesor Suart Russell, fundador del Center for Human-Compatible Artificial Intelligence pidió que se avance en regulaciones para estos desarrollos. Tal como señaló el sitio La Vanguardia, Russell remarcó la importancia de revisar la forma que “asegure que los humanos siempre mantendrán bajo control a una tecnología que cada vez es más inteligente y poderosa”.


Otras figuras, entre ellos el empresario Elon Musk y el presidente de Microsoft, Brad Smith, encendieron las alarmas respecto al avance irrestricto de las tecnologías basadas en IA.


Con sus encantadoras promesas y a su vez con la necesidad de reglas que ayuden a tomar lo mejor de estos avances; lo cierto es que el espectro de la inteligencia artificial es realmente versátil y en función de esa vastedad en ocasiones se emplean erróneamente terminologías como sinónimos. Un ejemplo clásico es el uso de machine learning y deep learning como si fuesen el mismo e idéntico asunto, cuando en realidad no es así. A continuación revisaremos qué son, en cada caso, además de los usos y ventajas que ofrecen.  


5 datos sobre el machine learning


Al español se traduce como “aprendizaje automático”.


Es una rama de la inteligencia artificial.


El concepto hace referencia a los softwares que usan algoritmos para encontrar patrones comunes en los datos con los que son entrenados.


La automatización de los procesos es una de las características fundamentales de estos desarrollos. En términos generales, las tareas que realizan se ejecutan sin una programación específica y sin depender en ese momento de la operación manual (de un humano). Usualmente, se emplean para predicciones o sugerencias.


Entre las ventajas que ofrece el machine learning se destaca la producción rápida y automática de modelos capaces de analizar grandes paquetes de datos, arrojando resultados más precisos y rápidos. Esto se traduce en beneficios en múltiples sectores, desde las grandes industrias, el mundo empresarial, la gestión de gobierno, hasta el entretenimiento y los sistemas tecnológicos hogareños.


Ejemplos de machine learning


Si bien el concepto de aprendizaje automático podría resultar a priori más propio de los laboratorios científicos que de nuestros hogares, lo cierto es que los avances del sector están presentes en sistemas que usamos a diario. A continuación compartimos algunos ejemplos que, con menor o mayor complejidad, son aplicaciones con machine learning.


La detección automática de correo basura (spam) es un caso relativamente simple: se trata de un algoritmo diseñado para realizar sus identificaciones en forma automática en base a una serie de patrones comunes en esos correos.


Las recomendaciones en plataformas de streaming, como Netflix o Spotify. ¿Cómo saben qué serie o música podría gustarte? Detrás de estos servicios operan algoritmos que analizan información y arrojan sus consejos de contenido.


Mudafy: Un caso de éxito con machine learning


Uno de los terrenos en los que la utilización del machine learning es fundamental, es en el mercado mobiliario. Gracias a esta tecnología, se puede dar a cada usuario una mejor experiencia mediante el aprendizaje de sus necesidades y deseos. Federico Aragón, integrante del equipo de tecnología de Mudafy, comparte las posibilidades que brinda el machine learning para beneficiar a usuarios e inmobiliarias:


Prioriza propiedades en el portal.Brinda sugerencias o alternativas que se ajustan a los intereses.Facilita la búsqueda de propiedades.Favorece la experiencia amigable dentro del portal.Permite entender datos de las alianzas inmobiliarias y utilizarlos para mejorar el proceso de trabajo conjunto.








¿Quieres saber más sobre como Mudafy aplica el machine learning en el mercado inmobiliario? Lee la nota y entérate de todo.