El machine learning s

EL MACHINE LEARNING A TRAVÉS DE LOS TIEMPOS, Y LOS APORTES A LA
HUMANIDAD
DENNIYE HINESTROZA RAMÍREZ
JUAN MANUEL CÁRDENAS
DOCENTE ASESOR
UNIVERSIDAD LIBRE SECCIONAL PEREIRA
FACULTAD DE INGENIERÍAS
PROGRAMA DE INGENIERÍA DE SISTEMAS
PEREIRA
2018

2
EL MACHINE LEARNING A TRAVÉS DE LOS TIEMPOS, Y LOS APORTES A LA
HUMANIDAD
RESUMEN
El objetivo de este estudio es conocer el aprendizaje automático o aprendizaje de máquinas, más
conocido en el mundo actual como el machine learning, que es un subcampo de las ciencias de la
computación y una rama de la inteligencia artificial cuya finalidad es desarrollar técnicas que
permitan a las computadoras aprender, convirtiéndose en un pilar fundamental para el trato de datos
a gran escala.
En el interior de este documento encontraras los aportes de los individuos que con su trabajo y
desde su campo de acción han contribuido a estas teorías, quienes desde sus pequeñas corazonadas
como estudiantes desarrollaran una postura crítica y aprueba de ensayo y error llegaron a lo que
hoy en día es llamado la nueva era. Donde la tecnología, la informática, la innovación, la
creatividad, el florecimiento de la inteligencia artificial, campos que han permitido generar nueva
información a partir de estos nuevos datos.
Finalmente, los campos de aplicación en los cuales se ha enfocado son: la medicina, la construcción,
las finanzas, la robótica, la educación entre otras. Y también podremos revisar cuáles son sus
grandes fortalezas, oportunidades, debilidades y amenazas para la humanidad.

3
1. INTRODUCCIÓN
El análisis simultáneo de información, en conjunto con el procesamiento estadístico suele ser
una de las tareas más importantes a nivel global. Por eso uno de los objetivos de este documento es
el conocer como el machine learning se convirtió en un pilar fundamental para el trato de datos a
gran escala.
Algunos sectores como el informático, salud, corporativo y de transporte. En el transcurso de
las últimas décadas han encontrado la solución a esta ardua tarea de aprendizaje y predicción en
una de las cuantas disciplinas procedentes de la inteligencia artificial; esta materia o herramienta
informática es el machine learning.
Herramienta que buscan mejorar el análisis de datos, en pro de una predicción futura, ya sea
por la implementación de nuevos sistemas o simplemente el mejoramiento de los ya existentes,
mediante el uso de algoritmos basados en información antigua o reciente que permita el
funcionamiento óptimo del sistema a trabajar.
Por otra parte, esta materia promete una gran utilidad en campos como la medicina, robótica,
y mecánica. Tanto así que a muchos les preocupa los daños que traerá esta innovadora herramienta
consigo. Debido a que, se trata de generar organismos mecánicos capaces de ser más inteligentes,
sin que sea necesaria la intervención humana constante, que nos asegura que no seremos
mentalmente obsoletos en un futuro al volvernos dependientes de estos sistemas.

