-26- DÍA 1 BLOOMBERG
Lunes 25 de noviembre del 2019
El Gurú
Inteligencia artificial y ‘machine
learning’, ‘pequeñas’ diferencias
ORLANDO CERRUTTI
DirectordeOBCerruttiyprofesordePacíficoBusinessSchool
C
omo comenté en mi último
artículo, en el de hoy quiero
explicar cómo funcionan los
sistemas de inteligencia ar-
tificial (IA) y el concepto de
‘machine learning’.
Usemos un ejemplo para ilustrar cómo
funciona la IA. Mario es un gran supervi-
sor de ventas, visita a 20 clientes cada mes
y solo puede hacer una visita diaria dado
el tiempo que tiene para dedicarles. Ade-
más, él solo se desplaza en bicicleta, pues
le preocupa el medio ambiente. El proble-
ma es que Mario termina el mes agotado
y está pensando en mudarse para reducir
sus recorridos.
Para suerte de Mario, hay casas para
alquilar en todas las manzanas de su ciu-
dad y su amigo Julio, a quien le gustaban
las matemáticas en el colegio, le ha dicho
que puede encontrar una solución a su
problema, encontrar la manzana ‘óptima’:
aquella que le permitirá visitar a todos sus
clientes –cada mes– y con el menor reco-
rrido posible.
Julio inicia su trabajo diseñando una
fórmula para calcular el total de kilóme-
tros que Mario debe recorrer desde cual-
quier punto de la ciudad para visitar a sus
20 clientes. Así, tomando como dato de
partida los kilómetros a recorrer desde
su actual casa, compara esta distancia
con lo que tendría que recorrer si viviera
en cualesquiera de las manzanas que ro-
dean a la que vive actualmente. Tras esta
comparación, Mario tendría que mudarse
virtualmente a la manzana con el menor
recorrido. Julio repetirá este proceso has-
ta llegar a una manzana en donde las
que la rodean ya no disminuyan el
recorrido. Esta es la manzana a
la que finalmente Mario de-
bería realmente mudarse.
Lo que está haciendo
Julio es ir reduciendo pro-
gresivamente el ‘exce-
so’ de recorrido de Ma-
rio, hasta encontrar
la manzana óptima a
donde debería mudar-
se. Los matemáticos re-
fieren a este proceso co-
mo reducir a un mínimo
deseado el error.
El proceso seguido por
Julio ejemplifica la base teó-
rica que sustenta el concep-
to de IA: diseñar un modelo que
mediante procesos repetitivos nos
‘lleve’ progresivamente a la mejor
solución de un problema con un rango
aceptable de error. Es así como los sistemas
de IA identifican una cara, leen y traducen
un texto o interpretan una radiografía den-
tro de un rango de error aceptable, que pre-
viamente se ha definido para ellos.
El concepto de ‘machine learning’ es dis-
tinto y se refiere al proceso mediante el cual
las computadoras ‘aprenden’ a resolver un
problema, con mayor certeza en base a su
experiencia. La experiencia se construye, en
este caso, a través de resolver un problema y
confrontar su respuesta con la correcta.
Gracias a los avances en las computadoras
para hacer cálculos complejos y masivos, la
enorme disponibilidad de datos y lenguajes
sofisticados, un algoritmo desarrollado en
los años 80 llamado ‘redes neuronales ar-
tificiales’ es uno de los modelos de IA más
utilizados que aprenden con la experiencia.
Un ejemplo del uso de las ‘redes neuro-
nales artificiales’ es enseñar a una compu-
tadora a identificar los números del 0 al 9. El
proceso parte de exponer a la computadora
a un número al azar, la computadora lo ‘lee’
ILUSTRACIÓN: GIOVANNI TAZZA
“Con la inteligencia
artificial (IA) se define
un modelo. En el caso de
las redes neuronales [o
‘machine learning’], los
datos vienen primero y
la red va construyendo el
modelo, va aprendiendo”.
(identifica la densidad en los diferentes
píxeles) y esta información va pasando
por las diferentes neuronas de la red hasta
llegar a la última neurona o nodo con una
respuesta. El encargado de supervisar
el aprendizaje o el profesor, que puede
ser una persona u otro algoritmo, le
responde a la computadora indicán-
dole cuál era el número correcto.
Con esta información, se retroali-
menta la ‘red neuronal artificial’,
que ajusta sus parámetros suce-
sivamente, mejorando de esta
manera su performance.
Al inicio, cerca del 10% de los
casosacertaráconelnúmeroleído,
pero a medida que lea más núme-
ros, sean estos escritos a mano o por
medios digitales, la ‘red neuronal
artificial’ irá ajustando sus paráme-
tros hasta encontrar los que generan el
margen de error deseado. Es un proceso de
ida y vuelta de miles o millones de veces: lee
un nuevo dato, da una respuesta, recibe la
respuesta correcta, ajusta los parámetros
de la red neuronal y repite el proceso hasta
llegar a la exactitud deseada. Todo esto sin
que se requiera que el usuario conozca la
matemática compleja detrás de las redes
neuronales.
Como reflexión final, es interesante ha-
cer notar que, en el primer ejemplo, Julio
definió una fórmula o modelo con el que
se trabajaría, mientras que la magia de las
‘redes neuronales artificiales’ es que no es
necesario definir un modelo, solo tomar-
se el tiempo de informarles la respuesta
correcta (aprendizaje supervisado), para
que ellas construyan su propio modelo, de
ahí su gran utilidad.
Julio definió el modelo y luego ingresó
losdatos.Enelcasodelasredesneuronales,
losdatosvienenprimeroylaredvaconstru-
yendo el modelo, va ‘aprendiendo’.
El Comercio no necesariamente coincide con las opiniones
de los articulistas que las firman, aunque siempre las respeta.