Las “tribus” (o escuelas) del machine learning

Parece que hablar del machine learning es hablar de un concepto muy novedoso que está estrechamente relacionado con la inteligencia artificial. Este término ya empieza a aparecer en las reflexiones estratégicas cuando pensamos en los perfiles y tecnologías que van a ser necesario muy muy pronto en nuestras organizaciones.
Y es que, de lo que se trata básicamente es de determinar cómo deben aprender las máquinas a interpretar los datos que tenemos a día de hoy, para poder aprender a partir de ellos. Algo que, con el paso del tiempo, estará mucho más en auge, ya que se considera como el futuro de la tecnología dentro de las ciencias de la computación.

(Si quieres saber más sobre machine learning y deeplearning y porqué van a ser clave en el futuro puedes ver mi post anterior aquí.)

Pedro Domingos, en su libro “The Master Algorithm” describe las cinco corrientes o escuelas que se diferencian en la disciplina con la que se acercan al machine learning, o dicho de otro modo, en función del tipo de solución (vista como algoritmo) que usan. Las cinco tribus son: simbolistas, conectivistas, evolutistas, bayesianos y analogistas. Unas corrientes que engloban lo que se conoce como deeplearning, que no es otra cosa que el conjunto de algoritmos que se utilizan para interpretar y sacar conclusiones a partir de un modelo de datos abstracto.

cinco-tribus-escuelas-machine-learning-03

La deducción inversa de las simbolistas

Hablar de la corriente simbolista es lo mismo que hablar de una corriente que tiene la lógica y la filosofía como pilares básicos y fundamentales. A partir de aquí practican lo que se denomina como deducción inversa. Una técnica que trata de ir cubriendo aquellas parcelas que permanecen sin resolver dentro del conocimiento de la máquina.

 

Los conectivistas y la neurociencia

En cuanto a los defensores de la corriente conectivista, hay que decir que no creen que la lógica tenga mucho impacto en el aprendizaje de las máquinas. En su caso, lo que tratan es crear pequeños cerebros a partir de lo que denominan como retropropagación. Y es que a partir de las interconexiones que permite una estructura como la de un cerebro, tal y como propone la neurociencia, es como mejor se puede interpretar algo tan complejo como puede ser el big data.

 

Los evolutistas se ciñen a Darwin

Esta es una afirmación rotunda. No en vano son las teorías de la evolución que propuso en su día Charles Darwin las que sirven de base para el aprendizaje de las máquinas que ellos quieren imponer. De este modo, plantean la posibilidad de un aprendizaje a partir de varias teorías, es decir, de lo que se trata es de que la máquina busque una solución a un problema a partir de varias vías. De este modo, no solo se busca y se encuentra una solución, sino que al mismo tiempo también se descartan algunas teorías que no sirven para dicho objetivo.

 

Bayesianos apostando por la probabilidad

La base de los bayesianos es la teoría de la probabilidad y de la estadística. En este caso, se trata de calcular cómo de improbable es un hecho para poder descartarlo como posible solución. A partir de aquí, y teniendo en cuenta que el proceso no es para nada sencillo, la base de datos se irá actualizando, lo que equivale a un proceso de aprendizaje.

 

Los analogistas y el principio del todo

No obstante, los analogistas aseguran que el principio de analogía es el que mejor resume lo que se puede considerar como aprendizaje. Y es que, como el ser humano, las máquinas deben plantear ciertas analogías para poder dar solución a los problemas que se les plantea. Dichas analogías se irán almacenando en una base de datos de modo que, con el paso del tiempo que transcurre, se tarda menos en trazar una analogía. Una corriente que es una de las que mayor impacto tiene, ya que es una de las más sencillas de implementar a nivel técnico.

 

Como se puede comprobar, son muchas las aproximaciones desde las que se puede aplicar el machine learning obteniendo, al menos en teoría, unos resultados ¿bastante similares?.

 

Si te interesa el tema, puedes encontrar estas fuentes interesantes:

  • El libro de Pedro Domingos: https://www.amazon.com/Master-Algorithm-Ultimate-Learning-Machine/dp/0465065708
  • Template de DigimadMediaDesign