El “Machine Learning” (ML) es un término que en la actualidad se escucha con más frecuencia en la industria TI, debido a su cercanía con tecnologías como Inteligencia Artificial (IA), Big Data, entre otros.

Esta fama que vive en la actualidad el ML, representa una gran oportunidad para conocer su historia y evolución, además de conocer a aquellos personajes que sentaron las bases de esta tecnología.

Los inicios del Machine Learning los encontramos en los años 50s, cuando Arthur Samuel, pionero en el campo de los juegos informáticos e IA, escribió el primer programa de aprendizaje informático.

El programa de Samuel era el juego de “damas”, que contribuyó a que la computadora mejorara en el juego conforme jugaba más, esto fue posible al estudiar qué movimientos componían estrategias ganadoras e incorporarlos en su programa.

Por su parte, Frank Rosenblatt, en la misma década, inventó el Perceptron, tecnología que asemeja al cerebro humano, ya que se trataba de un tipo de red neuronal. En sus principios, Perceptron conectaba una red de puntos donde se toman decisiones simples que se unen al programa más grande para resolver problemas complejos.

En los 60s, la creación del algoritmo conocido como “nearest neighbor” permitió a las computadoras utilizar un reconocimiento de patrones muy básico. Incluso tuvo fines comerciales, pues éste logró trazar un mapa de una ruta para vendedores ambulantes.

Tuvo que pasar una década, para que estudiantes de la Universidad de Stanford escribieran un programa de computadora que conducía un carrito a través de espacios desordenados, obteniendo su conocimiento del mundo entero a partir de imágenes transmitidas por un sistema de televisión integrado.

A principios de los 80s, Gerald Dejong plantea el concepto «Aprendizaje Basado en Explicación» (EBL, por sus siglas en inglés). Se trata de un conocimiento en el que la computadora analiza datos de entrenamiento y crea una regla general que puede seguir para descartar datos.

En la década de los 90s, el Machine Learning ganó popularidad gracias a la intersección de la informática y la estadística que dio lugar a enfoques probabilísticos en la IA. Esto generó un gran cambió al campo del ML, ya que se trabajaría con más datos.

Fue en este periodo que se comenzó a utilizar esta tecnología en áreas comerciales para la minería de datos, software adaptable y aplicaciones web, aprendizaje de texto y aprendizaje de idiomas.

La llegada del nuevo milenio trajo consigo una explosión en el uso del Machine Learning, debido a que Geoffrey Hinton acuña el término “Deep Learning”, con el que se explican nuevas arquitecturas de Redes Neuronales profundas que permiten a las computadoras «ver» y distinguir objetos y texto en imágenes y videos.

Después del 2010, los grandes “jugadores” tecnológicos comenzaron sus propios desarrollos en Machine Learning:

• IBM. Su tecnología Watson, sistema informático de IA que es capaz de responder a preguntas formuladas en lenguaje natural, logra vencer a un humano en el juego de Jeopardy.
• Google. El ciéntifico informático Jeff Dean, empleado de Google, y Andrew Ng, de la Universidad de Stanford, lideran el proyecto GoogleBrain, que desarrolla una red neuronal profunda que puede aprender a descubrir y categorizar objetos de forma similar a como lo hace un gato.
• Facebook. Los responsables en el área desarrollan DeepFace, un algoritmo de software que puede reconocer o verificar individuos en fotos al mismo nivel que los humanos.
• Amazon. Esta empresa crea su propia plataforma de machine learning.
• Microsoft. Logran que Kinect pueda rastrear 20 funciones humanas a una velocidad de 30 veces por segundo, lo que permite a las personas interactuar con la computadora a través de movimientos y gestos.

Un hecho relevante es el que sucede en 2015. Más de tres mil investigadores de IA y robótica, respaldados por Stephen Hawking, Elon Musk y Steve Wozniak, entre otros, firman una carta abierta en la que se advierte del peligro de armas autónomas que seleccionan y atacan objetivos sin intervención humana.

Sin duda, ha sido un gran viaje por el que ha pasado el Machine Learning, para llegar a ser lo que conocemos hoy en día. Aunque es indudable que aún tiene mucho por ofrecer para mejorar la vida de las personas.