El aprendizaje automático o machine learning es una rama de la inteligencia artificial (IA) que está transformando la forma en que trabajamos y vivimos. En este sentido, el mercado global de esta rama está acaparando cada vez más cuota de mercado, y tal es el crecimiento que si en 2018 su valor global ascendía a a U$S 6,9 mil millones, en 2025 se prevé que se valore en U$S 96,7 mil millones, según un estudio de la consultora Machine Learning Market.
De esta forma, resalta el evidente crecimiento de la importancia por comprender cómo trabajar con datos y la ciencia que hay detrás de estos –Data Science–, cada vez más accesible, algo que está llevando a su paulatina «democratización».
A lo largo de este 2022 se prevé un mayor impulso de cara a lo que se conoce como “datos pequeños”. Esto surge como un paradigma para facilitar el análisis cognitivo rápido de los datos más importantes que se obtienen tanto en el borde de las redes como en situaciones en las que el tiempo, el ancho de banda o el gasto de energía son esenciales y no hay tiempo para enviar y volver a recibir los datos desde un servidor en la Nube centralizado (como ocurre en el caso de los automóviles autónomos).
Desde Baufest explican cómo este campo continuará su crecimiento siendo motor del desarrollo e innovación en otros sectores y repasan las principales tendencias en esta ciencia.
Un nuevo concepto: Tiny Machine Learning
Recientemente ha surgido un nuevo concepto vinculado a los datos más pequeños: el de TinyML, que se refiere a aquellos algoritmos de aprendizaje automático que están diseñados para ocupar el menor espacio posible para que puedan ejecutarse en hardware de baja potencia, cerca de donde está la acción (es decir, en el perímetro de las redes). Según las previsiones, “en 2022 veremos aparecer estos algoritmos en un número cada vez mayor de sistemas integrados, desde dispositivos portátiles hasta electrodomésticos, automóviles, equipos industriales y maquinaria agrícola”.
Durante 2022 el Machine Learning, también tendrán un rol clave para optimizar el servicio y la experiencia del cliente basada en datos, el deeplearning y el data mining, de tal forma que puedan asegurar viajes cada vez más valiosos, agradables y con mayores niveles de personalización. Para ello, serán claves los avances en el área de análisis predictivo.
Por otra parte, el machine learning también tendrá un papel fundamental en la nueva convergencia entre la IA, el Internet de las cosas (IoT), la computación en la Nube y las redes de alta velocidad como el 5G, habilitando a los dispositivos de IoT para que “actúen de manera inteligente e interactúen entre sí con la menor necesidad de interferencia humana posible, impulsando una ola de automatización y la creación de hogares, fábricas y ciudades inteligentes”.
En este punto, los algoritmos de ML también serán fundamentales “para permitir que los nuevos tipos de transferencia de datos de las redes 5G de alta velocidad sean una realidad, facilitando desde el enrutamiento del tráfico para garantizar velocidades de transferencia óptimas hasta la automatización”.
Automatización de preparación y limpieza de datos
AutoML es la abreviatura de «aprendizaje automático automatizado», además de una tendencia que busca crear herramientas y plataformas que se puedan utilizar para crear sus propias aplicaciones de ML, dirigida particularmente a los expertos en distintos campos del conocimiento que no tienen habilidades de codificación necesarias para aplicar la IA a estos problemas.
En este sentido, implica automatizar las tareas de preparación y limpieza de datos, además de construir modelos y crear algoritmos y redes neuronales. El objetivo es, que muy pronto, “cualquier persona con un problema que deba resolver o una idea que desee probar, pueda aplicar el aprendizaje automático a través de interfaces simples y fáciles de usar”.
