10 de julio 2018

Definiendo Machine Learning e Inteligencia Artificial

Hector Diaz, CISM |  Cylance Inc.

Dentro del contexto de Inteligencia Artificial sigue habiendo muchas percepciones erróneas sobre que es y cómo funciona. Parte de esta confusión proviene del hecho de que AI es un término genérico que abarca una gama de tecnologías, que incluyen aprendizaje automático (ML), visión por computadora, procesamiento del lenguaje natural, aprendizaje profundo, etc.

En  campo de la Inteligencia Artificial también abarca la super Inteligencia Artificial, Inteligencia Artificial General e Inteligencia Artificial Estrecha

 

¿Qué es Machine Learning?

Machine Learning es una rama de la Inteligencia Artificial, relacionada con el diseño y desarrollo de algoritmos que permiten a las computadoras evolucionar comportamientos basados en datos empíricos. 

¿Cómo funcionan los algoritmos ML?

▪Las Computadoras“aprenden” a ejecutar tareas.

▪No se les dice qué hacer; Descubren cómo hacerlo a partir de los datos.

▪No es basado en reglas predefinidas.

▪Bueno para resolver problemas“grises”

▪Subcampo de ciencia de la computación e IA, fuertemente relacionado con las estadísticas.

Existen dos tipos de Ml 

 ML Supervisado

El Ml supervisado es una técnica para deducir una función a partir de los datos de entrenamiento.  Podemos enseñar a la maquina que con una serie de características un cliente es del tipo A que el que tiene otras características no es el tipo A. En este aprendizaje, el data scientist introduce los datos de entrada y salida  y  Machine Learning se encarga de encontrar el patrón y  la estructura interna de la información.

▪Se usa cuando la información objetiva es abundante

▪Usado para clasificar diferentes muestras en diferentes categorías

 

ML No-Supervisado 

ML No- Supervisado es una técnica en que los datos no han sido etiquetados previamente y solo dispone de datos de entrada. Por lo tanto, la maquina debe ser capaz de encontrar la estructura existente en los datos.

▪Entrena con poca información objetiva

▪Más cuidado y análisis cualitativo para verificar el resultado del modelo 

 

¿Cómo se entrena?  

Machine Learning en Ciberseguridad

En términos de seguridad existen diferentes tareas que pueden beneficiarse con este modelo, por ejemplo, la revisión y análisis de bitácoras (logs). A pesar de contar con herramientas de correlación de bitácoras, el trabajo de análisis e interpretación por parte de analistas de seguridad es complejo.

Por medio de IA y ML se puede avanzar en la identificación, clasificación, análisis y atención de incidentes de forma sistematizada y con poca intervención humana.

Otra tarea en seguridad que podemos atender con esta tecnología es la identificación y prevención de malware en equipos de cómputo. 

El uso de Inteligencia Artificial y Machine Learning se incrementará rápidamente en los siguientes años gracias a las capacidades de computo que se tienen hoy en día a costos razonables, y como consecuencia, este tipo de aplicaciones se volverán populares.

Descarga el libro electrónico  «Introducción a la inteligencia artificial para profesionales de la seguridad» abordaremos las técnicas de aprendizaje automático en situaciones prácticas para mejorar tu capacidad de prosperar en un mundo impulsado por los datos.

  •  ¿Qué te pareció este artículo? Cuéntanoslo en los comentarios.

Síguienos en nuestras redes sociales