4
2. MACHINE LEARNING FACILIDAD A FUTURO
Para poder explicar cómo el machine learning es una pieza clave para nuestro desarrollo a nivel
global, Hay que remontarse a sus inicios y principalmente conocer a fondo su raíz. ya que esta
herramienta es una derivación de la inteligencia artificial.
Por eso antes de dar a conocer las aplicaciones de esta materia, nos debemos remontar al pasado
para ser más exactos hasta 1943. año en el que el matemático Walter Pitts y el neurofisiólogo
Warren McCulloch, quienes dieron a conocer su trabajo enfocado a lo que hoy conocemos como
inteligencia artificial, pues en su teoría proponían analizar el cerebro como un organismo
computacional y la creación de computadoras que funcionaran igual o mejor que nuestra red
neuronal.
Fue así como la humanidad empezaría a conocer e interesarse en el hecho de que tan inteligente
podría llegar a ser una máquina y cuales serían algunas de sus implicaciones. Y así fue como en el
año de 1950 el científico conocido como Alan Mathison Turing científico nacido en Maida Vale,
Reino Unido científico informático, matemático, filósofo y deportista, capaz de crear el conocido
“Test de Turing”, cuya finalidad era la de medir que tan inteligente era una computadora, al tratar
de responder en una conversación de la manera más racional posible imitando el comportamiento
de un ser humano.
Años más tarde a finales de 1952, el profesor e informático teórico Arthur Samuel dio a conocer
el primer programa de computo capaz de aprender, era un software con la capacidad de jugar damas,
puesto que tenía capacidad almacenar información y estilos de juego lo que le permitía mejorar su
respuesta según el nivel del juego, haciéndola cada vez mejor juego tras juego.
Esta gran cadena de logros en menos de dos décadas auguraba para esta materia una gran
trayectoria llena de logros por venir, y es así como para el año de 1956 Martin Minsky, John
McCarthy y otro grupo de profesionales en medio de una conferencia científica en Darthmouth dan
el nombre “Artificial Inteligencie”, término el cual se quedaría para ser el nombre de este grandioso
campo de la ciencia e informática, de esta forma se abrió paso para que antes de que terminara esa
década otro innovador hiciera su aporte, este hombre conocido Frank Rosenblatt un psicólogo Norte
Americano, diseñador de perceptrón la primera red neuronal artificial.

5
Aunque todo iba bien a principios de la década de los setenta, no falto mucho para que esta
racha de propuestas e innovaciones se viera olvidada debido a la falta de capital dado que esta rama
de la ciencia es muy costosa, no había presupuesto echo el cual sumergió en un periodo de pocos
resultados a la inteligencia artificial, aunque si habría una luz que prometería que el avance seguiría,
luz dada por algunos estudiantes de ingeniería en la universidad de Stanford a mediados de 1979
los cuales lograron crear un robot “Stanford Car” capaz de desplazarse por una habitación sorteando
los obstáculos en ella.
Logro que no se hubiera con seguido sin la Nearest Neighbor un algoritmo capaz de reconocer
patrones, la herramienta principal de la inteligencia artificial que dio origen al machine learning ya
que al poder brindarle a una maquina la capacidad de aprender patrones se podía adelantar a una
respuesta o solución efectiva. Con esto se habla de una revolución en materia del procesamiento de
datos en la década de los 80, debido a la creación de modelos y sistemas expertos que fueron muy
bien recibidos por los sectores corporativos.
Así que rápidamente modelos de software como el de Gerald Dejong en 1981 el cual trabajaba
bajo su concepto “Explanación Base Learning” (EBL) este consistía en una forma de aprendizaje
automático, la cual contenía cuatro variables o directrices a considerar, son los siguientes:
• Un dominio, que debía contener el interés específico de lo que se buscaba.
• Un espacio de hipótesis, que constaba de todas las posibles soluciones.
• Ejemplos de entrenamiento, los que básicamente eran los datos y soluciones diferentes que
ya se habían encontrado.
• Criterios de operatividad, son criterio que permiten el reconocimiento del tipo de dominio a
tratar.
Este tipo de modelos que no solo permitían trabajar sobre las variables ingresadas, sino que
también permitía almacenar nuevas para la formulación de sus propias variables empezaron a tomar
renombre y apreciaciones a nivel industrial.
Tan solo unos cuantos años más adelante en 1985 el profesor e informático teórico, Terry
Sejnowski sorprendió con su programa “NetTalk” su aporte a la evolución de esta materia, el
cual consistía en un algoritmo capaz de aprender la pronunciación de palabras a niveles escolares,

