Segunda parte.
En el anterior artículo sobre Machine Learning explicamos las aplicaciones más importantes en el ámbito de la empresa y los negocios. En este cubrimos sus usos generales en cuatro sectores clave donde el ML ha pasado de ser experimental a estar completamente integrado en producción: seguridad, movilidad autónoma, diagnóstico médico y procesamiento del lenguaje.
6. Seguridad
El machine learning ha transformado la manera en que los sistemas de seguridad detectan amenazas. A diferencia de los sistemas basados en reglas fijas, los algoritmos de ML aprenden de patrones históricos y se adaptan a nuevas formas de ataque o comportamiento anómalo, ayudando de forma rápida a la seguridad en entornos de alto riesgo como aeropuertos, infraestructuras críticas o redes corporativas.
Uno de los enfoques más usados en la detección de anomalías es el algoritmo Isolation Forest. Su lógica es sencilla pero efectiva: construye árboles de decisión aleatorios y mide cuántas particiones son necesarias para aislar una observación del resto del conjunto de datos. Cuantas menos divisiones necesita un punto para quedar separado, más atípico es respecto a la distribución normal. En la práctica, esto permite cribar entre cientos de alarmas cuáles merecen atención humana inmediata y cuáles son ruido de fondo, algo crítico en entornos como aeropuertos o centros de control industrial.
Para el reconocimiento facial y el análisis de imágenes de alta calidad —como el Face ID o los sistemas de control de acceso que usan numerosas empresas de seguridad—, el mecanismo son las redes neuronales convolucionales (CNN). Estas redes procesan la imagen capa a capa: las primeras capas detectan características visuales simples como bordes o cambios de color; las intermedias combinan esas características para reconocer estructuras (ojos, nariz, contorno facial); y las más profundas producen un vector numérico único por persona —llamado embedding— que representa el rostro de forma invariante a pequeñas variaciones de pose o iluminación. Comparar ese vector con una base de datos de referencia permite identificar a una persona en milisegundos.
En el ámbito de la ciberseguridad, los modelos LSTM (Long Short-Term Memory) son especialmente útiles para detectar intrusiones en redes corporativas. Al ser modelos diseñados para aprender secuencias, aprenden el patrón temporal normal del tráfico de red y levantan alerta cuando detectan desviaciones estadísticas: un pico inusual de peticiones, accesos en horarios atípicos o transferencias de datos fuera del comportamiento histórico.
Límites a tener en cuenta: los modelos de reconocimiento facial presentan tasas de error más elevadas en determinados grupos demográficos y en condiciones de iluminación deficiente. Los ataques adversariales —perturbaciones mínimas en una imagen, imperceptibles para el ojo humano— pueden engañar a una CNN con alta confianza. En ciberseguridad, los ataques sofisticados pueden moverse lentamente para mantenerse dentro de los umbrales que el modelo considera normales. Por eso estos sistemas se despliegan como apoyo a la decisión humana, no como sustituto definitivo.
7. Vehículos autónomos y robots
La conducción autónoma es uno de los campos donde el machine learning muestra toda su complejidad: un vehículo debe percibir el entorno, interpretarlo y tomar decisiones en milisegundos, en condiciones que no se repiten nunca exactamente igual.
El componente de percepción usa visión por computador. Modelos como YOLO (You Only Look Once) detectan y clasifican objetos en tiempo real —peatones, señales de tráfico, otros vehículos, bicicletas— analizando el fotograma completo con una única pasada por la red neuronal. Las arquitecturas anteriores dividían la imagen en regiones y las procesaban por separado, lo que las hacía más lentas; YOLO hace todo en un solo paso, lo que resulta crítico cuando el vehículo circula a alta velocidad y la latencia de detección tiene consecuencias directas en la seguridad.
La visión es solo una capa. Un vehículo autónomo combina datos de múltiples sensores: cámaras, LiDAR (que mide distancias con pulsos de luz láser) y radar. Los modelos de ML fusionan estas fuentes en una representación coherente del entorno, compensando las debilidades de cada sensor: la cámara da color y textura pero falla en poca luz; el LiDAR proporciona geometría 3D precisa pero no distingue colores ni texto en señales.
Para la toma de decisiones, el aprendizaje por refuerzo (reinforcement learning) entrena al sistema mediante prueba y error en entornos simulados: el agente recibe una recompensa positiva cuando adelanta correctamente o anticipa frenadas con seguridad, y negativa cuando invade un carril o provoca colisiones en la simulación. Tras millones de episodios, el modelo aprende una política de conducción que generaliza para situaciones reales. La empresa Tesla complementa esto con datos de su flota en carretera, que registra situaciones poco frecuentes imposibles de cubrir solo con simulación. Los coches también se adaptan a las preferencias y gustos del conductor, como la temperatura deseada o el modo de conducción habitual.
Límites a tener en cuenta: los sistemas actuales fallan con condiciones meteorológicas adversas como nieve intensa o lluvia fuerte, que degradan especialmente el LiDAR. Situaciones ambiguas que para un humano son triviales —el gesto de un operario en obras, una señal deteriorada o parcialmente tapada— siguen siendo difíciles de gestionar de forma fiable. Además, los escenarios donde el accidente es inevitable plantean dilemas éticos que ningún algoritmo resuelve de forma universalmente aceptada.
