El día 22 de abril, dentro de las actividades de Jalisco Talent Land 2019, tuvimos la suerte de poder atender la conferencia «How we’re teaching our computers to outperform us» otorgada por el maestro en física Enrique Balp.

Enrique Balp, además de ser maestro en Física, se dedica a hacer inteligencia artificial en una empresa de Guadalajara llamada SYNX y es experto en AI especializado en: Machine learning, Data science, Big data, Computer vision, Anomaly Detection, GraphDatabases, Funacial Analysis, Risk Management.

El objetivo de la charla fue entender qué es realmente la inteligencia artificial, cómo la podemos utilizar y cuáles son sus alcances.

Al todos los días escuchar acerca de aplicaciones del AI y cómo está revolucionando el mundo, es interesante que aún sea una tecnología difícil de explicar y que cause temor a mucha gente.

Para acercarnos de manera amable al AI, se nos familiarizó con términos como el concepto de AI, «Machine Learning», «Deep learning», etcétera.

Nos explica Bapl que la inteligencia artificial es un término que engloba a muchos tipos de métodos. Machine learning es una gran familia de ellos. El aprendizaje de representación es lo que engloba al deep learning y éste es lo que utiliza redes neuronales complejas; es lo que más se conoce como inteligencia artificial hoy en día.

La inteligencia artificial es, para Balp, algo que está en constante cambio, ya que, mientras entendemos mejor las cosas que antes denominábamos AI, nos damos cuenta de que en realidad sólo eran un montón de planteamientos matemáticos.

Cada vez que entendemos una parte de ella, deja de ser mágica. Decimos: «Oh, son sólo cálculos»

La definición que Balp nos proporciona de Machine Learning es que son un conjunto de métodos, o algoritmos, que permiten entender la estructura estadística de un conjunto de datos con el objetivo de responder alguna pregunta particular. Son métodos muy específicos para transformar datos en predicciones o representaciones.

Algunos algoritmos de Machine Learning de los que se hablaron son el procesamiento de lenguaje natural (Interacción ente una persona y un chatbot) y Visión computacional (qué objetos hay en alguna imagen). Es importante recordar que los métodos de Machine Learning requieren una representación numérica de la pregunta. Dentro del procesamiento de lenguaje natural se convierte el texto en una representación numérica vectorial. Para Machine Learning se requieren conocimientos de cálculo, álgebra lineal, estadística, creación de grafos y el desarrollo de una intuición matemática.

Hay tres tipos de problemas dentro del Machine Learning, explica Balp. Aquellos problemas llamados «supervisados» son en los que los datos tienen una etiqueta (clasificación o regresión). Los «No supervisados» son aquellos problemas que no tienen etiquetas pero son muchos datos (un ejemplo de ésto es Wikipedia) y, por último, los «Problemas de refuerzo» son los que no tienen etiquetas pero tenemos a un agente que está experimentando con su entorno.

Es indudable que, actualmente, las técnicas de machine learning son cada día más y más importantes en todos los ámbitos.

Entender y desarrollar los procesos de Machine Learning y cómo se relaciona con usuarios e información nos permitirá, en un futuro, generalizar la relación de variables distintas en un proceso específico y lograr llegar a un resultado con un margen de error reducido.

– A. Ivana Arbeláez