Olvida lo que hayas escuchado. El aprendizaje automático no es un concepto nuevo ni un estudio en su infancia.

Si somos técnicos, el aprendizaje automático ha existido desde la década de 1950, cuando Arthur Samuel acuñó el término en IBM. Los primeros modelos estadísticos de aquellos días allanaron el camino para la inteligencia artificial moderna de hoy.

Por el contrario, aunque el aprendizaje automático de hoy está muy por delante de lo que solía ser, siempre hay espacio para mejorar.

Con los avances en algoritmos, modelado estadístico y computación, el aprendizaje automático solo se volverá más eficiente. Y aunque no siempre es fácil predecir cómo será esta eficiencia, algunos expertos tienen una idea.

Así que le preguntamos a 5 personas con un conocimiento profundo del aprendizaje automático sobre sus opiniones sobre su futuro. Veamos qué tenían que decir.

El futuro del aprendizaje automático

Dependiendo de cuánto entiendas sobre el aprendizaje automático, algunas de estas ideas pueden sonar familiares, otras pueden exponerte a nuevas ideas.

De todos modos, puedes adelantarte a una idea que despierte tu interés haciendo clic en cualquiera de los 5 enlaces a continuación:

1. Personalización afinada
2. Mejores experiencias de motores de búsqueda
3. Evolución de los equipos de datos
4. Entornos sin código
5. Auge de la computación cuántica

1. Personalización afinada

Ben Wald, Co-Fundador y VP de Implementación de Soluciones en Very

El aprendizaje automático puede ser un método de análisis de datos, sin embargo, está influyendo constantemente en la vida de aquellos que poseen dispositivos IoT como relojes inteligentes, teléfonos, automóviles y más. Esto es lo que Ben tenía que decir sobre la relación única entre el aprendizaje automático y los consumidores.

“Con el 90 por ciento de todos los datos generados en los últimos dos años, gran parte de ellos provienen de una variedad de dispositivos inteligentes que conectan nuestros teléfonos, muñecas y hogares. Como resultado, las empresas tienen más formas que nunca de construir relaciones con sus clientes.

Usando el aprendizaje automático, las corporaciones pueden afinar su comprensión de su público objetivo para informar el desarrollo de productos, marketing y ventas. Con algoritmos para desglosar exactamente cómo se están utilizando sus productos, los desarrolladores y diseñadores pueden personalizar los productos de manera mucho más precisa que nunca, maximizando el valor tanto para la empresa como para el consumidor.”

Con más avances en los algoritmos de aprendizaje automático, comenzaremos a ver una hipersegmentación y personalización afinada para los clientes a mayor escala.

2. Mejores experiencias de motores de búsqueda

Dorit Zilbershot, Directora de Producto en Attivio

Puede que no te des cuenta cuando navegas por Google en busca de un artículo, pero la clasificación de esos resultados se hace con un propósito. Últimamente, el aprendizaje automático ha tenido una enorme influencia en los resultados de los motores de búsqueda. Dorit está aquí para explicar más.

“Los motores de búsqueda van a mejorar tanto la experiencia del usuario como la del administrador a pasos agigantados en los próximos años. Con un mayor desarrollo de redes neuronales y aprendizaje profundo, los motores de búsqueda del futuro serán mucho mejores para ofrecer respuestas e ideas que sean altamente relevantes para el usuario que está buscando.

En este momento, somos realmente buenos para entender qué resultados deben mostrarse según el perfil del usuario y la consulta. Sin embargo, este proceso aún requiere configuraciones manuales y comprensión de cómo funcionan los motores de búsqueda. En el futuro, los resultados se adaptarán aún más al individuo según sus interacciones pasadas, preferencias y las palabras que usaron sin ninguna administración manual. También nos volveremos proactivos al alertar a las personas sobre posibles problemas antes de que sucedan y proporcionar recomendaciones accionables para garantizar una operación fluida y una excelente experiencia de búsqueda.”

Con más y más contenido publicándose cada segundo del día, será interesante ver las formas en que los algoritmos de aprendizaje automático continúan optimizando los resultados de búsqueda con el usuario en mente.

3. Evolución de los equipos de datos

Henrique Senra, VP de Desarrollo de Producto en SlicingDice

No es raro que los equipos de TI y datos estén abrumados con tareas de programación y sistemáticas. Sin embargo, Henrique cree que más avances en el aprendizaje automático ayudarán a evolucionar el día a día de estos equipos.

“Es casi imposible predecir el futuro del ML y la IA. Si le hubieras dicho a los expertos en tecnología hace 20 años lo que podríamos hacer con ML hoy, probablemente habrían sido escépticos, por decir lo menos.

