Voy a intentar simplificar lo que es Machine Learning de una manera sencilla y sin complicaciones, pero antes, vamos a ponernos en situación, si alguna vez has jugado al ajedrez o te gusta jugar contra la máquina sabrás que hay varios niveles, desde principiante a avanzado y cual es la diferencia, pues que en principiante tiene unos patrones aleatorios y avanzado sabe que piezas tiene que mover en función de las piezas que muevas tú, por lo tanto sabe lo que tiene que hacer, bien puesto en situación empezamos.
¿Qué es Machine Learning?
El Machine Learning es también conocido como el aprendizaje automático, de una manera muy resumida es que gracias al Machine Learning la inteligencia artificial aprende mediante ciertos patrones a tomar decisiones por si misma con respecto a la ciberseguridad. Esto con un ejemplo se entiende mejor, vamos a suponer que trabajamos con cierta cantidad de tráfico de datos, esta tendrá unos patrones determinados y variados hasta cierto punto, cuando la IA detecte algún patrón diferente decidirá si lo deja pasar o no.
Por esta razón se llama aprendizaje automático por que va aprendiendo según los datos que va obteniendo a lo largo del tiempo, por ejemplo si una secuencia se repite como podría ser 1-0-1-0-1, en caso de que la secuencia fuese 1-0-1-0-0, la IA determinará si lo deja o no pasar. Según esto sería capaz de razonar, pensar y aprender como una persona (con sus limitaciones).
Tipos de Machine Learning o aprendizaje automático
Existen tres tipos básicos de Machine Learning:
- El primero se llama aprendizaje supervisado, en el que el ordenador tiene datos de entrada y trata de predecir ciertos datos de salida. Esto puede hacerse con un sistema binario, en el que el ordenador intenta predecir un resultado «sí» o «no».
- El segundo es el aprendizaje no supervisado, en el que no se proporcionan datos de entrada. El ordenador trata de encontrar patrones en los propios datos, como por ejemplo encontrar relaciones entre diferentes puntos de datos. Este tipo de aprendizaje suele utilizarse para hacer predicciones y generar ideas.
- El tercero es el aprendizaje reforzado, este es un modelo adicional de aprendizaje automático basado en el modelo de red neuronal, también conocido como el aprendizaje profundo. Hablamos de un método de entrenamiento en el que el modelo de red neuronal va aprendiendo mediante capas y capas, por ejemplo puede aprender que es un virus, en otra capa como neutralizarlo, en otra capa como reaccionar ante la penetración etc. El aprendizaje reforzado construye modelos que aumentan su rendimiento en función del resultado de cada interacción. El modelo ajusta las acciones futuras para asegurarse de que también cumplen el objetivo o son correctas.
¿Cómo funciona el aprendizaje automático?
El aprendizaje automático consiste en que la IA analice grandes cantidades de datos y los utilicen para hacer predicciones, esto se realiza a través de distintos algoritmos de aprendizaje y a su vez estos pueden utilizarse de distintas maneras. Para entenderlo mejor veamos un ejemplo:
Uno de los tipos mas básicos de algoritmo se denomina modelo de regresión, el cual la máquina aprende a predecir una variable dependiente, veamos un ejemplo fácil como sería la temperatura, analizando variables independientes, como la presión y la humedad. Otro ejemplo fuera de la seguridad informática sería se trata de predecir el comportamiento de los clientes, pongamos otro ejemplo, predecir el número de personas que comprarán un producto basándose en datos de ventas anteriores (quizás te suene el término Big Data).
Si aplicamos esto a la ciberseguridad podríamos utilizar una detección de SPAM sabiendo que parametros utilizan los correos falsos podríamos determinarlos en la IA y que los detecte automaticamente.
Otro ejemplo sería la posibilidad de realizar una comparativa de tráfico, un WAF con Machine Learning detectará mucho mas rápido algo fuera de lo normal.
Modelos de Machine Learning
Al igual que tenemos distintos tipos de Machine Learning, tenemos distintos modelos de como se pueden aplicar los aprendizajes, entre ellos tenemos:
Modelo de Regresión
Este modelo es un programa de aprendizaje automático que calcula primero las estimaciones de las variables implicadas y luego comprende las relaciones previamente establecidas entre ellas. En este caso, el análisis de regresión se centra en una variable dependiente y una lista de variables independientes. Cuando el algoritmo se ejecuta, puede generar previsiones o predicciones precisas.
Modelo Bayesianos
El algoritmo de aprendizaje automático Bayesianos debe realizar estimaciones y comprender las relaciones existentes entre las variables al realizar tareas de regresión.Este algoritmo calcula la probabilidad de que una determinada observación sea independiente de las demás observaciones de un conjunto determinado.
Árbol de decisiones
Es un método muy eficaz para elegir opciones basadas en normas de gestión establecidas. Desarrolla estructuras de ramificación para mostrar los posibles resultados de una decisión, de forma similar a un diagrama de flujo. Se generan nodos que representan variables y las ramas representan los resultados de las variables probadas.
Red neuronal
Las redes neuronales artificiales están compuestas por una serie de capas conectadas entre sí, al igual que las capas de una red neuronal real. Estas redes están formadas por datos que funcionan juntos para abordar un reto específico. Aquí aparece el aprendizaje profundo o Deep Learning
Conclusión
Como habrás comprobado la IA y el Machine Learning son cosas distintas pero relacionadas, esto suele producir mucha confusión, lo bueno es que ya sabes la diferencia, pero para terminar te voy a poner otro ejemplo la IA es como un estudiante y la Machine Learning es lo que estudia. Sin duda la Machine Learning va a marcar un antes y un después en la inteligencia artificial.