Junio 21, 2018
Compartir

Machine learning en la vida real: 5 aplicaciones actuales

 

La mayoría de nosotros no lo sabemos, pero el machine learning (ML) está impulsando las nuevas tecnologías, desde el sector de viajes hasta el de atención médica. A continuación, presentamos cinco formas en el que el ML se usa hoy en día.

Diagnósticos médicos

Los sistemas de ML se utilizan para revisar imágenes médicas y desarrollar diagnósticos a partir de los informes de patología. Un estudio mostró que un ordenador fue capaz de encontrar el 52% de los cánceres un año antes de que los pacientes fueran diagnosticados oficialmente. A su vez, el machine learning está allanando el camino para tratamientos más personalizados basados ​​en datos de salud individuales.

Procesamiento del lenguaje natural (PLN)

Los sistemas de machine learning cada vez están más avanzados y son capaces de entender el lenguaje humano y responder a sus interlocutores en el mismo idioma. Algunas aplicaciones de PLN incluyen traducción automática, reconocimiento de voz y análisis de sentimiento. Por ejemplo: Alexa y Siri pueden entender tus peticiones y responderte en consecuencia.

Búsqueda online

Los buscadores online utilizan el ML para mejorar sus resultados, aprendiendo constantemente del comportamiento de los usuarios para ofrecer una experiencia más personalizada cada vez que realizan búsquedas. Por ejemplo, si escribes “gato” en tu navegador, después de unos minutos analizando la forma en que estás navegando, Google (o Bing, o Yahoo …) comprenderá que estás buscando una herramienta para el coche y no el animal.

Coches inteligentes

Estos coches utilizan el ML no solo para conducir ellos mismos, sino también para conocer las preferencias de sus propietarios y ajustarse automáticamente en función de sus gustos y aversiones, como establecer la temperatura en 20 grados y encender los asientos con calefacción durante el invierno.

Marketing personalizado

El machine learning ayuda a los retailers a analizar enormes grupos de datos sobre sus compradores y presentar ofertas personalizadas para cada individuo en función de sus comportamientos, compras y preferencias. A medida que se aprende más sobre cada comprador, el sistema mejora al predecir los productos, los anuncios y las ofertas más adecuadas para cada comprador.