Ingeniería de características: Darle pistas a la máquina

Antes de que existiera el aprendizaje profundo, ese que promete aprender solo, los sistemas de inteligencia artificial dependían casi completamente de nuestra capacidad para decirles qué mirar, qué ignorar y qué señales eran relevantes.

La ingeniería de características es el proceso de seleccionar, transformar y crear variables a partir de datos brutos para que un modelo de aprendizaje automático pueda funcionar mejor. Es convertir un montón de texto, números o imágenes en algo que una máquina pueda interpretar y usar para tomar decisiones.

Pero en la práctica cotidiana, la ingeniería de características es darle pistas a la máquina, que nosotros, como humanos, sabemos reconocer de inmediato, pero que para un computador no existen hasta que las convertimos en números, vectores o patrones.

Antes de la llegada del aprendizaje profundo, quienes investigaban fake news tenían que construir manualmente decenas de señales, desde la estructura de una frase hasta la presencia de ciertos marcadores lingüísticos, pasando por la reputación del dominio, la longitud del titular o la densidad emocional del texto.

Hoy, los modelos profundos intentan evitar este paso, aprendiendo directamente de los datos. Pero eso no significa que la ingeniería de características haya perdido vigencia, sigue siendo crucial cuando los datos son escasos, los modelos deben ser transparentes o necesitamos entender por qué una IA tomó cierta decisión.

La ingeniería de características no solo enseña a la máquina; también nos enseña a nosotros a mirar con más detalle. A veces, al decidir qué variables son relevantes, uno se da cuenta de cómo se construyen las señales en el mundo real. Es casi un ejercicio epistemológico: ¿Qué pistas nos indican que un texto es confiable?, ¿Qué elementos nos hacen sospechar de un mensaje?, ¿Qué patrones revela un conjunto de noticias falsas?

La verdad es que, aunque suene técnico, este proceso no está lejos de lo que hacemos todos los días.

Cuando alguien nos envía un mensaje extraño, analizamos pequeñas señales: el tono, la forma de escribir, la hora en que se envió, sin darnos cuenta, también hacemos ingeniería de características, pero en nuestra vida cotidiana.

Esta disciplina es un puente entre el entendimiento humano y el entendimiento computacional. Un recordatorio de que la inteligencia artificial no nace sabiendo, somos nosotros quienes, al principio, le señalamos las pistas del camino.

Visítanos en nuestras redes sociales: @digitalia_col