Skip to content

Machine Learning: Los orígenes y la evolución

Share on twitter
Share on linkedin
Share on email
Share on whatsapp
Machine Learning, Los orígenes y la evolución

Los orígenes del Machine Learning

Mucho se ha hablado sobre ‘Machine Learning’ (Aprendizaje Automático), pero no de su origen. ¿Sabes cuándo se originó realmente? o ¿por qué actualmente estamos viviendo un auténtico boom del Machine Learning?

Por moderno que pueda parecer este campo, nos debemos remontar al año 1950 cuando el gran Alan Turing creó el “Test de Turing”. De forma que para pasar el test, una máquina debía engañar a un humano haciéndole creer que se encontraba delante de un humano en vez de un ordenador. 

No debemos dejar de lado tampoco el año 1952, en el que Arthur Samuel escribe el primer algoritmo que es capaz de aprender; consistiendo este en un programa que jugaba a las damas y mejoraba tras cada partida su juego. 
Posteriormente, en el seno de una conferencia nacerá el término ‘Artificial Intelligence’ (Inteligencia Artificial) para nombrar el nuevo campo que estudiaban en el verano de 1956.

Winter is coming

Durante la década de los 70, el campo pasó por momentos difíciles debido a las altas expectativas de los inversores y los pocos avances conseguidos. A pesar de ello, en 1967 se desarrolla el algoritmo ‘Nearest Neighbor’ que es considerado el nacimiento de los algoritmos de reconocimiento de patrones.

Más adelante, en los años 80, nacen los sistemas expertos basados en reglas; lo que vuelve a generar un gran interés por el Machine Learning. Pero el segundo invierno de la Inteligencia Artificial y más prolongado que el anterior, llegará a finales de la década de los 80 y no se recuperará completamente hasta bien entrados los 2000.

Aparece un nuevo protagonista

Estamos en los inicios del 2000, el Machine Learning todavía está recuperándose del largo invierno que ha sufrido y un joven protagonista está a punto de aparecer en escena. 

Comienza a forjarse en el año 2003 cuando se publica un estudio sobre un sistema de ficheros distribuidos, llamado ‘Google File System’ (GFS). Y terminará definiéndose en 2004 cuando Google presente un nuevo paradigma de procesamiento distribuido al que llamará ‘Map & Reduce’. 

Mientras nuestro protagonista crece a pasos agigantados, su padre Google no deja de apoyarle en su progreso y crea el ‘Cloud Bigtable’ que es el servicio de bases de datos de Big Data NoSQL. Es el año 2006, ingenieros de Apache llevan a la culminación los paradigmas de Google en la primera plataforma Big Data Open Source, a la que llaman Hadoop. 

Sin apenas darnos cuenta, la potencia de cálculo ha aumentado de manera exponencial y existe una gran abundancia de datos disponibles. Nuestro protagonista principal, el Machine Learning, ha sabido aprovechar muy bien la situación consiguiendo desarrollarse de una forma espectacular gracias al Big Data.

El camino que recorrerá hasta la actualidad, estará cargado de éxitos y cambiará su orientación por completo. De manera que pasará de estar enfocado al conocimiento (‘knowledge-driven’) hacia el dato (‘data-driven’).

Línea temporal del Machine Learning

Tercera explosión

Actualmente, nos encontramos inmersos en la tercera explosión del Machine Learning, en la que gracias a los avances en el sector no paran de encontrarse aplicaciones en el mundo empresarial. Llegando hasta el punto de crear completos mercados y produciendo cambios significativos en las estrategias tanto de pequeñas como de grandes empresas.

Cada vez son más los sectores empresariales que se están beneficiando del Machine Learning, desde el sector asegurador hasta el marketing pasando por los call centers.

Machine Learning e Inteligencia Artificial

Ya conocemos el origen de nuestro protagonista, pero ¿sabemos exactamente qué es el Machine Learning? Habitualmente se suele usar como sinónimo de la Inteligencia Artificial, sobre todo cuando hablamos de Big Data. Vamos a dejar claros ambos conceptos antes de profundizar más en el tema en siguientes artículos.

La Inteligencia Artificial es un concepto más amplio que el Machine Learning, que aborda el uso de la computación  para imitar las funciones cognitivas de los humanos. Cuando las máquinas realizan tareas basadas en algoritmos de una manera «inteligente», eso es Inteligencia Artificial. 

Sin embargo, el Machine Learning es un subconjunto de la Inteligencia Artificial y se centra en la capacidad de las máquinas para recibir un conjunto de datos y aprender por sí mismos, adaptando los algoritmos a medida que aprenden más sobre la información que procesan.

Inteligencia Artificial vs Machine Learning

Machine Learning en Future Space

Aprovechando esta potencia del Machine Learning han sido múltiples los proyectos en los que se han utilizado estas técnicas de aprendizaje automático en su desarrollo y con ello permitirnos alcanzar los diferentes objetivos de nuestros clientes. 

Algunos de los proyectos que hemos podido desarrollar en Future Space con la ayuda del Machine Learning han sido:

Comparte el artículo

Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on email
Email
Share on whatsapp
WhatsApp

Una nueva generación de servicios tecnológicos y productos para nuestros clientes