Como se indica en esta columna: “si los datos son el aceite de la era de la información, el Machine Learning es el motor”.
Un estudio de la consultora Machine Learning Market indica que el tamaño del mercado global de aprendizaje automático ascendió a U$S 6,9 mil millones en 2018 y se prevé que valore U$S 96,7 mil millones para 2025.
En este escenario en que crece la importancia de comprender cómo trabajar con datos, la ciencia detrás de ellos –data science– se vuelve más accesible. Esto está llevando a la paulatina «democratización» de la ciencia de datos.
Para el 2022 se avizora un mayor impulso para lo que se conoce como “datos pequeños”, que surgió como un paradigma para facilitar el análisis cognitivo rápido de los datos más vitales que se obtienen en el borde de las redes y en situaciones en las que el tiempo, el ancho de banda o el gasto de energía son esenciales y no hay tiempo para remitir y volver a recibir los datos hacia y desde un servidor en la Nube centralizado (como ocurre en el caso de los automóviles autónomos).
Muy vinculado con el concepto de datos pequeños surgió otro: el de TinyML, que refiere a los algoritmos de aprendizaje automático diseñados para ocupar el menor espacio posible para que puedan ejecutarse en hardware de baja potencia, cerca de donde está la acción (es decir, en el perímetro de las redes). Según el autor del artículo que estamos repasando, “en 2022 veremos aparecer estos algoritmos en un número cada vez mayor de sistemas integrados, desde dispositivos portátiles hasta electrodomésticos, automóviles, equipos industriales y maquinaria agrícola”.
Análisis predictivo
En el año que se inicia el machine learning, el deep learning y el data mining también tendrán un rol clave para optimizar el servicio y la experiencia del cliente basada en datos, de modo tal de asegurar viajes cada vez más valiosos, agradables y con mayores niveles de personalización. Para ello serán claves los avances en el área de análisis predictivo.
Por otra parte el machine learning también tendrá un rol clave en la nueva convergencia entre la IA, Internet de las cosas (IoT), la computación en la Nube y las redes ultrarrápidas como 5G, habilitando a que los dispositivos de IoT “actúen de manera inteligente e interactúen entre sí con la menor necesidad de interferencia humana posible, impulsando una ola de automatización y la creación de hogares, fábricas y ciudades inteligentes”.
Desde esta óptica los algoritmos de ML también serán fundamentales “para permitir que los nuevos tipos de transferencia de datos de las redes 5G ultrarápidas sean una realidad, facilitando desde el enrutamiento del tráfico para garantizar velocidades de transferencia óptimas hasta la automatización”.
Inteligencia artificial
AutoML es la abreviatura «aprendizaje automático automatizado» y es otra tendencia que busca crear herramientas y plataformas que cualquiera pueda utilizar para crear sus propias aplicaciones de ML, particularmente los expertos en distintos campos del conocimiento que no tienen habilidades de codificación necesarias para aplicar la IA a esos problemas.
AutoML implica automatizar las tareas de preparación y limpieza de datos, y también construir modelos y crear algoritmos y redes neuronales. El objetivo es que, muy pronto, “cualquier persona con un problema que deba resolver o una idea que desee probar, pueda aplicar el aprendizaje automático a través de interfaces simples y fáciles de usar”.
Para profundizar en esta perspectiva sobre el impacto esperado del ML para 2022, te invitamos a leer esta nota completa.