MACHINE LEARNING

Esta técnica permite que las computadoras "aprendan" a hacer algo sin que haya sido específicamente programadas para realizar ese "algo". 

Lo que hace el machine learning es ejercitar a un sistema para que identifique patrones, a partir del análisis de una gran cantidad de datos, y tome decisiones en función de ellos. El sistema va "aprendiendo", pero en muchas ocasiones necesita de la validación de los humanos para confirmar que lo está haciendo correctamente. 

Existen diferentes tipos de machine learning:

• El supervisado: necesita que los aprendizajes sean validados a través de la intervención humana. 
• El no supervisado: trata de generar patrones o características comunes en grandes conjuntos de datos que no están clasificados ni identificados. 
• El aprendizaje por refuerzo: dónde el sistema aprende a partir de la interacción con el entorno. Las respuestas del sistema son validadas por humanos y esta evaluación sirve para mejorar aquel sistema. 

Lo que los sistemas aprenden son habilidades discretas, que en nada se parecen a los holístico de la inteligencia humana. Dentro de las técnicas de machine learning se encuentra el llamado "deep learning" o "aprendizaje profundo", que utiliza la simulación de la conexión entre las neuronas a través de diferentes capas mediante las cuelas se va perfeccionando el algoritmo de aprendizaje. 

La conexión entre las sucesivas capas de la red de neuronas permite refinar los patrones entre los datos, y así sofisticar el grado de predicción que puede ofrecer el sistema. 

Entre los ejemplos más utilizados en la actualidad podemos mencionar las recomendaciones que algunas plataformas o sitios web nos dan para continuar consumiendo determinados contenidos. Esta sugerencia se construye a partir del uso de machine learning y se perfecciona en función de las reacciones y comportamientos digitales de los usuarios.