6
sin saber que logros como estos le harían merecedor de premios y grandes reconocimientos en su
campo, inclusive que sería uno de los miembros de la Academia Nacional de Ciencia, de su país.
Tras esta gran etapa se viviría en esta extraordinaria rama de la inteligencia artificial un
estancamiento, el cual condujo a que se desvinculara como una herramienta de la inteligencia
artificial; echo que la catapulto a el estatus de materia a finales de los noventa. Década que bien
estuvo algo estancada en descubrimientos y avances, pero proporciono a este campo algoritmos
como el ordenador Deep Blue, de IBM una de las más grandes industrias tecnológicas de la década,
vence en 1997 a el campeón mundial de ajedrez Gary Kaspárov. Lo que demostraba una alta
capacidad de la computadora al momento de analizar y replicar un contrataque a cada movimiento
a futuro hecho por el oponente humano.
Ahora no bien llegaran a su término las cuatro décadas de avances y descubrimientos que
dieron como origen el machine learning. a comienzos del 2000 este asombroso campo de la
inteligencia artificial carecía de promoción y recursos, debido a que desde sus orígenes estaba
enfocada a sectores empresariales que tal vez no gozaban de suficientes ganancias como para
alentar su pleno desarrollo, además en ese punto de la historia se desconocía el verdadero potencial
del machine learning.
No obstante, fue solo hasta los primeros meses del 2006 que el machine learning inicio su gran
ascenso a la cúspide de manejo y procesamiento de datos. ya que, de la mano de grandes empresas
como IBM y Microsoft, empezaría a expandirse a nivel global. Y es así como en el 2008 Microsoft
lanza la versión beta del programa Azure Machine Learning, una herramienta que brinda un servicio
de nube para sus usuarios con la capacidad de almacenar aplicaciones directamente en el centro de
procesamiento de Microsoft permitiéndoles ser capaces de ejecutarse sobre ella además permite un
mayor nivel de confidencialidad que muchos otros sistemas de la época. Luego tres años más tarde
la industria IBM también revolucionarían el machine learning, lanzando su ordenador Watson el
cual causó sensación en el concurso Jeopardy un programa televisivo de norte américa que consistía
en responder a preguntas en su lengua natural, pues este sistema venció a sus rivales humanos al
responder con exactitud, aunque presento problemas en algunas categorías que no le brindaban las
pistas necesarias para que este sistema pudiera responder adecuadamente logro conseguir una
excelente puntuación.
Al año siguiente los amigos Jeff Dean, quien trabajaba en Google y Andrew N quien se
desempeñaba como profesor de la universidad de Stanford, se asociaron para dirigir un innovador

7
proyecto de Google, que tendría como nombre Google Brain, que consistía en una red neuronal que
por medio de Google es capaz de detectar patrones en videos e imágenes.
Este tipo de Red Neuronal Profunda (RNP) se consolidaría a ser una de las grandes maravillas
del machine learning al ser aplicadas posteriormente en sistemas de seguridad y a nivel militar,
gracias a este tipo de algoritmos que costaban de una gran arquitectura de aprendizaje empresas a
nivel de comunicación como Facebook pudieron desarrollar algoritmos más complejos como el
DeepFace, el cual este le permitía a un sistema reconocer a una persona como lo haría un sistema.
También empresas como DeepMind, una empresa inglesa dedicada al Deep learning; quien fue
capaz de diseñar un algoritmo capaz de jugar los juegos de Atari con tan solo ver los pixeles en la
pantalla como lo haría cualquier persona normal, con tal destreza contaba el algoritmo que tras unas
cuantas horas de juego podía vencer a profesionales en el tema, razón por la cual Google en el 2014
no dudo un segundo en comprar esta compañía. La cual prometía seguir demostrando una gran
competitividad en la rama del machine learning.
Con el tiempo otras compañías como Amazon lanzarían sus propias plataformas de machine
learning, y Microsoft que volvía a innovar lanzando “Distributed Machine Learning Toolkit”, una
herramienta diseñada para compartir programas y problemas de machine learning entre equipos las
veces que se quiera.
Así básicamente se empezó a construir la gran reputación con la que cuenta la inteligencia
artificial, hasta el punto de que Elon Musk, Sam Altman y otro conjunto de personas fundan en el
2015 una organización sin ánimo de lucro llamada Open AI, dotándola de mil millones de dólares
para que iniciaran y promovieran investigaciones que permitieran el avance de la inteligencia
artificial en pro de un impacto positivo para la humanidad.
Ahora bien, ya analizados los principales eventos e investigaciones que dieron origen al
machine learning, nos podemos enfocar a lo que sucede con él en la actualidad, pues no solo sigue
siendo importante para nosotros en campos como la informática o el sector empresarial donde su
principal función es la manejar los grandes volúmenes de información que generan todos los días
dichos campos.

