Definición
El término «No supervisado» en el campo de la Inteligencia Artificial (IA) se refiere a un subconjunto de algoritmos de machine learning. Los algoritmos «no supervisados» funcionan identificando y respondiendo a patrones en los datos, en lugar de seguir una lista predefinida de instrucciones o aprender de un conjunto de datos de entrenamiento etiquetado (que se utilizaría en el aprendizaje supervisado). Esencialmente, el aprendizaje no supervisado se aplica a sistemas de IA que pueden aprender y adaptarse a nueva información sin intervención humana.
Historia del Término
El concepto de aprendizaje no supervisado es un offshoot del campo de la Inteligencia Artificial, que surgió a mediados del siglo XX. Se trata de un enfoque fundamentalmente diferente del aprendizaje supervisado, que depende de los datos etiquetados para el entrenamiento del algoritmo. La proliferación de grandes volúmenes de datos no estructurados y no etiquetados en las últimas décadas ha hecho que este tipo de aprendizaje automático sea cada vez más relevante y deseado.
Citas de Expertos
El experto en IA Yoshua Bengio, cofundador de Element AI, afirma: «El Aprendizaje no supervisado es la capacidad de encontrar un algoritmo en los datos sin tener que decirle al ordenador qué buscar especificamente.» De manera similar, el famoso científico de la computación Andrew Ng mencionó alguna vez: «El Aprendizaje no supervisado es la clave para la próxima frontera en la Inteligencia Artificial.»
Ejemplos de Aplicación
Un caso común de uso del aprendizaje no supervisado es en sistemas de recomendación, como los utilizados por Amazon y Netflix. Estos sistemas utilizan algoritmos de IA para identificar patrones en los hábitos de compra o visualización de los usuarios y proporcionar recomendaciones relevantes basándose en esas percepciones, todo ello sin tener que ser entrenados con un conjunto de datos etiquetados.
Consejos de Aplicación
A la hora de implementar un algoritmo de aprendizaje no supervisado, es importante considerar el tipo de datos que tienes a mano. Puede que este tipo de aprendizaje automático no sea adecuado para situaciones en las que tienes un conjunto de datos etiquetados y un objetivo específico en mente. Sin embargo, puede ser extremadamente útil para descubrir relaciones y tendencias desconocidas en tus datos.
Tendencias Actuales
Con la presencia cada vez mayor de Big Data, el aprendizaje no supervisado está ganando popularidad en sectores como el financiero, el de la salud y el de la tecnología. Por ejemplo, se utiliza para identificar transacciones fraudulentas o predecir enfermedades antes de que se manifiesten síntomas graves.
Perspectivas
El futuro del aprendizaje no supervisado parece prometedor, particularmente en el campo de la Inteligencia Artificial. Dado que permite a las máquinas adaptarse a situaciones imprevistas y aprender de ellas, este enfoque podría llegar a ser fundamental para el desarrollo de una verdadera IA general capaz de realizar cualquier tarea intelectual que un humano puede realizar. A medida que los algoritmos se vuelvan más sofisticados y los conjuntos de datos sigan creciendo, es probable que veamos un aumento en la aplicabilidad y la efectividad del aprendizaje no supervisado.
