Aprender y predecir ya no es sólo una tarea humana

Aquel panorama idílico de las novelas de ciencia ficción (y también del cine) en la que una “supercomputadora” era capaz de aprender y adelantarse a las decisiones y perspectivas de los humanos se ha desvanecido con las evolución de las tecnologías que hoy forman parte ineludible de nuestra vida diaria.

Vivimos en tiempos revolucionarios. Producto de nuestra interacción diaria entre el mundo físico y el mundo digital, casi cada acción que ejecutamos genera datos. Desde nuestros dispositivos móviles hasta los sensores y máquinas que recogen, almacenan y procesan información sobre el entorno que nos rodea. Nuevos y enormes conjuntos de datos están ahora abiertos y accesibles al público.

El análisis de estas enormes cantidades de datos, junto a los resultados del mismo, es un proceso continuo que para un ser humano (o grupo de ellos sin importar el número ya la calificación de los mismos) puede convertirse en una tarea extremadamente compleja, si tenemos en cuenta que los datos y/o resultados del “Análisis N” pueden servirnos para modificar el comportamiento del “Análisis N+50”, para poner un ejemplo.

Para este tipo de procesos, en los últimos diez años ha ido emergiendo y desarrollándose el concepto de “Aprendizaje Automático” (o Machine Learning)

El Aprendizaje Automático se puede definir como “software o sistemas que mejoran con la experiencia”. También puede ser descrito como un método de convertir datos en software. Los Científicos de Datos o Data Cientists (esta nueva oleada de profesionales que además de conocimientos de software tienen una excelente base matemática y estadística) han desarrollado con éxito los métodos de creación de “modelos” de software que utilizan estos volúmenes de información y los transforman para generar patrones, tendencias y resultados a partir de ellos.

Como uno de los componentes fundamentales del Aprendizaje Automático tenemos el Análisis Predictivo, al que podemos definir como una manera de “predecir el futuro utilizando los datos del pasado”. Estos métodos son de una gran ayuda en la toma de decisiones para grandes corporaciones de compras, plataformas logísticas, y otros muchos sectores en los que la toma de decisiones dependa de las tendencias y/o resultados obtenidos anteriormente

El Aprendizaje Automático y Análisis Predictivo son típicamente utilizados mejor bajo circunstancias muy específicas, dado que son capaces de ir más allá de los motores de reglas de negocio estándar y/o la lógica programática desarrollada por “simples mortales”. El Aprendizaje Automático se aprovecha mejor como medio para optimizar una salida deseada o predicción utilizando ejemplos o pasados históricos de datos.

Para contribuir a la adopción de estas tecnologías, Microsoft ha desarrollado un nuevo y potente conjunto de herramientas analíticas y de Aprendizaje Automático basadas en Windows Azure que permiten rápidamente crear, compartir, probar, entrenar, arreglar, reciclar, y desplegar de manera rápida y eficiente “experimentos de aprendizaje” en forma de servicios Web fácilmente consumibles, todos construidos con los más recientes algoritmos para análisis predictivo. Desde allí, es posible ajustar los experimentos continuamente «entrenando» los nuevos conjuntos de datos para obtener los máximos resultados.

La utilidad de estos mecanismos va más allá del típico entorno empresarial o académico. ¿No sería agradable predecir el futuro precio de inmuebles o coches para decidir el mejor momento de compra? Pues con Azure Machine Learning es posible crear experimentos “personales” que nos pueden ayudar en esta tarea. Interesante, ¿verdad?

Pues demos riendas a nuestra creatividad y expectativas!!! El aprendizaje ha llegado más allá de nuestro entorno humano.

Más información:

Ernesto Téllez Acosta ha desempeñado su carrera durante 24 años como desarrollador, consultor y arquitecto de soluciones de software, especializándose en los últimos 17 años en tecnologías Microsoft. Desde 2008 trabaja en Sogeti España como Arquitecto de Soluciones Microsoft, aportando su experiencia en diferentes entornos de trabajo y colaborando activamente en las consultorías y procesos de pre-venta.