8
También hemos podido ver otros campos de aplicación donde la incursión del machine learning
ha traído y puede traer a futuro gran utilidad, algunos sectores son: Educación, Medicina, Finanzas,
Construcción, Robótica.
Antes de revisar cada una de las anteriores aplicaciones del machine learning en estas ramas,
debemos tener muy presente de que este se basa en una sola finalidad la cual es lograr el aprendizaje
autónomo de las maquinas o sistemas que nos ayudan hoy en día, dicho aprendizaje puede definirse
en tres tipos de algoritmos:
• El aprendizaje supervisado: el cual consiste en etiquetar los conjuntos de datos para que los
patrones puedan ser detectados y puedan ser usados para etiquetar nuevos conjuntos de
información.
• El aprendizaje no supervisado: se usará cuando algún conjunto de datos no se encuentre
etiquetado y por ende la única forma de ser acomodado sea mediante a la revisión de
similitudes o diferencias que permitan su diferenciación.
• El aprendizaje de refuerzo: es cuando los datos del sistema no están etiquetados, pero
después realizar varias acciones y de cierto periodo, el sistema será retroalimentado
mediante actualizaciones
3. ALGUNOS CAMPOS DE ACCIÓN DEL MACHINE LEARNING
3.1 Medicina
En esta rama la integración de la inteligencia artificial mediante el machine learning, busca la
eficiencia de los equipos generadores de diagnósticos médicos así se podrán descartar errores
humanos en el análisis de datos y se reducirían costos en investigación. Algunos avances en esta
materia ya se están viendo al usar programas como el IBM Watson y los chatbots para que
interactúe con el paciente realizando una serie de preguntas que le permiten formular una hipótesis
del posible estado de salud el paciente o para realizar análisis de seguimiento.

9
Ilustración 1: En la salud
Fuente: https://bitaminiablog.com/category/tic/
Otros ejemplos presentados en los últimos años por el machine learning en el área de la salud
y la medicina, el hallazgo de células cancerígenas en plena etapa de aparición y desarrollo en el
cuerpo ha permitiendo dar un tratamiento mejor a los pacientes, totalmente enfocado según su tipo
de cáncer, alargando así los años de vida del enfermo; otro campo en donde se ha visualizado el
aporte de machine learning es en la predicción de brotes epidémicos.
En el proceso para la predicción de brotes epidémicos, se han desarrollado herramientas que
permiten monitorear el comportamiento del brote en todo el mundo están basadas en los datos
recopilados de satélites, información histórica en la web, las máquinas de vectores de soporte y las
redes neuronales artificiales. Para predecir brotes de malaria, se tienen en cuenta datos como la
temperatura, la precipitación mensual promedio, el número total de casos positivos y otros puntos
de datos.
Predecir la gravedad de los brotes es particularmente indispensable en los países del tercer
mundo, que a menudo carecen de infraestructura médica, vías educativas y acceso a tratamientos.
Por este motivo se creó ProMED-mail que es un programa de informes basado en Internet para
monitorear enfermedades emergentes y proporcionar informes de brotes en tiempo real

