Qué es y cómo funciona Machine Learning por Oqotech
En este artículo veremos qué es el Machine Learning y porque es importante el Machine Learning aplicado a la informatización de procesos.
Machine Learning se ha convertido en un tema de moda. Es una de estas expresiones que se escuchan con frecuencia en la actualidad, sobre todo cuando oímos hablar de herramientas informáticas, Big Data o análisis de datos.
Machine Learning es también un área fascinante, sobre todo, si pensamos que es una de las aplicaciones de la Inteligencia Artificial. Es decir, es algo que las máquinas (software, ordenadores, etc.) pueden hacer de forma similar a la que la haríamos los humanos.
La disponibilidad y el tamaño de los volúmenes de datos con los que trabajamos hoy en día gracias a Internet y al avance de las tecnologías informáticas, hacen un poquito más complejo que estas máquinas puedan hacer cosas como las haríamos las personas, ya que es más complejo trabajar o hacer cálculos a partir de ciertos volúmenes de información, por ejemplo, coger toda la información estadística mundial disponible sobre cuántas sillas vacías se han quedado en el pasado en todos los vuelos efectuados hasta el día de hoy y predecir el número de sillas que las aerolíneas pueden vender varias veces.
Es aquí en donde entra el Machine Learning. Machine Learning son una serie de técnicas aplicadas que permiten el desarrollo de algoritmos o programas para procesar cantidades ingentes de información y “tomar decisiones” o realizar acciones con base en dicho procesamiento o análisis.
El término habla de aprendizaje -“Learning”- porque estos algoritmos o programas aprenden de la experiencia pasada. En el caso de las aerolíneas, las previsiones irán cambiando de acuerdo a nuestra información histórica.
Las tecnologías Machine Learning, tienen beneficios claros sobre los procesos que informatizamos. En el caso de las aerolíneas, evita que los vuelos se vayan con sillas vacías y, por tanto, reduce los costes. El Machine Learning aplicado a la informatización de procesos representa un paso más en automatización de tareas y, por tanto, están directamente asociados con reducción de costes o inversión más eficiente de los recursos. Tecnologías como estas hacen que los sistemas sean capaces de aprender de los datos para predecir o incluso actuar de una manera específica: predecir sobrecargas del sistema, roturas de stock, etc,.
En las industrias sanitaria y farmacéutica estas tecnologías empiezan a abrirse camino con fuerza. Por ejemplo, el sistema HIGEA es capaz de analizar datos estadísticos y de historias analíticas para alertar en tiempo real de posibles efectos adversos sobre pacientes concretos. Un sistema como este puede ahorrar medio millón de euros a un hospital al año.
IBM Watson Oncology es otro buen ejemplo de cómo las decisiones sobre tratamientos terapéuticos pueden ser optimizadas analizando la información histórica sobre la salud del paciente.
Seguro que en los años venideros veremos muchos más ejemplos del Machine Learning aplicado a la informatización de procesos.
