A veces por el afán de acelerar el uso de las nuevas tecnologías, en otras para justificar un precio alto, o simplemente para presumir. El asunto es que nos encontramos con cierta predisposición a confundir términos, curiosamente siempre al alza. Algún día veremos el caso de la empresa que con dos servidores aseguraba que tenía una red Blockchain privada, hoy despejaremos dudas sobre que es Machine Learning y que es un sistema de automatización.
El Machine Learning es una técnica en la que un sistema aprende a través de su propia experiencia. Un ejemplo de Machine Learning son los famosos Captcha que encontramos en las páginas web, el robot aprende cada vez que un usuario señala lo que es un paso de cebra, un camión, un peatón y un semáforo, cuando tiene un número suficiente de datos el Robot ya puede identificar sin intervención humana lo que es un semáforo, un camión o un paso de Cebra. Incluso con el entrenamiento adecuado podría poner en contexto cada uno de estos elementos y saber que cuando el semáforo está en rojo, el camión debe pararse y el peatón cruzar por el paso de cebra, y que no hacerlo es una excepción.
En la automatización no hay un sistema que aprende solo. Hay una configuración humana que diseña unas normas muy rígidas y ofrece un abanico de opciones, una ruta con caminos que se abren y se cierran en función de acontecimientos previsibles, predefinidos y finitos. Básicamente cuando se cumple A y B y C el sistema hace D, en este caso el sistema nunca será capaz de obtener una intención cualitativa o de generar un marco o un contexto, es un sistema acotado por las normas, cuando no se cumplen, falla.
¿Cuándo utilizar cada una? La automatización es suficiente cuando las opciones pueden limitarse de una manera fácil, el camino es predecible y el análisis de la información cuantitativo.
Sin embargo, cuando las opciones son múltiples, el camino imprevisible y el análisis necesario cualitativo, la única forma de conseguir una automatización elegante y práctica es entrenando a un Robot.
Más sobre Machine Learning y automatización en próximos post, donde explicaremos el valor del punto de partida y el procesado de conclusiones, dentro del entrenamiento de un Robot.