Sin embargo, hay ciertas tendencias en cómo se está utilizando el ML hoy y cómo esos casos evolucionarán en el futuro cercano. El ML será una de las herramientas fundamentales para desarrollar y mantener aplicaciones digitales en los próximos años. Esto significa que los equipos de TI/datos pasarán menos tiempo programando y actualizando aplicaciones, sino que las tendrán aprendiendo y mejorando continuamente sus operaciones.”

Llevaré la idea de Henrique un paso más allá y diré que una automatización de procesos robóticos más inteligente, con la ayuda del aprendizaje automático, reducirá la cantidad de tareas redundantes realizadas por los programadores. Lee nuestra guía para principiantes sobre automatización de procesos robóticos si aún no estás familiarizado con ella.

4. Entornos sin código

Tony Fader, Desarrollador de Software ML/NLP en AppSheet

El aprendizaje automático probablemente evolucionará las tareas de los equipos de datos, pero también será más accesible para un público más amplio. Me refiero a entornos de bajo a nulo código. Esto es lo que Tony dice sobre este fenómeno más reciente.

“El aprendizaje automático se convertirá en solo otra parte de la ingeniería de software. Los marcos de código abierto como Tensorflow, Keras y PyTorch no solo han estandarizado la forma en que las personas implementan algoritmos de aprendizaje automático, sino que también han eliminado los requisitos previos para hacerlo. No necesitas un doctorado para hacer aprendizaje automático, solo necesitas descargar algunos paquetes y seguir un curso en línea para ponerte al día. Empresas como la nuestra están llevando esto un paso más allá y permitiendo que cualquiera (no solo programadores) use aprendizaje automático sin código en sus propias aplicaciones personalizadas.”

Esto puede sonar como una utopía, pero con tanta infraestructura, conjuntos de datos y herramientas disponibles hoy, este tipo de entornos se están implementando lenta pero seguramente. Consulta la guía completa de nuestro equipo de investigación sobre las diferencias entre desarrollo de bajo código y sin código para obtener más información.

5. Auge de la computación cuántica

Matt Reaney, Fundador y CEO de Big Cloud

Puede que hayas oído hablar de la computación cuántica en películas de ciencia ficción, pero esta disciplina es muy real. Realmente no hay una manera fácil de definir la computación cuántica más allá de que los algoritmos cuánticos tienen el potencial de llevar a muchas otras innovaciones. Escuchemos lo que Matt dice sobre la computación cuántica.

“La computación cuántica va a jugar un papel enorme en el futuro del aprendizaje automático. La integración de la computación cuántica en el aprendizaje automático transformará el campo a medida que veamos un procesamiento más rápido, un aprendizaje acelerado y capacidades aumentadas. Esto significa que problemas complejos que no tenemos la capacidad de resolver con los métodos actuales podrían resolverse en una pequeña fracción de tiempo. El potencial para esto es enorme y podría impactar millones de vidas para mejor, notablemente en la atención médica y la medicina.”

Por ahora, no hay hardware o algoritmos cuánticos listos para el comercio. Sin embargo, muchas agencias gubernamentales y firmas de investigación han invertido millones para poner en marcha la computación cuántica.

Menciones honoríficas

Hubo tantos puntos de conversación geniales de nuestros colaboradores, que solo quería tocar algunos más antes de cerrar.

“El invierno de la IA está en el horizonte”

El invierno está llegando, según Tony de AppSheets. Tony menciona que el verano de la IA, es decir, un período de altas expectativas y grandes rondas de financiación para startups habilitadas por IA, pronto se enfriará.

• ¿La desventaja? Los titulares de moda sobre robots humanoides serán menos frecuentes, lo que llevará a los lectores a creer que la IA y el aprendizaje automático se han estancado.
• ¿La ventaja? Tony dice que se harán más avances tipo hoja de cálculo, y serán igual de transformadores.

“Bots autoaprendientes”

Alexandra Zelenka, Escritora Técnica de DDI Development, afirma que a medida que el aprendizaje automático se vuelve más sofisticado, veremos un mayor uso de robots inteligentes. Por supuesto, esto también depende del ritmo de cómo progresan las redes neuronales artificiales y el aprendizaje profundo.

De todos modos, la robótica sin duda jugará un papel cada vez más importante en hacer nuestras vidas más fáciles a través de la automatización. Desde drones inteligentes hasta robots de fabricación, esto será posible con la ayuda del aprendizaje no supervisado.

Conclusión

En G2, nos encanta recopilar ideas de expertos de la industria, especialmente cuando se trata de algo tan fundamental para la innovación tecnológica como el aprendizaje automático. Gracias nuevamente a nuestros colaboradores por llevar las ideas actuales sobre el aprendizaje automático un paso más allá e introducir algunas ideas nuevas también.

Únete a nuestra red

¿Te gustaría compartir tu opinión sobre temas como este? Únete a nuestra red de colaboradores y llega a más de 1 millón de visitantes en el G2 Learn Hub.