El machine learning crecerá en 2018

La inteligencia artificial es capaz de predecir el éxito de una startup o el riesgo de padecer Alzheimer gracias a herramientas como el machine learning o aprendizaje automático. El machine learning es la única área que funciona dentro de la IA y nos permite estudiar grandes volúmenes de datos que, de otro modo, nuestro cerebro sería incapaz de analizar de forma correcta.

Esta tecnología trabaja con algoritmos capaces de analizar dicha información en múltiples dimensiones, sacarles un patrón común y realizar predicciones basadas en datos, no en intuiciones. Su avance es de tal magnitud que la mayoría de grandes empresas ya se han dado cuenta de sus beneficios y, según una reciente investigación de Deloitte, las corporaciones duplicarán el uso de machine learning para 2018.

Según el informe «Technology, Media and Telecommunications Predictions» de 2018, el número de implementaciones y proyectos piloto que utilizarán esta tecnología durante el próximo año será el doble en comparación con 2017, y para 2020 se volverán a duplicar. De hecho, la consultora IDC pronostica que el gasto en IA y ML aumentará de 12.000 millones de dólares en 2017 a 57.600 millones de cara a 2021, aunque la adopción del machine learning todavía se encuentra en sus primeras fases.

Factores para el desarrollo del machine learning

Deloitte ha identificado en su análisis cinco factores que han frenado el crecimiento del aprendizaje automático: muy pocos practicantes, altos costes, herramientas demasiado jóvenes, modelos confusos y regulaciones comerciales. En resumen, estos avances para el progreso del ML tienen que ver con la automatización, la reducción de datos y la aceleración del entrenamiento, esto es, hacer esta tecnología más fácil, barata y rápida para expandir su mercado.

El mercado del ML continúa mejorando, y es probable, tal y como indica Deloitte, que surja otra mejora clave durante 2018. De manera detallada, los cinco factores que señala la compañía para no frenar el progreso son:

• Automatizar la ciencia de datos para que las tareas de ML y exploración de información no ocupen tanto tiempo y espacio.

• Reducir la necesidad de datos de entrenamiento, ya que el entrenamiento de un modelo ML puede requerir hasta millones de datos y, de esta manera, se reduciría tiempo y coste.

• Acelerar dicho entrenamiento, los cálculos requeridos y la transferencia de información.

• Explicar los resultados con confianza en las respuestas generadas por un modelo ML.

• Despliegue local. El uso de ML crecerá junto con la capacidad para desplegarlo donde sea necesario. Es preciso expandir las aplicaciones de dicha tecnología a hogares y ciudades inteligentes, vehículos autónomos, y tecnología portátil e industrial.

Otras tecnologías emergentes

El informe también destaca el uso de otras tecnologías emergentes, como es el caso de la realidad aumentada. En total, 1.000 millones de smartphones desarrollarán contenido en realidad aumentada, al menos, una vez durante 2018. Por ejemplo, en los filtros animados de Snapchat o Instagram. La realidad aumentada se fusionará con las aplicaciones basadas en la cámara de nuestro teléfono inteligente.

Por otra parte, Deloitte predice que, para finales de 2023, la penetración de los smartphones en países desarrollados superará el 90%; y las ventas para ese mismo año se situarán cerca de los 1,85 mil millones. El secreto del éxito del teléfono inteligente de cara a los próximos cinco años será la introducción de innovaciones «invisibles» para los usuarios que facilitarán su uso, como el reconocimiento basado en mapas de profundidad o la funcionalidad mejorada.

El avance de las nuevas tecnologías como el machine learning es imparable, y en los próximos años veremos implementado su desarrollo.