text.compare.title

text.compare.empty.header

Noticias

Sistema del MIT permite a las máquinas procesar datos que ayudan en la toma de decisiones

      
Fuente: Universia

Los hombres desarrollaron las maquinas que hasta este momento podían calcular, procesar información, diseñar, construir y una numerosa lista de etcéteras; pero no podían interpretar los patrones que identificaban en las bases de datos. El último paso en las funciones de las máquinas ha sido dado y actualmente éstas pueden transmitir su experiencia a los humanos. El Instituto Tecnológico de Massachusetts (MIT) elaboró un sistema con el que las máquinas transmiten a las personas los patrones que identifican en las grandes bases de datos.

 

 

Lee también 

» Sigue toda la actualidad universitaria a través de nuestra página de FACEBOOK 
» Visita nuestro Portal de BECAS y descubre las convocatorias vigentes

 

 

 

Las responsables aseguran que el sistema que desarrollaron aprende a realizar valoraciones por medio del cálculo de datos y filtra lo aprendido; es decir, el sistema aumenta la capacidad de aprendizaje automático sin supervisión de la computadora, que a su vez ayuda a las personas a tomar las decisiones sobre los mejores patrones. La computadora y el humano crean una simbiosis por la que se puede llegar a tomar mejores decisiones, de la misma forma que una persona ante una situación busca en su mente las situaciones parecidas que ha vivido para aplicar la experiencia que ya adquirió.

 

  

En el aprendizaje supervisado las maquinas toman una serie de datos que previamente fueron marcados por los humanos y desde esa condición busca correlaciones entre los datos; mientras que el aprendizaje no supervisado puede buscar similitudes en datos no estructurados.

 

 

 

¿Cómo funciona el aprendizaje no supervisado?

 

Lo que sucede en el aprendizaje no supervisado es que se agruparán datos con componentes relacionados de alguna manera aunque no se vea a simple vista. El aprendizaje no supervisado encuentra patrones que permiten separar y clasificar datos en diferentes grupos en función de sus atributos; por ejemplo: en el aprendizaje no supervisado la máquina no podría decirnos si una imagen es de un rostro o no, pero si podría agrupar las imágenes entre las que contienen un rostro de humano, de animales o las que no contienen ninguna de las dos. Y hasta el momento, esa información debía interpretarla posteriormente una persona.

 

 

Lo que logró el equipo del MIT fue modificar algunos aspectos fundamentales del aprendizaje no supervisado; logrando que la agrupación que realiza la máquina no se base únicamente en los rasgos compartidos de los documentos, sino que sume además la similitud con un ejemplo que lo represente, con un prototipo. Además, en vez de clasificar solo los rasgos parecidos de los documentos, el nuevo sistema intenta descifrar las características de un conjunto representativo, lo que se denomina el “subespacio”.

 


En el nuevo sistema existen tres requisitos de agrupación: similitud al prototipo, tamaño del subespacio y demarcaciones claras entre las agrupaciones.

 

 

El experimento del MIT consistió en seleccionar varias recetas online que estaban clasificadas por categorías, filtrándolas por sus ingredientes. Después se aportaron los datos a los dos sistemas y lo que resultó fue que para cada categoría el sistema nuevo encontró un ejemplo representativo mientras que el algoritmo tradicional se limitó a exponer una lista de ingredientes comunes.

 




Tags:

Aviso de cookies: Usamos cookies propias y de terceros para mejorar nuestros servicios, para análisis estadístico y para mostrarle publicidad. Si continúa navegando consideramos que acepta su uso en los términos establecidos en la Política de cookies.