Sabemos del auge casi diría la recuperación, de la inteligencia artificial, de la importancia como tendencia tecnológica que se concede hoy día al machine learning y cómo empiezan a ser viables comportamientos inteligentes observados en software, robots, e, incluso, coches, como es el caso del coche autónomo de Google.
Aunque no creo que exista una receta completamente clara hoy en día para conseguir grandes resultados en aprendizaje e inteligencia de máquinas, me quedo con una estrategia en dos pasos muy sencilla y a la que apunta Martin Ford en su libro ‘The rise of the robots‘ donde, poniendo como ejemplo precisamente los coches autónomos de Google, nos propone estos dos pasos:
- Primero recoger una gran cantidad de datos históricos que permita construir lo que podríamos denominar un ‘mapa‘, y a los algoritmos recorrer ese mapa usando tareas rutinarias. En esta fase, no existe una verdadera inteligencia, sino un algoritmo más o menos complejo capaz de explotar los inmensos datos de que dispone.
- En la segunda fase, incorporar mecanismos de auto aprendizaje, es decir, convertir a los sistemas en adaptativos, capaces de reaccionar ante cambios en el entorno y de exhibir ‘verdadera inteligencia‘.
El planteamiento es muy simple y a todos se nos ocurre observar que es más fácil decirlo que hacerlo, pero aunque sólo sea como una estrategia genérica, puede ser válida. Al fin y al cabo, parece un paso razonable el basarse primero en la experiencia real que proporcionan los datos antes de lanzarse a algoritmos y soluciones más arriesgadas y sofisticadas. Los propios datos, además, permiten disponer de ‘casos de prueba’ para someter a juicio la inteligencia del software.