10
Para finalizar cabe destacar que últimamente el mercado de aplicaciones y dispositivos enfocados
a la salud ha crecido a gran escala ampliando las expectativas de vida del ser humano en la tierra.
3.2 Educación
Su aplicación en esta rama seria vital debido a que con sistemas capaces de evaluar a cada
estudiante trazando un plan de trabajo con sus necesidades, permitiría al maestro enfocarse
directamente a suplir las verdaderas deficiencias de cada estudiante. Además, porque no llegar a
pensar en que dichos sistemas de inteligencia artificial podrían remplazar a maestros de tal manera
que no hubiese barrera alguna para llevar educación a través del universo, lo que hace el machine
learning es dotar la educación del recurso faltante que, para muchos es la calidad.
Ilustración 2: En la educación
Fuente: https://www.iebschool.com/blog/machine-learning-deep-learning-big-data/
3.3 Construcción
En este campo ha dado grandes resultados debido a que antes la mayoría de los sistemas en las
fábricas eran manipulados por los seres humanos esto se deducía en horarios de trabajo cortos y
poca producción, si a eso le sumamos tal vez las peligrosas actividades que se debían realizar en
algunas fábricas ya que esto reducía la eficiencia. Lo que cambiaría con la llegada del machine
learning en combinación con la robótica, lo cual hoy en día ha permitido la automatización de
grandes fábricas generando una mayor rentabilidad y una mayor eficiencia.

11
Ilustración 3: En Construcción
Fuente: http://blog.channeldir.com/machine-learning/
3.4 Finanzas
En este sistema fue una de sus primeras apariciones debido a que muchas industrias necesitaban
una plataforma que fuese intuitiva y que permitiera a sus usuarios revisar y verificar sus trámites y
transacciones. Mediante programas como MInt o Turbo Tax que recopilaban información de los
clientes de muchas entidades financieras, incluso el software IBM Watson hoy en día es de vital
importancia en mercados como el de Wall Street ya que realiza la mayoría de las operaciones.

12
Ilustración 4: En Finanzas
Fuente: http://rpp.pe/campanas/branded-content/negocios-y-data-de-que-se-trata-el-business-analytics-noticia-
1098642
3.5 La Robótica
A nivel de esta industria el impacto del machine learning es sorprendente tanto en la actualidad
como en sus predicciones a futuro. Donde industrias como Honda con su robot Asimo, han logrado
demostrar como un organismo robótico puede suplir a un hombre en el cumplimiento de labores
que hoy en día se creían complejas para las maquinas. También están los grandes avances logrados
por los países más avanzados tecnológicamente como China, Japón, Rusia, Corea del sur y Estados
Unidos.

13
Ilustración 5: En Robótica
Fuente: http://www.lavanguardia.com/economia/20170119/413499547095/sociedad-
inteligenciaartificialthevalley-digital.html
4. ¿Por qué hay que estar preparados para el futuro?
Ahora debemos comprender que todos los campos mencionados anteriormente se han visto
beneficiados por la inteligencia artificial y el machine learning en el transcurso de estos años, lo
que nos muestra una gran utilidad de esta rama de la ciencia, pero no todo es felicidad debido a que
hay personas y organizaciones que plantean teorías de avance poco favorecedoras en este campo
debido a que terminan con la destrucción de la humanidad lo que suena un poco a ciencia ficción.
Aunque opiniones como la de Elon Reeve Musk físico, inversor y magnate nacido en Sudáfrica
con nacionalidad canadiense y estadounidense el cual es uno de los pioneros en materia de inversión
para la evolución de este campo cuyas opiniones van desde “la inteligencia artificial que es la
solución a muchos problemas de la humanidad” a opiniones como “la inteligencia artificial supone
un riesgo para la existencia de la humanidad”; frases dichas en una reunión con altos mandos del
gobierno de estados unidos, pero esto es solo el pensar de un hombre amante de la ciencia y la
tecnología que cuenta con la visión desoladora que traerá para la humanidad, el brindarle una

