El aprendizaje automático es emocionante para diferentes personas por diferentes razones.
Para algunos, es emocionante solo porque funciona bien. Actualmente es la solución de vanguardia para una amplia gama de problemas, y a menudo supera al finalista por un margen muy significativo: clasificación / detección / localización / análisis de imágenes (esto incluye cosas como el reconocimiento de matrículas, la escritura a mano reconocimiento, clasificación de tumores, subtítulos automáticos de imágenes, etc.), reconocimiento de voz, análisis de sentimientos, diagnóstico médico, control robótico, etc.
Para otros (como yo), el aprendizaje automático es emocionante porque es muy general. Puede aprender un conjunto de técnicas (aprendizaje automático) y aplicarlo a un gran conjunto de problemas muy diferentes con éxito con muy pocos ajustes y muy poco conocimiento específico del dominio.
- ¿Cuáles son las formas de paralelizar los códigos Python y NumPy?
- ¿Qué es la escritura por computadora?
- Mis padres me obligan a seguir Ingeniería (Comp. Sci.) Y no lo que quiero (Un título de Física), ¿qué debo hacer?
- Cómo llevar la informática a escala de Internet a todas las empresas del planeta
- Si una placa base falla, ¿es posible iniciar el sistema informático o no?
Como ejemplo, usemos el problema de la clasificación de género facial: dada la imagen de una cara, determine si la persona es hombre o mujer. Los investigadores (expertos en procesamiento de imágenes) han dedicado miles de horas hombre a desarrollar sistemas muy complejos en las últimas décadas para realizar esta tarea. Hoy en día, alguien experto en aprendizaje automático (pero no en procesamiento de imágenes faciales) puede construir un sistema que funcione mucho mejor que cualquier otro sistema que no sea ML en una tarde. Los mejores sistemas de ML hoy en día tienen una precisión superior al 96%, es decir, aproximadamente el mismo nivel que los humanos.
El aprendizaje automático es una tecnología habilitadora: nos permite desarrollar soluciones de software mucho más rápido que antes. Es muy parecido a cómo las computadoras programables eran una tecnología habilitadora en aquel entonces, que nos permitía diseñar sistemas informáticos mucho más rápido (que tener que crear un nuevo circuito para cada nuevo problema).
Al principio, tuvimos que diseñar un nuevo circuito para cada nuevo problema. Luego solo tuvimos que diseñar un nuevo programa para cada nuevo problema. Ahora, solo tenemos que diseñar una arquitectura de aprendizaje automático para cada nueva categoría de problemas (imagen, audio, control, etc.).
El tiempo de desarrollo ha sido el principal factor limitante en nuestro mundo informático durante bastante tiempo. Los ingenieros de software nunca pueden escribir código lo suficientemente rápido como para aprovechar al máximo la potencia informática disponible. El aprendizaje automático es una forma de hacer que las computadoras nos ayuden a crear programas, no solo ejecutarlos.
En un nivel más filosófico, los humanos siempre han estado obsesionados con recrear la computadora más poderosa que conocemos: el cerebro humano. El aprendizaje automático nos está dando un gran paso más cerca de ese objetivo.