La siguiente evolución del aprendizaje de máquina: Enseñanza de máquina
Los investigadores de Microsoft están al frente de los esfuerzos por ayudar a la gente sin ningún antecedente en aprendizaje de máquinas a enseñar a sus sistemas a ser mejores basados en la experiencia.
Llaman a esta nueva evolución enseñanza de máquina.
“Nadie ha construido en verdad una herramienta de aprendizaje de máquina para la gente de a pie”, mencionó Patrice Simard, un distinguido ingeniero de Microsoft Research que dirige un nuevo proyecto de investigación en enseñanza de máquinasdentro de Microsoft Research.
El aprendizaje de máquinas, en el cual los sistemas se vuelven más inteligentes conforme reciben más datos, ha probado una increíble utilidad para construir experiencias de cómputo más personales.
Gracias al aprendizaje de máquina, su bandeja de entrada está por lo general libre de spam y de otros correos no deseados, y su smartphone puede mejorar de manera constantesu entendimiento sobre cuáles son sus necesidades personales basado en lo que dicen y hacen.
El aprendizaje de máquina también es clave para algunas de las más avanzadas tecnologías disponibles hoy en día, como la traducción de voz en tiempo real de Skype Translator, y es cada vez más utilizada para tareas corporativas como detección de fraudes o predecir crecimiento de ganancias.
Se espera que se vuelva más importante conforme la tecnología continúe con su “revolución invisible”, en la que los avances suceden cada vez más en la nube y más allá de los confines del hardware de cómputo tradicional.
El aprendizaje de máquina ha probado ser tan útil que ha creado un problema de oferta y demanda: No hay gente suficiente con experiencia en aprendizaje de máquina para hacer todos los proyectos que los negocios y las organizaciones quieren. Esto ha dado pie a más esfuerzos para que el aprendizaje de máquina esté disponible a un grupo más amplio de personas.
Microsoft ya está involucrado a profundidad en esos esfuerzos con Azure Machine Learning,un conjunto de algoritmos y herramientas basadas en la nube, que permite a los científicos de datos desarrollar de manera más rápida y eficiente, modelos de aprendizaje de máquina.
Con Azure ML, otros desarrolladores sin antecedentes de aprendizaje de máquina pueden utilizar esos modelos para agregar capacidades profundas de aprendizaje de máquina, en lugar de siempre tener que apoyarse en un científico de datos o un experto en aprendizaje de máquinas. Esto ahorra tiempo y dinero.
Patrice Simard demuestra herramientas de aprendizaje de máquina de Microsoft Research.
El proyecto de enseñanza de máquina de Microsoft Research se basa en ese esfuerzo al crear herramientas que podrían permitir a cualquier persona enseñar a una computadora cómo realizar tareas de aprendizaje de máquina, incluso si esa persona no cuenta con experiencia en análisis de datos o ciencias de la computación.
Simard espera que con el tiempo, un experto en materia de un tema específico – como un doctor, un trabajador de la información o un chef – puedan utilizar estas herramientas de enseñanza de máquina para entrenar modelos que sean capaces de realizar tareas en su nombre.
Por ejemplo, las herramientas de enseñanza de máquina pueden ser utilizadas para filtrar largas cantidades de datos para encontrar registros médicos, email o una receta que cumplan con criterios muy específicos. Las herramientas también podrían ser utilizadas para llenado automático, hacer sonar una alarma o realizar una acción cuando ciertas condiciones sean cumplidas.
Para algunos investigadores de aprendizaje de máquina, este nuevo enfoque representa un gran cambio, comenta Simard. Hasta ahora, muchos investigadores de aprendizaje de máquina se habían enfocado en cómo pueden construir algoritmos mejores, más rápidos y más precisos. Simard cree que ganancias más grandes a futuro pueden llevarse a cabo al incrementar el número de personas que pueden crear, enseñar y mantener esos modelos.
Para hacer esto Simard comentó que en lugar de lo anterior, los investigadores deben pensar en crear herramientas que sean más autónomas, y eso incluye una interfaz de usuario simple y entendible.
Una versión temprana de la tecnología de enseñanza de máquina del grupo ya se utiliza en el Servicio de Entendimiento Inteligente del Lenguaje, una beta por invitación que permite a las aplicaciones entender de manera sencilla lo que quieren decir los usuarios cuando dicen o escriben algo a través del lenguaje natural diario.
Dubbed LUIS es parte de Project Oxford, un conjunto de tecnologías que permite a los desarrolladores crear aplicaciones más inteligentes que pueden hacer cosas como reconocer rostros e interpretar lenguaje natural incluso si el desarrollador de la aplicación no es experto en ese campo.
Conforme el aprendizaje de máquina se vuelve más popular, Simard espera más aplicaciones como esa. Él comentó que es impráctico asumir que cada empresa que quiere personalizar una aplicación de ejercicio o construir un sistema de autoayuda para sus clientes, pueda ser capaz de contratar a un experto en aprendizaje de máquina.
“La solución es democratizar el aprendizaje de máquina”, mencionó.