-
Inicios de Machine Learning
Por moderno que pueda parecer este campo, nos debemos remontar al año 1950 cuando el gran Alan Turing creó el “Test de Turing”. De forma que para pasar el test, una máquina debía engañar a un humano haciéndole creer que se encontraba delante de un humano en vez de un ordenador. -
Arthur Samuel
Arthur Samuel escribe el primer algoritmo que es capaz de aprender.
El programa de Samuel era el juego de “damas”, que contribuyó a que la computadora mejorara en el juego conforme jugaba más, esto fue posible al estudiar qué movimientos componían estrategias ganadoras e incorporarlos en su programa. -
Inteligencia Artificial
En el verano de 1956 bajo el seno de una conferencia nacerá el término ‘Artificial Intelligence’ (Inteligencia Artificial) para nombrar el nuevo campo que estudiaban los informáticos -
Frank Rosenblatt
Para 1957 Frank Rosenblatt inventó el Perceptron, tecnología que asemeja al cerebro humano, ya que se trataba de un tipo de red neuronal. En sus principios, Perceptron conectaba una red de puntos donde se toman decisiones simples que se unen al programa más grande para resolver problemas complejos. -
Nearest Neighbor
para 1966-67 se desarrollo un algoritmo conocido como “nearest neighbor” que permitió a las computadoras utilizar un reconocimiento de patrones muy básico. Incluso tuvo fines comerciales, pues éste logró trazar un mapa de una ruta para vendedores ambulantes. -
Nuevo Avance En ML
A mediados de 1970-73 estudiantes de la Universidad de Stanford escribirán un programa de computadora que conducía un carrito a través de espacios desordenados, obteniendo su conocimiento del mundo entero a partir de imágenes transmitidas por un sistema de televisión integrado. -
Aprendizaje Basado en Explicación (EBL)
A principios de los 80s, Gerald Dejong plantea el concepto «Aprendizaje Basado en Explicación» (EBL, por sus siglas en inglés). Se trata de un conocimiento en el que la computadora analiza datos de entrenamiento y crea una regla general que puede seguir para descartar datos. -
Resurge Machine Learning
Para principios de los años 90s Machine Learning ganó popularidad gracias a la intersección de la informática y la estadística que dio lugar a enfoques probabilísticos en la IA. Esto generó un gran cambió al campo del ML, ya que se trabajaría con más datos. Fue en este periodo que se comenzó a utilizar esta tecnología en áreas comerciales para la minería de datos, software adaptable y aplicaciones web, aprendizaje de texto y aprendizaje de idiomas. -
Geoffrey Hinton
La llegada del nuevo milenio trajo consigo una explosión en el uso del Machine Learning, debido a que Geoffrey Hinton acuña el término “Deep Learning”, con el que se explican nuevas arquitecturas de Redes Neuronales profundas que permiten a las computadoras «ver» y distinguir objetos y texto en imágenes y videos. -
Period: to
Google entra en el Juego
En el año 2003 se publica un estudio sobre un sistema de ficheros distribuidos, llamado ‘Google File System’ Y terminará definiéndose en 2004 cuando Google presente unnuevo paradigma de procesamiento distribuido al que llamará ‘Map & Reduce’. tambien crea el ‘Cloud Bigtable’ que es el servicio de bases de datos de Big Data NoSQL. Es el año 2006, ingenieros de Apache llevan a la culminación los paradigmas de Google en la primera plataforma Big Data Open Source, a la que llaman Hadoop. -
Period: to
Grandes Avances en ML
Facebook. Los responsables en el área desarrollan DeepFace, un algoritmo de software que puede reconocer o verificar individuos en fotos al mismo nivel que los humanos.
Amazon. Esta empresa crea su propia plataforma de machine learning.
Microsoft. Logran que Kinect pueda rastrear 20 funciones humanas a una velocidad de 30 veces por segundo, lo que permite a las personas interactuar con la computadora a través de movimientos y gestos. -
Period: to
Grandes Avances en ML
Después del 2010 IBM. Su tecnología Watson, sistema informático de IA que es capaz de responder a preguntas formuladas en lenguaje natural, logra vencer a un humano en el juego de Jeopardy. Google. El ciéntifico informático Jeff Dean, empleado de Google, y Andrew Ng, de la Universidad de Stanford, lideran el proyecto GoogleBrain, que desarrolla una red neuronal profunda que puede aprender a descubrir y categorizar objetos de forma similar a como lo hace un gato. -
Riesgo de ML Sin Control
Un hecho relevante es el que sucede en 2015. Más de tres mil investigadores de IA y robótica, respaldados por Stephen Hawking, Elon Musk y Steve Wozniak, entre otros, firman una carta abierta en la que se advierte del peligro de armas autónomas que seleccionan y atacan objetivos sin intervención humana. -
Machine Learning En Nuestra Vidas
Los vehículos de conducción autónoma, los diagnósticos médicos, y la asistencia conversacional son muchos de los avances que hemos podido alcanzar como especie en nuestro mundo gracias a l machine learning esperamos los expertos de las diferentes ramas de IA sigan sorprendiéndonos sobre este nuevo y maravilloso mundo tecnológico.