Máquinas de aprendizaje bayesiano

08 Sep Máquinas de aprendizaje bayesiano

© Ruca

En el número de febrero de 2004 del Technology Review del MIT (http://www.techreview.com/) se presentan diez teconologías que cambiarán nuestro mundo. Los lectores de esta publicación saben que su línea editorial consiste en hablar de aquello que estará en el mercado en año o en una década.

Una de las tecnologías que me han parecido más prometedoras, desde el punto de vista informacional, son las máquinas de aprendizaje bayesiano (bayesian machine learning). Se trata de software que, basado en las ideas de la estadística bayesiana (iniciada en el siglo XVIII por Thomas Bayes) busca encontrar conexiones entre grandes cantidades de datos en los que, en principio, no es posible encontrar una relación causal.

Su lógica no va en la dirección de sentencias del tipo ?llueve luego el suelo está mojado? (relación causal), sino en la dirección de ?llueve? y ?el suelo está mojado?, para derivar una dependencia entre acontecimientos que permita aprender o prever probabilísticamente sucesos futuros (?la lluvia está asociada a suelo mojado?).

Dicen que aplicar este tipo de lógica estaba limitado por la capacidad de cálculo de los ordenadores pasados. Hoy, los modernos procesadores pueden superar esta limitación y tratar con millones (o billones) de inputs para intentar encontrar una red de dependencias.

El artículo citado lo expresa con claridad: ?las personas están limitadas en cuanto a su habilidad para integrar muchos elementos distintos de evidencia? mientras que los ordenadores no tienen esta limitación?.

Una de las aplicaciones actuales de la estadística bayesiana la vemos en Google, donde un pequeño ejército de matemáticos bayesianos intentan encontrar patrones derivados de las conexiones y dependencias que emergen de los billones de links que el motor maneja, y de la forma en qué buscan y seleccionn resultados millones de usuarios.

Otra aplicación la encontramos en el diseño de software avanzado para la lucha contra el spam, o en el data-mining, o en los agentes inteligentes que ayudan a un usuario a encontrar la información o los servicios que más le pueden interesar o ser útiles en la Red.

Finalmente, se me ocurre que estos métodos también tendrán su aplicación en gestión, puesto que lo que se está poniendo de moda en este campo es la ?teoría de la coordinación?, o sea, la gestión de los flujos y dependencias entre procesos y acciones en una organización.

Lo bayesiano puede ayudar a entender finalmente cómo funciona esa ?caja negra? que es una organización.