...
El análisis de datos individuales crea un patrón único basado en likes y visitas
Por Catalina Torres
“Machine learning”, traducido como aprendizaje automático, es un proceso algorítmico que usa estadísticas para encontrar patrones en cantidades masivas de datos. Hoy, el algoritmo se vuelve indispensable a la hora de entrar a cualquier plataforma o servicio en línea. La red de recomendaciones en base a búsquedas y gustos es cada vez más precisa gracias a este proceso.
Cada plataforma que se usa en el día a día – Google, Netflix, Instagram, Facebook, por nombrar algunas – recolecta información y datos de la forma en que cada usuario interactúa, relacionando búsquedas con likes o visitas. Esto, con el fin de predecir el mejor tipo de contenido para el usuario y, al mismo tiempo, la publicidad más atractiva.
El Instituto de Tecnología de Massachussets (MIT) señala que el proceso “es bastante básico: encuentra el patrón, aplica el patrón. Pero prácticamente maneja el mundo”. Gracias a la red neuronal, que funciona muy parecido a las neuronas del cerebro humano, las máquinas pueden aplicar un aprendizaje profundo (Deep Learning) sobre todos los movimientos del usuario en internet. Así pueden predecir el comportamiento incluso con la menor cantidad de información disponible.
Pero el “machine learning” no es un proceso único. El MIT indica que viene con tres “sabores”: supervisado, no supervisado y reforzado. En el aprendizaje supervisado, que es el más común, la información y los datos ya clasificados le dicen a la máquina qué patrones buscar. En términos simples, YouTube y Netflix muestran videos, películas y series relacionadas al contenido que se ha visto, reconociendo patrones como quién subió el video, el tema o el actor.
El aprendizaje no supervisado corresponde a la etapa previa del supervisado, aunque se mantiene durante todo el proceso. Se encarga principalmente de categorizar y clasificar la información, intentando crear un patrón propio. Ante una nueva cuenta de YouTube o Netflix, los datos no son suficientes para predecir el comportamiento y cada búsqueda o visita se etiqueta para futuras predicciones.
El aprendizaje reforzado es como el de prueba y error. El algoritmo sugiere algo que te puede gustar, pero el usuario decide si verlo o quitarlo. YouTube permite eliminar algunas sugerencias con el botón de “no me interesa”, información que se registra para predecir de manera más exacta el patrón de comportamiento.
Fuente inspiración en MIT Technology Review
