Machine Learning Ensayo [PDF]

Zitiervorschau

MACHINE LEARNING

Sergio Andrés Ramírez Nieto. Daniel Alberto Reyes Ramírez. Jhon Anderson Carvajal Hernández. Jhonny Nieto Rojas. Omar Armando Barrientos

Corporación Universitaria Remington. Norte de Santander. Electiva de Profundización II

Introducción Hace casi un siglo, lograr que un automóvil condujese sólo, que un ordenador pudiese organizar nuestros correos o que robots pudiesen tomar decisiones fue el sueño que inspiro a muchos creadores del séptimo arte a dar vida a películas taquilleras como la saga de Terminator en la que todas sus versiones giran en torno a la creación de un sistema capaz de aprender por sí mismo y tomar decisiones con tal precisión como un experto humano a tal punto de decidir que la existencia de la humanidad suponía un peligro para el planeta y decide acabar con ella mediante la creación de vida artificial (robots), pues bien esto no es otra cosa que Lo que conocemos actualmente como Inteligencia Artificial, de la que se desprenden ramas como: El Machine Learning (Aprendizaje Automático) para la creación de sistemas expertos los cuales inicialmente se alimentan con la información de los expertos humanos y que basado en la emulación del cerebro humano mediante la forma de interconexión de sus de neuronas logran hacer que la maquina tome decisiones y este en constante aprendizaje, a tal punto de entregar respuestas a problemas complejos con mucha más rapidez que como lo haría nuestro cerebro y la precisión dependiente de la información que se le ingrese sobre el tema a analizar o resolver. A partir de lo anterior, este ensayo plantea la siguiente pregunta de investigación: ¿Cómo nace El Machine Learning y cómo humanidad tendremos claro cuando parar? Para lograr el objetivo, este estudio se ha estructurado en dos apartados. En el primero hablaremos de los orígenes de la Inteligencia Artificial y en el segundo el uso del Machine Learning en la creación de sistemas expertos.

1. Inteligencia artificial 1.1 Definición y objetivos Algunos la definen como un estudio de ideas las cuales permiten a los computadores la capacidad de ser inteligentes, otra definición muy conocida y aceptada es la de que es una mezcla entre la ciencia y la ingeniería, la cual tiene la habilidad de desarrollar procesos inteligentes desde un punto de vista informático. Uno de los principales objetivos de la IA es mejorar y perfeccionar las habilidades de los seres humanos. En la actualidad los denominados robots tienen la capacidad de realizar tareas cotidianas a velocidades increíbles y con gran calidad en algunos casos sustituyendo al hombre en su trabajo, esto para la mayoría de los empresarios es algo sumamente rentable. El poder interactuar con todo aquello que existe en su entorno, así como manipular otras máquinas y adquirir distintas habilidades para desarrollar conocimientos e interactuar de manera inteligente. Esto es posible gracias a La Inteligencia artificial la cual fue desarrollada en el año de 1951 cuando William Shockley creo un transistor de unión y gracias a este invento se dio un avance que permitió la miniaturización de los procesadores. Sin embargo, es hasta el año de 1956 cuando en la ciudad de Dartmouth en una conferencia se logra establecer por primera vez el término de “Inteligencia artificial”.   Alan Mathison Turing, En 1947. Pronunció una conferencia ante un auditorio compuesto en su mayor parte por miembros del National Physical Laboratory de Lanza la controvertida pregunta ¿Puede pensar una máquina?, esto causó bastante interés y suspicacia para los grandes científicos e ingenieros de aquellos tiempos, y a raíz de eso se comenzó con

