“El propósito de la IA es el desarrollo de programas informáticos que tengan la capacidad de desplegar funciones inteligentes, similares a las del cerebro humano. El machine learning es un subconjunto de la IA”, señala Hugo Soto, investigador del Centro de Estudios del Futuro de la Usach.
Eso sí, el concepto de IA se usa muchas veces hoy en día para describir la capacidad de las máquinas de decidir por sí mismas, refiriéndose principalmente a niveles de cómputo muy avanzados.
Es en ese sentido que Cristián López, gerente general de Serverless, señala que “hablamos de un servicio de IA cuando se usan algoritmos que actúan por detección automática y son capaces de clasificar e interpretar una intencionalidad humana de manera desasistida de personas”.
“La IA busca generar inteligencia real (…) crear métodos de aprendizaje de forma autónoma, como lo haría un humano”, delinea Marcelo Díaz, gerente general de Makros. Mientras que, explica, en el machine learning “una persona debe crear algoritmos para el aprendizaje”.
“Hay dos mundos, el machine learning y la otra etapa de la IA, como el deep learning y las redes neuronales”, indica Felipe Mancini, gerente general de Asimov. “Estamos muy lejos de lograr ese nivel de programación”, asevera Soto.
Guillermo Larrazábal, subgerente de Infraestructura y Continuidad Operacional de Defontana, recuerda que antiguamente “la ciberseguridad funcionaba solamente con firewalls , detectores de intrusos y monitoreo”, pero hoy gracias al aprendizaje automático “podemos detectar tempranamente un comportamiento anómalo que puede ser una amenaza”.
Máquinas y humanos trabajando juntos
El desarrollo de un caso de aprendizaje automático, para que un sistema pueda detectar fraudes en transacciones virtuales, lo relata Felipe Mancini: “El cliente nos pasa los datos que ha recolectado de sus transacciones, y nosotros los usamos para entrenar un algoritmo”, explica. Desde ahí, continúa, “vamos corriendo simulaciones, cambiando la ponderación de distintas variables y calibrando los resultados cada vez que intentamos hacer un fraude”.
Fabio Assolini, analista de seguridad senior en Kaspersky, indica que para ello se usan modelos de aprendizaje automático combinados con big data , lo que permite “entrenar” a los sistemas en tomar decisiones de manera inteligente y autónoma, para bloquear nuevas amenazas.
“El machine learning aplicado a la ciberseguridad está centrado sobre todo en la seguridad defensiva”, detalla Eduardo Montoya, gerente de arquitectura y preventa ITQ, como la detección de malwares y de comportamientos anormales.
El aprendizaje automático requiere reforzamiento humano para su mejora, resalta Assolini, especialmente en temas como la clasificación de contenidos inapropiados o del spam . De hecho, asegura que “estas tecnologías por sí solas pueden ser ineficientes si están mal capacitadas o preparadas, y solo un ser humano puede monitorear y mejorar su efectividad”.
“La gente cree normalmente que el machine learning aprende solo, y no, necesitamos datos y requiere de entrenamiento”, remata Mancini.
SIGUE LEYENDO: https://digital.elmercurio.com/2019/11/11/B/1A3N87AB#zoom=page-width