Las tendencias tecnológicas, para algunas personas, transmiten cierto temor, ya que no se tiene una idea clara de cuál será su impacto en la vida diaria, en las áreas profesional y personal, así ha sucedido con la Inteligencia Artificial (IA) o el Internet de las Cosas.

Así que al hablar de la IA, el Machine Learning (ML) tampoco se salva de los mitos y falsas creencias. A continuación revisaremos algunos ideas erradas que se tienen alrededor del ML:

• Machine Learning significa sólo generar datos compactos

Un gran número de personas tienen la idea errónea de que el ML sólo recopila datos. Lo que no tienen presente es que la función principal de esta tecnología es, en parte, predecir el futuro. Por ejemplo, si un usuario ha visto algunas películas en el pasado, con la ayuda del ML, el sistema podría decirle a la persona algunas películas que le podrían interesar.

• Los algoritmos del ML simplemente descubren correlaciones entre pares de eventos

Esta es la impresión que obtiene de la mayoría de las menciones del Machine Learning en los medios. En un ejemplo famoso, un aumento en las búsquedas de Google para “gripe” es una señal temprana de que la enfermedad se está propagando. Tan sólo es una forma de verlo. La mayoría de los algoritmos de aprendizaje descubren formas de conocimiento mucho más ricas, como una regla: si un lunar tiene una forma y un color irregulares y está creciendo, entonces podría significar cáncer de piel.

• El aprendizaje automático sólo puede descubrir correlaciones, no relaciones causales

Uno de los tipos más populares de Machine Learning consiste en probar diferentes acciones y observar sus consecuencias: la esencia del descubrimiento causal. Por ejemplo, un sitio de e-commerce puede probar diferentes maneras de presentar un producto y elegir en la que se cierren más compras. Probablemente has participado en miles de estos experimentos sin saberlo.

• El ML no es útil cuando se trata de eventos invisibles

La mayoría de la gente piensa que el Machine Learning no es capaz de predecir eventos invisibles que se conocen comúnmente como eventos «Cisne Negro«. En realidad, esta tecnología está diseñada para predecir casi cualquier tipo de eventualidad con alta precisión.

• No hay espacio para el conocimiento preexistente en el Machine Learning

Muchos profesionales TI sienten que el ML está en un estado en blanco, lo que significa que sólo se obtiene conocimiento mediante los algoritmos. De acuerdo a estos profesionales, el poder de razonamiento real sólo puede derivarse de la experimentación y el razonamiento pasados. En realidad, los algoritmos en Machine Learning no tienen un estado en blanco y son requeridos algunos datos del usuario para modificar el conocimiento de los sistemas.

• Los modelos complejos no son precisos

Esto significa que muchas personas piensan que una infraestructura simple de ML tiende a ser más precisa. Esta vista resulta falsa porque una infraestructura simple puede venir con datos complejos y el modelo complejo puede venir con los datos más simples que son muy fáciles de entender.

• ML pronto dará lugar a una inteligencia sobrehumana.

A partir de las noticias diarias de los avances de Inteligencia Artificial, es fácil tener la impresión de que las computadoras están a punto de ver, hablar y razonar tan bien como nosotros. Ciertamente se ha recorrido un largo camino en los primeros 50 años de la IA y el ML, la razón principal de sus éxitos recientes, pero aún nos queda mucho camino por recorrer. Las computadoras pueden hacer muchas tareas limitadas muy bien, pero aún no tienen sentido común.