una serie de experimentos y proyectos los cuales pretendían ver si una máquina era capaz de realizar las mismas tareas que un ser humano. Estas investigaciones llevaron a grandes avances en este campo, apoyando todas las áreas productivas de la sociedad como serían las, finanzas, ingeniería y medicina entre otros. Existen diferentes disciplinas de la inteligencia artificial como: procesamiento de lenguaje natural, visión artificial, resolución de problemas, representación del conocimiento y razonamiento, aprendizaje automatizado y robótica entre otros. Para considerar inteligente un dispositivo tiene que tener algunos requisitos y cumplir con algunas características, como la comunicación con humanos en el mismo. La visión artificial es otra de las disciplinas de la IA, esta tiene la capacidad de captar e interpretar imágenes para aprender y poder predecir distintos acontecimientos.  Uno de los pilares importantes para la IA, es poder analizar como los seres humanos pueden buscar distintas soluciones para problemas que se les presentan, el poder seleccionar entre gran cantidad de posibles soluciones. Uno de los ejemplos más claro fue el creado por IBM para el programa Yo Perdí, que consistía en la creación de un procesador de lenguaje natural llamado Watson, el cual contaba con algoritmos matemáticos avanzados y tecnología artificial como la inteligencia automática.

2. Machine Learning en la creación de sistemas expertos. 2.1 Definición de Machine Learning. Según las notas tomadas por Maria Eugenia Rojas, Machine Learning es “El proceso de aprendizaje de maquina consiste en tener una gran base de datos que se coloca como entrada a un algoritmo que se ejecuta dentro en una maquina entrenada para obtener una salida, en el proceso de utilización el usuario realiza preguntas o consultas a la maquina y obtiene respuestas” [ CITATION ISA08 \l 2058 ]

Según [ CITATION Jai20 \l 2058 ] Creador del documento MACHINE_LEARNING el cual esta como base de apoyo para la materia Electiva de Profundización para los estudiantes de la carrera de ingeniería de sistemas de la CUR, y que esta alojado en la siguiente dirección: (https://site4.q10.com/EducacionVirtual/Contenido/24759/Detalle? idLeccion=25405&cursoArchivado=False)

Machine Learning conocido en español como aprendizaje automático o aprendizaje de máquina, nació como una idea ambiciosa de la IA en la década de los 60. Para ser más exactos, fue una subdisciplina de la IA, producto de las ciencias de la computación y las neurociencias. Lo que esta rama pretendía estudiar era el reconocimiento de patrones (en los procesos de ingeniería, matemáticas, computación, etc.) y el aprendizaje por parte de las computadoras. En los albores de la IA, los investigadores estaban ávidos por encontrar una forma en la cual las computadoras pudieran aprender únicamente basándose en datos.

Sucedió con el paso de los años que el machine learning comenzó a enfocarse en diferentes asuntos, tales como el razonamiento probabilístico, investigación basada en la

estadística, recuperación de información, y continuó profundizando cada vez más en el reconocimiento de patrones (todos estos asuntos aplicados a procesos de ingeniería, matemáticas, computación y otros campos relacionados con objetos físicos o abstractos). Esto ocasionó que en los 90 se separara de la IA para convertirse en una disciplina por sí sola, aunque muchos aún la consideran como parte de la IA. Ahora, el principal objetivo del machine learning es abordar y resolver problemas prácticos en donde se aplique cualquiera de las disciplinas antes mencionadas.

2.2 Definición de Sistemas Expertos y estructuración Los llamados sistemas expertos se pueden definir como programas de computador el cual contiene la información de un especialista para un determinado campo de aplicación. [ CITATION Raú01 \l 2058 ]

 La humanidad en su afán de emular su existencia ha creado máquinas inteligentes e inventado metáforas del cerebro humano. Por ejemplo, en el siglo XVII René Descartes se preguntó: ¿si un complejo sistema compuesto por engranajes, metal y tubos podría emular en principio el pensamiento? Siglos después, los sistemas telefónicos parecían mediante sus conexiones asimilar una red neuronal. En la actualidad los modelos dominantes están basados en el ordenador digital.

