Para nosotros, los seres humanos, es muy fácil poner ejemplos de cómo aprender. Aprendemos a cruzar la calle mirando el semáforo a pesar de que no nacemos con ese conocimiento. Aprendemos a operar un teléfono móvil a pesar de no nacer con esa habilidad y logramos operarlo con procedimientos sumamente complejos, como el manejo de pantalla con los dedos o la interacción con un teclado que no es físico. Pero el aprendizaje no es un característica exclusivamente humana.
El aprendizaje es un proceso mediante el cual un agente, humano o no, incrementa su conocimiento en base a una experiencia. Podría ser un niño que aprende a manejar bicicleta o podría ser un modelo computacional que aprende a distinguir un correo spam de otro que no es spam (machine learning). El aprendizaje como concepto es el mismo. Sin embargo, no se puede negar que el aprendizaje humano tiene algunas características particulares. Por ejemplo, es intensivamente social.
Un niño que aprende a pronunciar una palabra nueva no solo se enfoca en la pronunciación de la palabra, relaciona este nuevo conocimiento a otros aprendizajes que no necesariamente tienen que ver con la pronunciación. Podrían tener que ver con el recuerdo de sabores o aromas que le trae pronunciarla, con la persona que se lo está enseñando o con el momento en que lo aprende, etc. Esta es una característica que todavía no está incorporada en la mayoría de algoritmos computacionales.
La mayoría de algoritmos computacionales son agentes únicos, que aprenden de bases de datos únicas y generalmente trabajan con bases de datos en formatos únicos. Por ejemplo, se podría entrenar un modelo para identificar a los estudiantes de un aula. Este algoritmo trabajaría con las imágenes, videos o fotografías de los estudiantes para, a través de ellas y gracias a la inteligencia artificial, identificar sus identidades. Sin embargo, no registraría, por ejemplo, si están enfermos de gripe, si están listos para participar en clase o si están anímicamente preparados para el tema que se abordará en la clase. Esto último punto es algo que los agentes humanos están muy acostumbrados a hacer. Se trata de, entre otras cosas, darle contexto al aprendizaje de un determinado dato o información.
Sin embargo, debemos entender que si bien los algoritmos aún no realizan estas acciones de contexto, esto no quiere decir que jamás vayan a poder hacerlo. Esta es solo una fase del desarrollo de algoritmos. Probablemente, en algún momento tendremos que unificar el concepto de aprendizaje a uno solo.
Los algoritmos pueden ser entrenados para ejecutar procedimientos cada vez con más funciones cognitivas. Además, las herramientas de modelamiento de algoritmos son cada vez más prácticas.
¿Estás interesado en aprende a implementar soluciones de aprendizaje computacional? ¡Mantente atento! Pronto lanzaremos una nueva Maestría en Machine Learning. Mientras tanto, te invitamos a conocer nuestro portafolio de posgrados en Innovación Digital.