Hoy pañales … Mañana un monstruo sin nombre!!

He estado leyendo artículos colocando Machine Learning como el futuro que esta tocando nuestra puerta,  y sin duda creo que es un parte aguas de lo que actualmente conocemos con impacto en muchos áreas de nuestras vidas, sin embargo al analizar lo que tenemos creo que aun estamos en tiempos de pañales.

Machine Learning es un subconjunto de la Inteligencia Artificial  en el que se concentran varios algoritmos o técnicas; al crear un modelo tenemos 3 etapas principales (al post de documentación hay más detalle):

  • Data creation,
  • Model development,
  • Implementation and monitoring

Un algoritmo es usado en Model development dependiendo del problema, conocimiento del desarrollador y por ultimo por el resultado arrojado al compararlos. Los algoritmos no son nuevos y mucho menos el sustento estadístico, lo que ha ayudado mucho es el volumen de información y la forma de procesarlo, es decir los adelantos tecnológicos han colocado un catalizador para lo que viene.

tipos

evolu

Las imágenes que tome de otro blog me fueron de mucho interés porque sin duda me he topado con diferentes personas que eligen una tribu y como la evolución de los ha algoritmos continua, pero aun así hay otros aspectos más por ver que están en mi mente:

  1. Autoevaluación, capaz de trabajar con datos y metadatos para mejorar la misma forma de aprendizaje,
  2. Oportunidad de desaprender, que el modelo pueda rechazar un aprendizaje previo por uno nuevo, los humanos generamos ciertos paradigmas y con el tiempo podemos cambiarlos para reaprender.
  3. Independencia de selección de la data, un sistema que pueda explorar miles o millones de fuentes y aplicar el aprendizaje para seleccionar la data más adecuada para el modelo.
  4. Aprendizaje no supervisado y agregaría no limitado, es decir permitir experimentar algoritmos nuevos, incluso crear nuevos al combinarlos y romper limitantes iniciales.
  5. Seguimiento con alarmas que detonen acciones inmediatas que permiten automáticamente el rediseño del aprendizaje.
  6. Dejar el concepto de modelo con base de técnicas de Machine Learning a un sistema cognitivo

Consideremos la siguiente analogía:  Las clases típicas de un idioma pueden para persona no ser la mejor opción de aprendizaje ya que siente que no tiene avances, esta persona hace una autoevaluación (1) y toma decisiones de cambiar su aprendizaje, reprograma su base de como aprender y decide volver iniciar su aprendizaje de otra manera (2), para ello busca información de diferentes medios, incluso publica en la web que le envíen información (3), de ello selecciona recursos como clases online más grupos de conversación con nativos del idioma y en futuro esta explorando la idea de ir por un tiempo a un país donde se hable solo ese idioma (4). post el curso identificar si el aprendizaje va con su estilo de vida, pero sobre todo con el alcance de su objetivo de mejorar su nivel (5) y por ultimo poder identificar costos y otros factores que impactan para seguir o reiniciar el proceso de aprender un nuevo idioma (6).

Si lo pensamos muchos de los casos se hacen actualmente basado en que se hacen manualmente por un equipo o tribu  que da seguimiento a un modelo, ahora imagínate que es un sistema automatizado que lo hace constantemente, buscando optimizar los recurso y en si mismo el aprendizaje….para mi el futuro de Machine Learning aun no tiene nombre!!

 

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s