# Machine learning en el mundo

- Link: https://www.jlm.ec/machine-learning-mundo/
- Published: 2017-07-07T16:33:34-05:00
- Author: Juan Lasso

Cuando en la década de los 50 la Inteligencia Artificial (IA) empezaba a dar sus
primeros pasos, la mayoría de los expertos creían que un rápido progreso era inevitable,
del mismo modo, pensaban que una máquina tan inteligente como un ser humano existiría
en menos de una generación. Desgraciadamente, la mayoría de las promesas de la IA
han fracasado hasta ahora a la hora de traducirse en aplicaciones reales, principalmente
debido a que los problemas son mucho más complejos de lo que en un principio se 
esperaba. Sin embargo, se han alcanzado bastantes progresos significativos en la
última década permitiendo a la IA poco a poco introducirse en nuestra vida cotidiana.
Algunos de los campos en los que ya está presente son el transporte, la robótica,
las comunicaciones, la industria militar o la asistencia sanitaria, con ejemplos
como los automóviles autónomos de Tesla, la videocámara Kinect de Microsoft Xbox,
el asistente de voz de Apple Siri y las recomendaciones de Amazon o Netflix. Mejores
algoritmos, potentes computadoras para ejecutarlos y unos datos de mayor calidad
han permitido conseguir estos avances.

El machine learning (la última tecnología en IA) se fundamenta en enseñar a los 
ordenadores cómo aprender mediante algoritmos. Estos algoritmos se basan en redes
neuronales artificiales, que están vagamente inspiradas en la biología de las neuronas
humanas. Los científicos de datos enseñan a un grupo de funciones matemáticas (en
lugar de a un grupo de neuronas) cómo aprender a resolver una tarea reconociendo
patrones entre los datos analizados. Cada una de estas neuronas artificiales procesa
una fracción de la información y sólo hace una pequeña parte de la tarea que pretendemos
resolver, por ello, no es capaz de resolver toda la tarea por sí sola, sin embargo,
la señal que genera será útil para alguna otra neurona a la que está conectada y
mediante el aprendizaje del conjunto se logrará alcanzar la resolución de la tarea.
En los últimos años, los científicos de datos han sido capaces de desarrollar nuevas
técnicas que les permiten entrenar numerosas capas sucesivas de neuronas para que
sean capaces de resolver una determinada tarea ayudándoles a controlar redes neuronales
mucho más profundas, es por esto que definimos este tipo de machine learning como
aprendizaje profundo o deep learning.

Inevitablemente, el deep learning está destinado a invadir y revolucionar la asistencia
sanitaria. La tecnología empleada por Google+ para etiquetar las fotos de tus últimas
vacaciones (playa, palmera, tabla de surf, etc.) no es muy diferente a la que se
necesitaría para reconocer anomalías en una radiografía de tórax (consolidación 
del lóbulo inferior izquierdo, neumotórax, etc.). Las barreras adicionales relacionadas
con la ética, la privacidad de los datos y la oposición de determinados actores 
de la industria sanitaria ralentizarán el proceso. Sin embargo, las nuevas generaciones
de médicos están cada vez más formadas tecnológicamente y abiertas a este tipo de
innovaciones, por ello receptivas y capaces de entender cómo podrían mejorar los
resultados y el valor que podemos aportar a los pacientes a través de la medicina
de precisión.

Asímismo, los beneficios potenciales de la aplicación de la IA en sanidad son asombrosos
e incluyen la detección automatizada y mejorada de enfermedades, un monitoreo más
eficaz y la mejora de la eficiencia del flujo de trabajo. Algunos de estos han comenzado
a aparecer en la práctica clínica. Por ejemplo, el departamento de radiología de
la Universidad de Stanford está utilizando un sistema de AI para analizar las radiografías
de tórax y las imágenes de TAC, con un excelente nivel de precisión. Una tecnología
similar ha sido empleada para diagnosticar las lesiones de la piel con imágenes 
de smartphone y ha demostrado precisión a un nivel médico, como se ha publicado 
recientemente en la revista Nature. Si pensamos en los beneficios potenciales de
tecnologías como ésta en países de ingresos bajos y medios, donde existe una carencia
de personal médico, nos daremos cuenta de la importancia de invertir en este tipo
de tecnología para apoyar su avance e implementación. Esta es la promesa final de
la IA, que podría acercar a los médicos digitales a cualquier parte del mundo para
el beneficio de la Humanidad.

**Leo Celi es** cofundador de Sana Mobil,y experto de la Fundación Innovación Bankinter.
Este artículo está escrito en colaboración con Matthieu Komorowski y Miguel Ángel
Armengol todos investigadores del MIT.

 

**Fuente**: https://www.expoelearning.com/machine-learning-mundo/