¿Conoces estos usos innovadores del machine learning?

El machine learning, o aprendizaje automático en español, es un subconjunto de la Inteligencia Artificial que se ocupa del estudio y desarrollo de algoritmos que pueden aprender a partir de conjuntos de datos, y realizar predicciones a partir de ellos. Estos algoritmos pueden incluso deducir modelos a partir de un conjunto simple de datos de entrada. Sus aplicaciones más comunes son múltiples, desde el diseño de algoritmos para el filtrado del correo electrónico, reconocimiento óptimo de caracteres, visión por computador…

Sin embargo, existen otras aplicaciones y usos innovadores del machine learning que quizás no conoces, o no los relacionas con esta rama de las ciencias de la computación.

El uso a gran escala del coche autónomo

El coche autónomo deberá tomar múltiples decisiones cruciales para la seguridad de sus ocupantes, y de su entorno, una vez listo para salir a las calles. Dentro de su «cerebro», complejos algoritmos evolucionan con cada toma de decisiones y con cada análisis de los datos recogidos por sus sensores (LiDAR, cámaras y sistema de radar). Esto ya es un problema complejo teniendo en cuanta un solo coche autónomo, pero cuando escalamos el problema a una flota, o simplemente cuando un porcentaje importante de coches sea autónomo, todo se complica.

Por eso, los ingenieros desarrollan algoritmos deep-learning, que es un subconjunto del machine learning en el que prima la idea del aprendizaje desde el ejemplo. Es decir, a partir de un modelo capaz de evaluar ejemplos y un conjunto de instrucciones para modificar el modelo en caso de error, se espera que el sistema consiga resolver el problema inicial con total precisión. Esto es lo que se utiliza para le desarrollo del coche autónomo.

La moderación y validación de contenidos a gran escala

La moderación de contenidos a gran escala es un problema importante. Es un problema para las redes sociales, o para los buscadores: ¿qué pasa con el contenido falso, poco preciso o apropiado, o el directamente fraudulento? ¿Cómo filtrar y validar correctamente esos contenidos para ofrecer a la audiencia valor añadido?

A pesar de que la decisión última pueda ser humana, el machine learning contribuye a hacer abarcable una tarea tan inmensa como la de la validación de contenidos. De hecho, existen ya empresas especializadas en este tema que desarrollan herramientas capaces, por ejemplo, de analizar el contexto y contenido de cada frame de un vídeo, lo cual supone un hito sin precedentes dada la dificultad que entraña este tipo de análisis.

La nueva «superciberseguridad»

Las máquinas no se cansan. Pueden pasarse las 24 horas del día y los siete días de la semana trabajando sin parar, mientras dispongan de energía eléctrica para funcionar. Por eso se están desarrollando complejos algoritmos de machine learning para luchar contra la creciente ola de ciberataques (y el cibercrimen de manera general).

Numerosos investigadores en este terreno están trabajando en soluciones creativas para implementar modelos de machine learning a la detección del fraude, la prevención del phishing y para proporcionar defensas sólidas ante un ciberataque. Todos estos mecanismos de defensa se entrenan con datos del pasado para detectar rápidamente los ataques y reaccionar con presteza y eficacia.