8.2.04

La máquina de aprendizaje de Bayes

¿Cómo es posible que una idea de un cura del siglo XVIII (Thomas Bayes) marque las tendencias más punteras de la ciencia de ordenadores? Bayes es un viejo conocido de todos los alumnos de Bachillerato, que utilizan su teoría para abordar, entre otras cosas, problemas de probabilidad a condicionada -o “a posteriori”- donde se estudia la ocurrencia de un suceso cuando se conoce el suceso anterior. Lo que aporta Bayes a la ciencia de ordenadores es una forma de aproximación a la inteligencia artificial en la que ya no es necesario introducir explícitamente todas y cada una de las conexiones causales en una máquina. Los programas basados en la probabilidad de Bayes pueden tomar un gran número de datos y deducir dependencias o relaciones entre ellos, pero por sí mismos.

Un buen ejemplo de la importancia de esto son los buscadores. El famoso buscador Google utiliza ya métodos de Bayes para encontrar y explotar patrones entre los datos interconectados de la web. Los programadores trabajan ahora para que los resultados de una búsqueda estén personalizados dependiendo de búsquedas realizadas en el pasado, pero no pueden planificar por adelantado esta personalización. Las máquinas deberán sopesar entre las diferentes alternativas y hacer sus propias apuestas. Es decir, se trata de programas capaces de buscar patrones entre grandes volúmenes de datos, encontrar relaciones causales entre ellos y hacer predicciones basadas en un aprendizaje necesariamente incompleto.

La técnica de Bayes revolucionará la llamada “minería de datos”, y tendrá importantes repercusiones en genética y biomedicina. Los investigadores de estas ramas se ven frecuentemente desbordados por el volumen de datos y de interacciones que hay que analizar, lo que retrasa el avance en el desarrollo de nuevos medicamentos para luchar contra enfermedades como el cáncer o la diabetes. De este modo, los ordenadores son capaces de integrar casi sin limitación multitud de piezas de evidencia. Incluso los programas de Bayes empiezan a trabajar con objetos gráficos (por ejemplo, estructura de virus y de proteínas) y las relaciones entre ellos, donde existe una compleja maraña de dependencias. Otras prometedoras aplicaciones prácticas de estos métodos son robots que puedan explorar autónomamente zonas peligrosas y programas que interpreten los resultados de un test de calidad de producto y tomen sus propias decisiones. Igualmente, esta técnica de Bayes cambiará el campo del desarrollo de medicamentos, de la fabricación de microchips o del aprendizaje de una segunda lengua, entre otros.

No sorprende que la “máquina de aprendizaje de Bayes” se encuentre entre la lista de las "10 tecnologías que cambiarán el mundo”, elaborada por Technology Review’s, una empresa del MIT.

En el ámbito del aprendizaje la técnica de Bayes abre un mundo nuevo. Por ejemplo, permitiría desarrollar sistemas expertos de enseñanza que aprenderían a través de la interacción del aprendiz de modo que se irían adaptando a sus necesidades hasta ofrecer una verdadera enseñanza personalizada. Algunos programas de soporte informático, como el asistente de Outlook 2003, ya utilizan el modelo de Bayes para ofrecer sus sistemas de ayuda.

El modelo de Bayes será sin duda la base de la usabilidad de las herramientas informáticas del futuro, pero su potencial en el mundo de educativo es muy superior, ya que podría ofrecer una enseñanza personalizada en el ámbito del refuerzo y la consolidación de contenidos básicos del currículo, liberando así al profesor de estas tediosas tareas y permitiéndole concentrar su esfuerzo en aquellas de mayor nivel educativo, como el diagnóstico de las necesidades de cada alumno y la elección de las metodologías más adecuadas para cada caso.

No hay comentarios: