La capacidad de enseñar a las máquinas para que decidan por sí solas no está solo al alcance de las grandes empresas.

En 2009 Google decidió celebrar el April Fools’ Day  -el equivalente anglosajón del Día de los Santos Inocentes- con la noticia de que Gmail contestaría de forma automática los correos electrónicos. Hoy, Gmail cuenta con una herramienta –Smart reply– qué hace exactamente eso, y que cada vez es más utilizada por los usuarios del servicio de correo electrónico de Google.

Jeremiah Harmsen, máximo responsable del departamento de investigación de Google Europa, utilizó este ejemplo como prueba de lo que han evolucionado en apenas una década la inteligencia artificial y el ‘machine learning’. Lo que antes nos parecía una broma, hoy es una realidad. Y lo más llamativo es que nadie ha programado un algoritmo en Gmail para que conteste solo: la máquina ha aprendido a hacerlo en función de su experiencia.

Igual te interesa…

Atom_HQ_Night_Corte

Harmsen viajó desde Zúrich, donde trabaja y vive, al Campus Madrid de Google para intervenir en la jornada ‘The magic in the machine’, donde el gigante tecnológico quería mostrar sus avances en Inteligencia Artificial y ‘machine learning’. Y lo hizo básicamente a través de los ejemplos de tres proyectos muy diferentes que se han aprovechado en diferente medida de TensorFlow, la biblioteca de machine learning con código abierto de Google: Deep Asteroid, Connecterra y source{d}.

Clasificar cometas

Gema Parreño Piqueras, arquitecta de formación y vinculada a BBVA, también sabe de programación, en concreto de programación de redes neurales. Parreño ha desarrollado junto a varios colaboradores ‘Deep Asteroid’, un proyecto reconocido por la NASA en su certamen Space Apps Challenge.

Mediante la disposición de varias capas neuronales artificiales -“el machine learning es como ir haciendo un pastel, hay que ir capa a capa”, explica Parreño-, ‘Deep Asteroid’ va clasificando los asteroides y cometas que rodean la tierra, con el objetivo de detectar aquellos que pueden realmente suponer un problema en caso de impacto. Según tiene más datos, el sistema se refina y es más preciso.

Ordeñar vacas

Pero la inteligencia artificial y el machine learning no sólo es útil en la ciencia de altura, como es el caso de la astronomía. También puede mejorar la vida de las vacas, como demuestra el caso de la startup holandesa Connecterra.

Se trata de combinar el internet de las cosas y el machine learning para mejorar el rendimiento de las explotaciones ganaderas e incluso la calidad de vida de los propios animales. Connecterra equipa a todo el ganado con unos sensores incorporados a sus collares y estudia su comportamiento -cuánto andan, cuánto duermen, cuánto rumian…-, aplicando el machine learning para ir afinando su sistema de predicción de anomalías y enfermedades.

Igual te interesa…

recurso trabajo empleo emprendimiento

El propio ganadero pone de su parte en el perfeccionamiento del sistema aportando información sobre su explotación, mejorando así la IA de Connecterra. El resultado, aseguran en la empresa, es una mayor producción de leche, llamativo en una cadena que empieza con una máquina capaz de aprender por sí sola.

Buscar programador

Jorge Schnura montó su primera empresa cuando estudiaba en la Universidad junto a dos compañeros. La vendieron por alrededor de 13,5 millones de euros -la cifra no es oficial- y ahora su nueva aventura se llama source{d}.

Con Inteligencia Artificial desarrollada gracias al machine learning, en source{d} analizan el estilo de programación de más de seis millones de desarrolladores para encontrar justo lo que necesitan sus más de 300 clientes, empresas de todo el mundo. “En contra de lo que se suele pensar, programar es una actividad creativa: hay mucho estilo en el código”, explica Schnura: son las máquinas las que clasifican y detectan esas características del programador para cubrir las necesidades de proyectos específicos.

Comunicación corporativa