"Una vision sobre problemas y tecnicas de Aprendizaje Automatico"

Gonzalo Perera
 
Resumen:
 
Bajos distintas denominaciones en la literatura anglosajona, como Machine
Learning, Statistical Learning, Pattern Recognition, Mathematical
Learning, o bajo la denominacion ambiciosamente general de "Inteligencia
Artificial", se han desarrollado en los ultimos tiempos una  panoplia de
tecnicas que permiten instrumentar algoritmos que entrenen y enseñen a
una maquina a ejecutar eficazmente una tarea.
Estos problemas han sido ademas abordados desde muy variadas
perspectivas: mas heuristicas y algoritmicas, entre informaticos,
ingenieros electricos, estadisticos computacionales y cultores del Data
Mining, y tambien de manera completamente abstracta y formal, entre
matematicos.
 
Abona el primer tipo de enfoque el sinnumero de problemas concretos que
necesitan una solucion en este terreno : Usted puede quizas pensar al
respecto en un robot, pero puede tambien pensar en algo tan simple como
una tarjeta de credito que debe autorizar o negar en segundos una
operacion de credito, teniendo en cuenta siempre la posibilidad de que
una operacion "sospechosa"- aunque no sobrepase el limite de credito-
puede indicar que la tarjeta ha sido robada y esta siendo operada de
manera fraudulenta, o pensar tambien en un filtro anti-spam en un
servicio de mail que debe decidir que filtrar y que no.
Abona el segundo enfoque la necesidad de comprension de problemas
fundamentales. Al respecto, cabe señalar que en la controvertida
iniciativa de Arnold tendiente a identificar los 20 principales problemas
matematicos de siglo XXI, Smale incluyo en su lista el problema de
determinar los limites de la inteligencia, formulacion muy generica que a
la hora de expresarla concretamente la tradujo en terminos de
"mathematical learning", punto en el cual trabajo con nuestro compatriota
Felipe Cucker.Para un estadistico, la tematica del "learning" no plantea
mas que los viejos problemas fundamentales de la estadistica:
clasificacion, regresion, decision, etc., pero justo es decir que el
enfasis algoritmico que se le ha dado en este enfoque y los numerosos
aportes que se han hecho por parte de no-estadisticos, justifica no
sentir  que todo el terreno del aprendizaje automatico es propiedad
privada de los estadisticos.
 
Intentare en esta charla dar una vision muy personal y modesta de un
terreno muy amplio: sera apenas un vistazo, de alguien que "esta
llegando " al tema, que no es de modo alguno un experto al respecto y que
mira la tematica desde una perspectiva muy particular: la de un
estadistico matematico de formacion, que llego al tema desde las
aplicaciones concretas, desde haberse topado varias veces con la
necesidad de automatizar eficientemente ciertas tareas.
Por esta dualidad presente en mi enfoque personal, lamento a menudo
encontrar en este terreno muchas veces una considerable brecha entre la
practica y la teoria: hay muchos algoritmos interesantisimos sin teorias
ni garantias de cuando "marchan" , hay muchas resultados teoricos
elegantes y hermosos sin el menor ejemplo real de aplicacion.
Creo que esta separacion- en la que todos perdemos un poco- genera un
espacio interesante para el estudio y la reflexion, en el que hay lugar
para muchos aportes y un motivo de interes para algunos de nosotros.