Hacer que las computadoras aprendan no es algo nuevo. Poco a poco hemos visto cómo se desarrollan sistemas que empiezan a dar resultados. Por ejemplo, Amazon desde los años 90 del siglo pasado, ya contaba con una opción de "libros recomendados", basados en las preferencias de las búsquedas. Cuando buscamos algo en Google, hay ya aprendizaje de las máquinas en estas búsquedas.

Esto quiere decir que los sitios web saben muchas veces más de nosotros de lo que esperamos o creemos. Cada clic en una búsqueda se registra y da más información sobre ciertos sitios, pero es claro que no saben todo sobre nosotros. Google sabe lo que buscamos, Amazon lo que queremos comprar, Apple sobre nuestros intereses musicales y Facebook sabe mucho, sí, mucho, sobre nuestros comportamientos sociales. Sin embargo, todos estos sitios sólo pueden predecir a partir de clicks pasados y claramente no pueden dar un perfil completo de nosotros (por suerte).

Pero supongamos que hay un algoritmo que supiese qué es lo que buscamos en Google, o lo que compramos en Amazon, o lo que escuchamos en Apple Music o lo que vemos en Netflix, o mejor aún, que supiese nuestros estados recientes y publicaciones compartidas en Facebook. Un algoritmo así podría conocer mucho más sobre nosotros y dar un perfil mucho más cercano a cómo somos.

[unocero-related-post]La inteligencia artificial vuelve a triunfar[/unocero-related-post]

Este "algoritmo maestro" es el corazón del trabajo que postula Pedro Domingos, autor de "The Master Algorithm: How the Quest for the Ultimate Learning …