En primer lugar, el aprendizaje automático no solo resuelve el problema de adivinar lo que el cliente podría comprar. Ese es un pequeño subconjunto de Machine Learning. Como lo mencionó en la pregunta, comenzaré abordando ese problema.
Amazon en 2014 tenía 270 millones de clientes activos [1]. Si Amazon puede adivinar correctamente lo que su cliente podría comprar para el 99% de todos los clientes de Amazon, entonces mejora la experiencia de 211.86 millones de usuarios. Ese es un gran número. (En realidad, lo que sucede es que para cada usuario, el algoritmo a veces adivina correctamente y otros no, en lugar de ser 100% correcto con el 99% de los usuarios y completamente incorrecto con el resto).
Otra característica atractiva de estos métodos es que mejoran a medida que usa el sitio web, lo que reduce la tasa de abandono. Si aparece un nuevo sitio web de la competencia, no sabe nada sobre usted, por lo que sus recomendaciones serán peores. Esto se conoce como el comienzo en frío en la literatura en caso de que quiera saber más al respecto.
- ¿El aprendizaje automático automatizado necesita aleatoriedad?
- ¿Cuáles son los proyectos de inteligencia artificial más inteligentes y secretos del gobierno que no conocemos?
- ¿Qué hará la gente cuando la robótica y la IA se hagan cargo del trabajo diario?
- ¿Cuáles son algunos buenos chistes de aprendizaje automático?
- ¿Puede una aplicación reemplazar a mi contador?
Por lo tanto, aumentar los ingresos y la lealtad es muy importante para las empresas. Como podría no ser tan importante para usted (como no lo es para mí), hablemos de algunas áreas interesantes donde el aprendizaje automático puede ayudar.
Me han dicho que el papel de Machine Learning es extraer patrones no obvios y relevantes de los datos. Esto es muy útil cuando no sabes cómo programar explícitamente algo. Por ejemplo, ¿cómo desarrollarías un sistema para reconocer a un gato en una imagen? Se podría decir que un gato tiene dos orejas, con alguna forma triangular, y una cara redonda y bigotes y cuatro patas, etc. Pero eso es muy difícil de programar y muy propenso a errores ya que el gato podría estar al revés hacia la cámara, boca abajo. , parcialmente ocluido, etc. Ahora imagine hacer esto para automóviles, aviones, personas, … ¿Cómo programaría un sistema para realizar el reconocimiento facial?
Otra característica que puede ser deseable en algunos casos es que el sistema continúa aprendiendo después de implementarse. Esto podría ser extremadamente útil ya que vivimos en un mundo altamente dinámico. Cuando algo cambia, no queremos ir a código e implementar una nueva versión, queremos que el sistema aprenda de la experiencia. (Para sistemas críticos, esto podría no ser deseable ya que no queremos que el sistema cambie el comportamiento sin garantías de que funcione correctamente).
Para resumir, Machine Learning se está utilizando para el reconocimiento de objetos, reconocimiento de voz, reconocimiento facial, descubrimiento de genes, creación de drogas, predicción de emociones e incluso para tocar un piano como los humanos. Se está utilizando para resolver algunos problemas difíciles que no pudimos resolver previamente. Algunos de ellos tienen el potencial de salvar vidas, otros para mejorar nuestro conocimiento del mundo y otros son simplemente geniales. Pero no hay duda de que Machine Learning está cambiando la forma en que vivimos y continuará haciéndolo en los próximos años.
[1] Statista, (2015). Número de cuentas de Amazon en todo el mundo 2014 | Estadística [en línea] Disponible en: http://www.statista.com/statistics/237810/number-of-active-amazon-customer-accounts-worldwide/[Accedido el 10 de octubre de 2015].