Un Sistema Experto es un software que nace ante la necesidad de contratar expertos en determinado tema, la escases de estos y el alto costo de su contratación. El mismo (Sistema Experto) al contener el conocimiento del especialista humano, es una inversión más rentable, sin

embargo, debe ser capaz de responder con eficiencia y eficacia ante la resolución de problemas y toma de decisiones como lo haría el especialista o experto humano. Por ejemplo: Resolver el problema que se le plantea de la misma manera que el experto humano, trabajar con datos incompletos o información insegura, explicar el resultado obtenido, aprender conocimientos nuevos sobre la marcha, reestructurar los conocimientos que dispone en función de datos nuevos, saltarse las normas cuando se llega a la conclusión de que estas no son aplicables a nuestro caso concreto.  La documentación del conocimiento y la facilidad de trasferencia es otra de las ventajas de los sistemas expertos, pues no depende de los años de vida del especialista humano, sino de los servidores donde este alojada la información que utiliza el software.

Lo anterior hace que los sistemas expertos resulten más económicos para las organizaciones que contratar un especialista o experto humano, sin embargo, según lo escrito en el libro Introducción a la inteligencia artificial: sistemas expertos, redes artificiales neuronales y computación evolutiva. (Díez et al., 2001, p. 10) “Los sistemas expertos nunca van a reemplazar por completo los trabajos del hombre” Y tiene mucho sentido pues son los expertos quienes asesoran a los programadores o creadores de los S.E en su construcción.

Base de Conocimiento: contiene la información disponible según el campo para el que se desarrolla el S.E. Base de Hechos: contiene los datos sobre la situación concreta que va a ser considerada también se puede utilizar como una memoria auxiliar o de trabajo en la que se almacenan los modos de razonamiento y como han sido utilizados. Motor de Inferencias: es el programa encargado de gestionar la información contenida en la base de conocimientos y los datos de la base de hechos del S.E confrontándolos para construir una serie de razonamientos que conduzcan a los resultados, los más comunes son: (Forward o backward chaining) Procesos para la construcción de un S.E 1.

Selección de la aplicación

2.

Selección de la herramienta de desarrollo

3.

Diseño de ingeniería y construcción del prototipo

4.

Integración y mantenimiento en el régimen de producción

Un ejemplo de aplicación de los S.E es en la auditoría. En cierta manera se puede decir que analizar el funcionamiento del cerebro humano ha sido la clave desde la década de los 70 para que a través de la emulación de Redes neuronales artificiales los S.E puedan lograr la toma de decisiones casi como lo haría un especialista o experto humano. (analogía cerebral). Esto después de que los algoritmos fallaran. 

  Para definir totalmente una red neuronal no basta con describir el comportamiento individual de sus componentes, es necesario especificar la forma de interconexión y agrupación de esta lo que da origen a la conocida (Red Neuronal). Estas capas se subdividen en 3:   - De entrada: esta contiene el número y tipo de neuronas dependiendo de los datos del problema.  - Intermedias: (Más de una), dependen del tipo y complejidad del problema a resolver con la red.  - De salida: El número de neuronas de esta capa depende del formato esperado de salida de la red. 

Aun con todo el avance que se tiene en la actualidad en el tema de inteligencia artificial, el éxito de un S.E sigue siendo en un alto porcentaje dependiente de que tan claras estén las reglas de juego, con reglas poco claras los resultados serán muy limitados.

Conclusión. Al termino de este ensayo podemos concluir que aunque El Machine Learning surgió como una rama de la I.A y que hoy tiene sus propios enfoques, sin duda se apoya el principio de esta que es el de emular un aprendizaje artificial que le permita a los dispositivos electrónicos pensar como los expertos humanos, tomar decisiones y reaccionar de forma más rápida y precisa que como lo hiciera nuestra especie, todo esto con el único propósito de facilitarnos la existencia en el planeta, aunque si tomamos la frase del físico teórico Stephen Hawking, “El desarrollo de una inteligencia artificial podría significar el fin de la raza humana”. Sería una alerta temprana que deberíamos tener en cuenta para saber en qué momento parar, antes que sea demasiado tarde y esto que hoy parece mágico, se nos salga de control.

Referencias Fuentes, J. (2020). MACHINE_LEARNING. Cúcuta. GUYON, I. (02-31-2008). INTRODUCTION TO MACHINE LEARNING. Raúl Pino Díez, A. G. (2001). Introducción a la inteligencia artificial: sistemas expertos, redes artificiales neuronales y computación evolutiva. . Oviedo, España: Universidad de Oviedo.