5 maneras en las que el Machine Learning mejora nuestra vida diaria.

Los usos cotidianos del Machine Learning, ahora considerado como una de las mayores innovaciones desde el microchip, se expanden a un ritmo exponencial, proponiendo un abanico de técnicas para extraer conocimiento de datos que pueden ser utilizados por las mismas máquinas para alcanzar los propósitos y objetivos de nuestras organizaciones.

Las redes neuronales, diseñadas para imitar los procesos neuronales humanos están pavimentando el camino al Deep Learning, con el que se vislumbran maneras en las que el Machine Learning nos puede ayudar a vivir con mayor felicidad, salud y productividad… si sabemos aprovechar la tecnología. 

Exploremos algunas de las formas en las que el Machine Learning interactúa con nuestro día a día. 

Innovaciones en banca

¿Se imagina todo el  tiempo y atención que tomaría a los trabajadores bancarios supervisar cada cuenta de ahorros, cada tarjeta de crédito y cada transacción de manera manual? Para el tiempo en el que detectaran una anomalía o discrepancia, nuestras cuentas podrían estar en números rojos.

Gracias a los datos de localización y comportamientos de compra, el Machine Learning ayuda a los bancos a identificar las actividades sospechosas en el momento que suceden, mediante modelos de detección de anomalías entrenados para detectar patrones de consumo y alertar de actividad inusual.

Puede intentarlo usted mismo haciendo una compra internacional: su banco de inmediato le va a contactar para preguntar si en efecto es usted quien está procesando ese pago. A algunos viajeros podrá parecerles inconveniente, pero estamos seguros que ha salvado los ahorros de muchos.

Transporte inteligente

¿Ha viajado en avión recientemente? No crea que tiene que ser dueño de un Tesla para transportarse en un dispositivo que utilice Machine Learning.

Las aeronaves comerciales modernas utilizan un sistema de manejo de vuelos que combina el uso de GPS, sensores de movimiento y sistemas computacionales para seguir la ruta de vuelo, por lo que un piloto promedio opera un avión de manera manual solamente unos pocos minutos por vuelo, principalmente al despegar y aterrizar.

Con los automóviles el asunto se complica, ya que hay un mayor volumen de tránsito, mayor regulación y obstáculos imprevistos que deben ser evadidos. Pero aún así los automóviles autónomos ya son una realidad en todo el mundo y según un estudio publicado por rand.org, que analizó datos de 1.3 millones de millas recorridas por vehículos de Google, estos vehículos ya son más seguros que los autos tradicionales.

Gracias a los mismos fundamentos aplicados en otras industrias, los autos interpretan entradas y salidas de datos que les permiten adaptarse instantáneamente a las condiciones cambiantes del camino, al mismo tiempo que aprenden de estas nuevas situaciones. Con un flujo constante de información capturada por cámaras y sensores, las computadoras del vehículo toman decisiones en una fracción de tiempo de lo que nos toma a nosotros definir un curso de acción al manejar. 

Entretenimiento e información personalizados.

El uso con mayor impacto del Machine Learning en nuestras vidas es probablemente también el más desapercibido: servicios como Netflix, Spotify, Google Play y Amazon Prime echan mano de algoritmos de Machine Learning para eliminar el retraso y minimizar las reproducciones a baja calidad, ofreciéndonos la mejor experiencia posible en el contexto de nuestra conexión.

Los proyectos de Machine Learning desarrollados por estos gigantes del entretenimiento también aprovechan la cantidad casi infinita de datos generada por los hábitos de consumo de sus usuarios, para ofrecer recomendaciones más relevantes e incluso para tomar decisiones en cuanto al desarrollo de su contenido.

Según dijo el director de Computación Visual y Machine Learning de NVIDIA, Jan Kautz, el rápido avance de la investigación en su departamento le da la expectativa de que pronto podamos ver algoritmos creando entretenimiento.

“Imaginen un servicio musical que no sólo ofrece las canciones existentes si no que tiene la habilidad de generar nuevas obras creadas de manera personalizada a sus usuarios”

También en la producción de texto, los algoritmos de Procesamiento de Lenguaje Natural pueden aplicarse en la redacción de noticias en tendencia para reducir el tiempo de producción. Por otro lado, un algoritmo del MIT llamado Shelley ayuda a sus usuarios a escribir historias de horror combinando deep learning con un banco de ficción generada por humanos. (Este artículo del diario El País, cuenta un poco más del proyecto).

¿Será la próxima gran obra de ciencia ficción escrita por máquinas?

Hogares inteligentes y seguros

Las mejores soluciones de seguridad para el hogar son sistemas de cámaras y alarmas integradas con sistemas de IA, con software de vanguardia que implementa reconocimiento facial y Machine Learning para construir un catálogo de habitantes y visitas frecuentes, permitiéndoles detectar intrusos en un instante.

Además de seguridad, estos sistemas son capaces de ofrecer utilidades como registros de cuando hemos paseado a nuestras mascotas, o notificarnos el momento en que una visita está en la puerta; e incluso pueden gestionar llamadas a servicios de emergencia, ofreciendo una alternativa bastante atractiva a los servicios de subscripción que proveen soluciones similares.

Las aplicaciones de esta tecnología no se quedan ahí, también nos pueden ayudar a gestionar los horarios de limpieza mediante aspiradoras robóticas o reponer el inventario de nuestros refrigeradores y despensas para que nunca nos haga falta ningún producto. Los límites están en nuestra creatividad.

Asistentes personales digitales

Los asistentes personales como Siri o Alexa son cada día más inteligentes, ya que los líderes de la industria invierten miles de millones de dólares en mejorar su reconocimiento del habla y también la predicción y aprendizaje de nuestras rutinas.

Imagine llegar a su hogar con las compras y tener ya lista su receta favorita desplegada en su dispositivo. O cocinar una deliciosa cena en minutos y notar que nuestro asistente digital ya compró nuestro helado favorito.

Actualmente es posible usar estos asistentes como acompañamiento al cocinar, ¿cuánto faltará para que estén preparando la comida por nosotros?

En conclusión

El Machine Learning ya dejó de ser una novedad y pasó a ser un elemento base de una gran parte de los procesos cotidianos, siendo uno de los acercamientos y aplicaciones más prometedoras de la Inteligencia Artificial. En vez de intentar enseñar a las máquinas toda la información necesaria para cumplir con nuestras necesidades (una tarea virtualmente imposible) queremos permitirles que aprendan por sí solas y que aprendan a hacerlo cada vez mejor.

El momento del Machine Learning es ahora, y esta década seremos cómodos testigos de la revolución que representará en el desarrollo y optimización de nuestras sociedades, organizaciones y emprendimientos.

Tenemos que estar listos y abiertos para aprovechar de la mejor manera esta tecnología. Por suerte en esta línea de tiempo, Skynet es sólo una fantasía.