Machine Learning: el collar y el perro

Que la Inteligencia Artificial, a pesar de estar tan de rabiosa actualidad, es en realidad una disciplina antigua, es bastante conocido.

Que el Machine Learning, que no deja de ser, probablemente, el segmento de la Inteligencia Artificial con más desarrollo y fruto últimamente, es también una disciplina de orígenes antiguos, quizá no sea tan conocido.

Y sin embargo, entre los algoritmos que se entienden como constituyentes del Machine Learning, los hay casi ancianos... y procedentes de disciplinas que ni sabían de la existencia del Machine Learning, ni les importaba...

Creo que la regresión lineal la estudié por primera vez en bachillerato (el famoso BUP ya desaparecido hace muchísimos años), De los Modelos Autorregresivos de Media Móvil (ARMA y ARIMA) tuve noticia en algún curso que no recuerdo bien de la carrera. De Bayes ya ni hablemos. Y, sin embargo, en tratados muy modernos sobre inteligencia artificial y machine learning me los encuentro con frecuencia...porque se incluyen, probablemente con justicia, dentro del campo del Machine Learning.

Hoy estaba leyendo el libro 'Process Mining. Data Science in Action' de Wil van der Aalst y en concreto me leí el capítulo que titula, simplemente 'Data Mining'. Un capítulo que todavía está entre los que sirven de preámbulo al Process mining propiamente dicho. De hecho el autor ve al Data Mining como un precursor o antecedente del Process Mining. 

Hacía bastante que no oía mencionar el término 'Data mining', tan de moda hace ¿cuánto? ¿quince años? ¿veinte años? Y, sin embargo, entre los algoritmos que desgrana, con bastante brillantez por cierto, a lo largo del capítulo aparecen 'amigos' como los modelos de clasificación y de regresión, el aprendizaje no supervisado y los algoritmos de clustering como K-means clustering, los árboles de decisión e, incluso, hay alguna referencia aunque tímida a las redes neuronales...

¿Qué pasa aquí?

¿Es que no hay nada nuevo en el Machine Learning? ¿Es esto del Machine Learning puro marketing, simplemente, el mismo perro con distinto collar?

Bueno, sí y no...

Lo cierto es que, en efecto, muchos de los algoritmos que se consideran constituyentes del machine learning son ya casi venerables ancianos. Pero también es cierto que, gracias a las nuevas e ingentes disponibilidades de datos y las capacidades de computación, pueden alcanzarse nuevas cotas antes vedadas y es cierto también que han aparecido importantísimas novedades en los últimos años como las redes neuronales de convolución o el deep learning. Es cierto, sobre todo, que se ha encontrado la forma de que esos algoritmos produzcan resultados prácticos muy valiosos, muy utilizables, perfectamente comercializables y  espectaculares.

En el Machine Learning hay mucho de antiguo, pero también mucho de nuevo.

Si, en la jauría del Machine Learning hay perros que sólo han cambiado de collar, pero también hay nuevos y valiosos ejemplares.

Y en cualquier caso, ¿a quién le importa el collar si el perro es útil, es fiel y es amigo?