Aprendizaje automático
El aprendizaje automático, comúnmente abreviado como "ML", es un tipo de inteligencia artificial (AI) que «aprende» o se adapta con el tiempo. En lugar de seguir reglas estáticas codificadas en un programa, la tecnología ML identifica patrones de entrada y contiene algoritmos que evolucionan con el tiempo.
El aprendizaje automático tiene una amplia variedad de aplicaciones, muchas de las cuales ahora forman parte de la vida cotidiana. A continuación se muestran algunos ejemplos:
- Diagnósticos médicos
- Vehículos autónomos
- Segmentación de anuncios en línea – Google AdSense y Facebook Advertising
- Reconocimiento de voz – Google Assistant, Amazon Alexa, Microsoft Cortana y Apple Siri
- Reconocimiento de imágenes – búsqueda de imágenes de Google, reconocimiento facial en Facebook y en Apple Photos
Ejemplo de un vehículo autónomo
Los vehículos autónomos incorporan aprendizaje automático para mejorar su seguridad y confiabilidad. Un vehículo autónomo que usa inteligencia artificial tradicional puede responder a cualquier condición de la carretera para la que haya sido programado. Sin embargo, si el software encuentra una entrada no reconocida, el vehículo puede recurrir a una medida de seguridad de respaldo, como reducir la velocidad, detenerse o requerir una intervención manual.
El aprendizaje automático puede permitir que un vehículo reconozca eventos y objetos que no se hayan programado explícitamente en el código fuente. Por ejemplo, un vehículo puede estar programado para reconocer semáforos, pero no luces intermitentes en barreras de construcción. Al aprender de la experiencia —posiblemente registrando el comportamiento al volante de un conductor humano—, el vehículo comenzará a reconocer las barreras de construcción y responderá en consecuencia.
La tecnología ML es lo que permite que los vehículos autónomos diferencien entre objetos en la carretera, como automóviles, bicicletas, personas y animales. También ayuda a que los automóviles conduzcan de forma más confiable en condiciones meteorológicas imperfectas y en carreteras sin líneas claras. El objetivo es permitir que los vehículos conduzcan como los seres humanos, evitando al mismo tiempo los errores causados por el error humano.
Pon a prueba tu conocimiento