14
conciencia o la capacidad de razonar a una máquina, a tal nivel que la inteligencia humana se vea
reducida y opacada por la superioridad de la creación.
Debido a que la humanidad sueña con este tipo de seres que nos liberen o sustituyan en muchas
de las labores cotidianas, para muchos este tipo de pensamiento será el que llevara a su final al ser
humano como especie. Y no es lo único en lo que se debe pensar, pues fue el matemático e
informático de origen Israelí, Vardi. M, (1981), quien planteo lo siguiente: “La pregunta que quiero
plantear es si la tecnología que estamos desarrollando beneficiara la humanidad en última
instancia… Creo que la sociedad necesita hacer frente a esta cuestión antes de que se nos venga
encima ¿Qué haremos los humanos cuando los robots hagan todo?” resolviendo así su inquietud
“Una respuesta típica es que, si las máquinas van a hacer todo nuestro trabajo, seremos libres
para realizar actividades de ocio”.
Según lo planteado el mundo sería una total y completa utopía, si se pudiese realizar ese
revolucionario proyecto de suplantación, el cual desligaría al ser humano de cualquier actividad
laboral tediosa permitiéndole enfocar su tiempo en otras actividades.
Pero bien según el propio Vardi quien más tarde en esta conferencia diría: “No encuentro en
ello un futuro prometedor. No creo que una perspectiva de vida solo de ocio sea atractivo, Creo
que el trabajo es esencial para el bienestar humano”.
Pues para él la idea de no tener que trabajar o ser remplazados por maquinas es catastrófica,
pues en sus investigaciones y cálculos en un promedio de 30 años las maquinas serán capaces de
realizar de igual forma e incluso mejor muchas de las actividades humanas, lo que nos traería una
gran ola de desempleo para el año 2045, principalmente dejando en muy malas condiciones a las
clases medias y bajas del planeta.
Lo anterior también nos pone a pensar en que tan difícil será para las poblaciones más
necesitadas del mundo, debido a que este tipo de tecnología no será accesible para todos, ya que
esta ha sido la principal limitación con la que cuenta esta materia sus altos costos de producción y
desarrollo.
Grandes avances en sistemas automatizados que permiten a casa controlar todo lo que hay en
su interior, hasta organismos robóticos con características iguales o similares a los seres humanos

15
son algunas de las metas que se tienen con esta materia. Tanto así que ya se ha hablado de su gran
potencial a nivel militar, pues se han planteado hipótesis de robots asesinos, los cuales pelearían en
las futuras guerras que se avecinan por el control mundial que ha sido una de las principales
falencias de la humanidad la ambición.
Ambición que para muchos será la causa de nuestra destrucción pues al crear maquinas
diseñadas para asesinar, que nos asegura que llegado el tiempo estas mismas no nos consideraran
obsoletos y se revelaran, como ya lo sugieren muchas novelas y filmes de la época. Aunque muchos
se niegan a que esto sucederá debido a que tal vez creen de una manera férrea en las leyes de la
robótica formuladas por Isaac Asimov, que fue un escritor y profesor de bioquímica en la facultad
de medicina de la Universidad de Boston, es de origen Ruso, Nacionalizado Estadounidense, que
se destacó especialmente en el género de la ciencia-ficción y la divulgación científica. Quien
planteo básicamente que para el pleno desarrollo de este tipo de inteligencia imperaría un
fundamental respeto de la maquina hacia el hombre, garantizando así que nunca se volverá en
contra de ningún humano.

