Definición: ¿Qué significa Machine Learning?
El aprendizaje automático es una disciplina de inteligencia artificial (IA) orientada al desarrollo tecnológico del conocimiento humano. El aprendizaje automático permite a las computadoras manejar nuevas situaciones a través del análisis, el autoformación, la observación y la experiencia.
El aprendizaje automático facilita el avance continuo de la informática a través de la exposición a nuevos escenarios, pruebas y adaptación, al tiempo que emplea detección de patrones y tendencias para tomar mejores decisiones en situaciones posteriores (aunque no idénticas).
El aprendizaje automático a menudo se confunde con la minería de datos y el descubrimiento de conocimientos en bases de datos (KDD), que comparten una metodología similar.
Techinfo explica el aprendizaje automático
Tom M. Mitchell, pionero del aprendizaje automático y profesor de la Universidad Carnegie Mellon (CMU), predijo la evolución y la sinergia del aprendizaje humano y automático. La sección de noticias de Facebook de hoy es un ejemplo perfecto. El servicio de noticias está programado para mostrar contenido de amigos del usuario. Si un usuario etiqueta o escribe con frecuencia en el muro de un amigo en particular, News Feed cambia su comportamiento para mostrar más contenido de ese amigo.
Otras aplicaciones de aprendizaje automático incluyen el reconocimiento de patrones sintácticos, el procesamiento del lenguaje natural, los motores de búsqueda, la visión por computadora y la percepción de las máquinas.
| Descargar gratis: IA en la industria de seguros: 26 casos de uso del mundo real |
Es difícil replicar la intuición humana en una máquina, principalmente porque los seres humanos a menudo aprenden y ejecutan decisiones de manera inconsciente.
Al igual que los niños, las máquinas requieren un período de entrenamiento prolongado cuando se desarrollan amplios algoritmos orientados al dictado del comportamiento futuro. Las técnicas de entrenamiento incluyen aprendizaje de memoria, ajuste de parámetros, macro-operadores, fragmentación, aprendizaje basado en explicaciones, agrupamiento, corrección de errores, registro de casos, gestión de modelos múltiples, retropropagación, aprendizaje reforzado y algoritmos genéticos.