Aviso sobre el Uso de cookies: Utilizamos cookies propias y de terceros para mejorar la experiencia del lector y ofrecer contenidos de interés. Si continúa navegando entendemos que usted acepta nuestra política de cookies. Ver nuestra Política de Privacidad y Cookies
Tienes activado un bloqueador de publicidad

Intentamos presentarte publicidad respetuosa con el lector, que además ayuda a mantener este medio de comunicación y ofrecerte información de calidad.

Por eso te pedimos que nos apoyes y desactives el bloqueador de anuncios. Gracias.

Continuar...

Lunes, 19 octubre 2015
Computación

Algoritmos para reemplazar la intuición humana

La intuición ha sido a menudo referida como una habilidad netamente propia de seres vivos inteligentes y fuera del alcance de las máquinas. Ahora, parece que la situación ya no estará tan clara.

 

El análisis de cantidades masivas de datos se basa en la búsqueda de patrones sutiles que tienen algún tipo de poder predictivo. Pero elegir qué “propiedades” de los datos analizar precisa normalmente de cierta intuición humana.

 

El equipo de Max Kanter, del Instituto Tecnológico de Massachusetts (MIT), en Cambridge, Estados Unidos, tiene como objetivo sacar al elemento humano del análisis de grandes cantidades de datos, con un nuevo sistema que no solo busca patrones sino que también escoge qué “propiedades” de los datos son las más prometedoras para analizar. Para probar el primer prototipo de su sistema, él y sus colegas lo inscribieron en tres competiciones científicas de análisis de datos, en las que compitió contra equipos humanos para encontrar patrones predictivos en conjuntos de datos sin conocimiento previo sobre los mismos. De los 906 equipos que participaron en las tres competiciones, la “Data Science Machine” (Máquina Científica de Datos) de los investigadores acabó por encima del puesto 615. Dicho de otro modo, el sistema que reemplaza a la intuición humana con algoritmos fue más eficaz que 615 de los 906 equipos humanos.

 

[Img #31356]

 

En dos de las tres competiciones, las predicciones realizadas por la Data Science Machine fueron tan fiables, en un 94 y un 96 por ciento, como las de las propuestas ganadoras. En el tercero, la cifra fue más modesta, un 87 por ciento. Pero mientras que los equipos de humanos trabajaron normalmente sobre sus algoritmos de predicción durante meses, la Data Science Machine necesitó solo entre 2 y 12 horas para producir cada uno de sus registros.

 

Información adicional

Quizá también puedan interesarle estos enlaces...

Copyright © 1996-2017 Amazings® / NCYT® | (Noticiasdelaciencia.com / Amazings.com). Todos los derechos reservados.
Depósito Legal B-47398-2009, ISSN 2013-6714 - Amazings y NCYT son marcas registradas. Noticiasdelaciencia.com y Amazings.com son las webs oficiales de Amazings.
Todos los textos y gráficos son propiedad de sus autores. Prohibida la reproducción total o parcial por cualquier medio sin consentimiento previo por escrito.
Excepto cuando se indique lo contrario, la traducción, la adaptación y la elaboración de texto adicional de este artículo han sido realizadas por el equipo de Amazings® / NCYT®.

Amazings® / NCYT® • Términos de usoPolítica de PrivacidadMapa del sitio
© 2017 • Todos los derechos reservados - Depósito Legal B-47398-2009, ISSN 2013-6714 - Amazings y NCYT son marcas registradas. Noticiasdelaciencia.com y Amazings.com son las webs oficiales de Amazings.
Powered by FolioePress