16
5. CONCLUSIÓN:
Para concluir la mente humana está dotada para trabajar en el desarrollo de diferentes habilidades
como: emoción, pensamiento, razonamiento, aprendizaje, lenguaje, visión y sobre todo está llena
de sentido común y conciencia de nosotros mismos, algo que no está en las máquinas, las cuáles,
por ejemplo, no son capaces de negociar, de emocionarse, de pensar por sí solas y de socializar.
Por otro lado, gracias a los aportes de la inteligencia artificial y al machine learning en los
diferentes campos mencionados se ha hecho posible hacer la vida del ser humano más fácil,
permitiendo el progreso económico, tecnológico y social en todos los ámbitos de nuestra existencia.
Ya que se trata de tareas repetitivas, mecánicas y monótonas que se pueden encargar a seres no
emocionales, que además no se quejan y tampoco piden aumento salarial. Aunque esto conllevaría
a una ola de desempleo para los años futuros, es aquí donde se necesitara revisar las desventajas y
los beneficios de dotar a las maquinas con la inteligencia para remplazar a los humanos.
Para finalizar que cabe denotar que hasta que no se haga una Introspección donde quede claro
que las maquina por medio del machine learning no van a sobrepasar las 3 leyes de Isaac, por el
contrario, van a discernir en entre qué está bien o qué está mal, que ellas nunca van a ser superiores
al ser humano y que su misión al fin y alcabo es ayudar al desarrollo del ser humano y no convertirse
en una amenaza para la humanidad.

17
6. REFERENCIAS BIBLIOGRÁFICAS.
Adext (2018). INTELIGENCIA ARTIFICIAL. [online] Available at:
https://blog.adext.com/es/machine-learning-guia-completa [Accessed 8 May 2018].
Faggella, D. (2018). 7 Applications of Machine Learning in Pharma and Medicine. [online]
TechEmergence. Available at: https://www.techemergence.com/machinelearning-in-pharma-
medicine/ [Accessed 16 May 2018].
Lab.elmundo.es. (2018). La Inteligencia artificial no es como en las pelculas.
Qu es? | EL MUNDO. [online] Available at: http://lab.elmundo.es/inteligencia-artificial/que-
es.html [Accessed 20 May 2018].
Ramon, R. Machine Learning es un área de la inteligencia artificial que busca desarrollar
técnicas para que las computadoras aprendan. (2014). [online] Available at:
https://www.youtube.com/watch?v=jBsUx-xiK88.
Martínez, H. Todos podemos aprender Machine learning. (2017). [online] Available at:
https://www.youtube.com/watch?v=7ClLKBUvmRk.
Moreno, S. (2018). Camino hacia la sociedad de la inteligencia artificial. [online] La Vanguardia.
Available at:
http://www.lavanguardia.com/economia/20170119/413499547095/sociedadinteligencia-
artificial-the-valley-digital.html [Accessed 30 May 2018].
Orbyt, E., Vivienda, S., TV, G., inmobiliarias, I., Búho, E., Sergio, R., Plus, C.,
Médico, D., Marca, A., eSports, M., Editorial, E., Editorial, U., Empleo, E. and
Editorial, E. (2018). Elon Musk: "Hay que regular la inteligencia artificial antes de que se
convierta en un peligro". [online] ELMUNDO. Available at:
http://www.elmundo.es/tecnologia/2017/07/18/596dc3acca4741ea3b8b45a0.html [Accessed
17 May 2018].
SearchDataCenter en español. (2018). ¿Qué es Inteligencia artificial, o AI? - Definición en
WhatIs.com. [online] Available at:
https://searchdatacenter.techtarget.com/es/definicion/Inteligencia-artificial-o-AI [Accessed 14
May 2018].
Synergic Partners (2018). Una Breve Historia del Machine Learning. [online] Available at:
http://www.synergicpartners.com/una-breve-historia-del-machinelearning/ [Accessed 8 May
2018].

El machine learning s

Más contenido relacionado

La actualidad más candente (20)

Similar a El machine learning s (20)

Último (17)

El machine learning s