8. Diagnósticos médicos
La medicina es uno de los dominios donde el machine learning puede marcar una diferencia directa en vidas humanas. El sistema es capaz de procesar y detectar patrones e información mucho más rápido que la mente humana y desarrollar diagnósticos a partir de imágenes médicas, informes de patología y registros clínicos estructurados.
En el análisis de imagen médica, las redes neuronales convolucionales examinan mamografías, tomografías y radiografías buscando indicadores que pueden ser difíciles de detectar incluso para radiólogos experimentados. En el caso del cáncer de mama, estos modelos identifican microcalcificaciones y masas sospechosas y son capaces de detectar síntomas de la enfermedad en etapas más tempranas que el proceso diagnóstico habitual, antes de que las mujeres fuesen diagnosticadas por las vías convencionales. Para ello se entrenan con miles de imágenes anotadas por especialistas: la red aprende a reconocer las características visuales asociadas a tejido maligno frente a benigno.
Más allá de la imagen, algoritmos como Random Forest o XGBoost trabajan bien con datos tabulares: historial clínico, analíticas de sangre, factores de riesgo por edad, hábitos o predisposición genética. Estos modelos construyen y combinan cientos o miles de árboles de decisión para estimar la probabilidad de desarrollar una enfermedad o de responder bien a un tratamiento concreto. Esto permite detectar el riesgo de tenerla en grandes poblaciones y priorizar intervenciones preventivas donde más falta hacen, optimizando los recursos del sistema sanitario.
Límites a tener en cuenta: los modelos de deep learning son cajas negras —es difícil saber por qué han llegado a una conclusión concreta—, lo que dificulta su adopción en entornos clínicos donde la trazabilidad del diagnóstico es un requisito ético y legal. Técnicas como SHAP (SHapley Additive exPlanations) o LIME añaden cierta interpretabilidad explicando qué variables han pesado más en cada predicción, pero siguen siendo objeto de investigación activa. La calidad del dato de entrenamiento es también una limitación crítica: un modelo entrenado con datos de una sola población puede generalizar mal a grupos demográficos distintos, heredando los sesgos del conjunto original.
9. Procesamiento de lenguaje natural (NLP)
El machine learning es capaz de entender el lenguaje humano y responder en el mismo idioma. Lo que antes requería miles de reglas gramaticales escritas a mano ahora emerge de entrenar modelos con grandes volúmenes de texto.
El avance que transformó el campo fue la arquitectura Transformer, que introduce el mecanismo de atención. A diferencia de los modelos anteriores —las redes recurrentes (RNN) y las LSTM—, que procesaban el texto de forma secuencial de izquierda a derecha, el Transformer pondera simultáneamente las relaciones entre todas las palabras de una secuencia. Esto le permite capturar dependencias de largo alcance: que el pronombre «él» al final de un párrafo hace referencia a un sujeto introducido diez frases antes, por ejemplo. Las RNN se «olvidaban» de las palabras distantes porque su representación interna se iba sobreescribiendo; el mecanismo de atención mantiene acceso directo a cualquier posición de la secuencia en todo momento.
Sobre esta arquitectura se construyen modelos como BERT —especializado en comprensión del lenguaje, presente en los buscadores para interpretar la intención real detrás de una consulta— y los modelos de la familia GPT —orientados a la generación de texto—. Ambos son la base de los chatbots de atención al cliente que ya se utilizan en varias empresas para sustituir al empleado en el servicio al cliente y llevar al usuario a la información que desea obtener, así como de sistemas de análisis de sentimiento, traducción automática y resumen automático de documentos.
El reconocimiento de voz, como el que usa Siri de iOS, funciona en dos fases: un modelo acústico convierte la señal de audio en una secuencia de fonemas, y luego un modelo de lenguaje selecciona la interpretación más probable dada la frase completa en contexto, eligiendo entre las distintas palabras que podrían corresponder a esa secuencia de sonidos. Ambas fases se entrenan con grandes conjuntos de datos de voz anotados, lo que explica por qué el rendimiento varía según el acento o el idioma del hablante.
Límites a tener en cuenta: los modelos de lenguaje pueden generar afirmaciones falsas con aparente confianza —el fenómeno conocido como alucinación—, lo que los hace inadecuados sin supervisión humana en aplicaciones donde la exactitud factual es crítica. Su rendimiento cae en idiomas o dialectos con pocos datos de entrenamiento disponibles. Y tienden a reflejar los sesgos presentes en los textos con los que se entrenaron: si el corpus histórico subrepresenta ciertos grupos, el modelo puede tratarlos de forma diferente sin que sea evidente desde fuera.
¿Quieres trabajar con estas tecnologías?
Si te interesa dominar los algoritmos descritos en este artículo —desde redes neuronales convolucionales y aprendizaje por refuerzo hasta arquitecturas Transformer y modelos de clasificación para datos clínicos—, el Máster Experto en Data Science, Big Data e IA de Datahack cubre en profundidad estas materias con proyectos aplicados a casos reales de industria.
