Tendencias de la IA: una mirada más cercana al papel del machine learning

La tecnología más candente en este momento es la IA, más concretamente, la IA generativa. La tendencia es tan popular que cada ponente de conferencia y webinar se siente obligado a mencionar alguna forma de IA, sin importar su campo.

Las innovaciones y los riesgos que ofrece la IA son a la vez emocionantes y aterradores. Sin embargo, el fuerte enfoque en esta tecnología eclipsa un componente importante de la inteligencia artificial: el machine learning (ML).

Para una descripción rápida, el ML (aprendizaje automático) es un subconjunto de la IA basado en patrones, predicciones y optimización. Las herramientas de ciberseguridad se basan en ML para utilizar predicciones y patrones con el fin de encontrar anomalías y detectar posibles amenazas. En lugar de que un humano pase horas leyendo registros, el ML puede hacer las mismas tareas en segundos.

Al igual que la IA, el ML (machine learning) existe desde hace mucho tiempo. La razón por la que hablamos tanto de IA ahora es porque la IA generativa es un cambio radical en la forma en que nos comunicamos con la tecnología. Pero el ML también está cambiando y veremos que se utiliza de nuevas formas en 2024.

El machine learning tiene que ver con los datos. Los algoritmos de ML se basan en datos históricos para detectar patrones, desde códigos de software hasta comportamientos de compra de los clientes. Las redes sociales dependen de algoritmos de ML para mantener la información relevante en la parte superior de su feed. Los coches autónomos utilizan algoritmos de ML (machine learning) para navegar por las calles de la ciudad y las leyes de tráfico. En ciberseguridad, el ML (machine learning) se utiliza en áreas como el análisis de comportamiento y el envío de alertas por uso inusual, la automatización y la provisión de inteligencia de búsqueda de amenazas en tiempo real más eficiente.

Actualmente se utilizan tres tipos comunes de ML. El aprendizaje supervisado entrena al ML para realizar una tarea específica basada en los datos presentados. El aprendizaje sin supervisión se basa en las relaciones entre los datos. El aprendizaje por refuerzo es más similar al aprendizaje humano, en el que el modelo de ML (machine learning) aprende a resolver problemas a través de formatos de prueba y error.

A medida que la IA sigue avanzando, también lo hace el ML, y una de las mejoras más esperadas del ML en 2024 será el machine learning sin código. El ML sin código se basa en gran medida en datos de comportamiento y en un lenguaje sencillo para obtener resultados. En lugar de un complicado lenguaje de codificación, los analistas podrán formular una pregunta o crear un comando para obtener un informe. Uno de los mayores beneficios del ML sin código es que permite a empresas de todos los tamaños implementar ML y IA en sus redes sin necesidad de contratar analistas e ingenieros de datos. La desventaja es que este tipo de tecnología ML es limitada y no podrá realizar análisis predictivos en profundidad.

Se espera que el ML no supervisado y de refuerzo se expanda el próximo año, en parte debido al ML no-code.

A medida que evolucione el ML, es probable que veamos un crecimiento en otras tecnologías como la realidad aumentada y la computación cuántica. “Los modelos de aprendizaje automático pueden generar objetos 3D para aplicaciones y otros usos en realidad aumentada”, escribió Luís Fernando Torres. Además, el ML desempeñará un papel en la mejora de la tecnología de reconocimiento facial y en las interacciones con la IA generativa.

Como se mencionó anteriormente, el ML beneficia a su programa general de ciberseguridad al automatizar lo que antes eran engorrosas tareas manuales. Puede encontrar amenazas que, de otro modo, se pasarían por alto y puede reducir los falsos positivos.

Pero como con cualquier tecnología, existen riesgos de seguridad. Los actores maliciosos utilizan el ML y la IA para lanzar ataques envenenando o engañando los datos y así engañar al sistema y que proporcione informes falsos. Los actores de amenazas utilizan esto para eludir los sistemas de seguridad y secuestrar la red.

La IA y su papel en la seguridad es de lo que todo el mundo quiere hablar hoy en día, pero las formas en que la IA puede mejorar los sistemas de seguridad de su empresa dependen del aprendizaje automático. Ha llegado el momento de volver a lo básico y reconocer cómo encaja el ML (machine learning) en su sistema de seguridad y cómo entrenar mejor el ML para que su IA sea aún más eficaz.