El constante crecimiento tecnológico no sólo se interpreta en la aparición de dispositivos de mejor calidad y menor precio en el mercado. También se traduce como un flujo de ideas creativas de parte de los involucrados en las empresas gigantes como Google o Apple que buscan abrir las puertas a una realidad virtual idónea, donde existe el ML en abundancia y la ingeniera inversa no puede ser aplicada.
¿Y qué significan estos dos conceptos? La aplicación en la cual una selfie se puede convertir en un sticker se relaciona de forma directa al ML. Esto significa en inglés Machine Learning, y se traduce Aprendizaje autómata o de máquinas, que se puede comprender como el siguiente concepto:
Una inteligencia artificial a gran escala.
Las grandes compañías de tecnología se centran justamente en esa dirección: En la creación de softwares, aplicaciones y programas que tengan la capacidad de adaptarse a las necesidades y al estilo de vida de los usuarios. La razón del éxito detrás del ML, más allá de su carácter personalizado e increíblemente avanzado, recae en el hecho que es algo que siempre mejora con el tiempo.
Algunos de ejemplos de ML se pueden observar en las cámaras de un Smartphone utilizando Google Pixel y Pixel 2, donde la luz recobra más fuerza mediante un nuevo algoritmo. Otros ejemplos están en el asistente de Google, el cual tiene el propósito de ayudar a los usuarios a conocer todos los servicios de la plataforma, incluido el propio motor de búsqueda, y el Apple Face ID, que funciona como un reconocedor de rostro, y el cuál ya ha recibido muchas críticas positivas debido a su precisión, inclusive en la oscuridad.
¿Entonces que es la ingeniería inversa y por qué no debería poder ser aplicada?
Uno de los beneficios de la presencia del ML es que no permite que puede darse una clonación o una copia, y aquí entra la ingeniería inversa. Es el proceso que busca revelar con exactitud los principios tecnológicos de un dispositivo, un sistema, una herramienta o un objeto. Utiliza el método abductivo para crear una hipótesis que explica la estructura y el funcionamiento operativo del objetivo estudiado.
Para que uno un software de estos pudiera ser replicado o mejorado por la competencia, se necesitaría una inversión similar en parafernalia computacional, energética y tecnológica a la que posee la compañía original para conseguirlo. Por eso, el ML es algo muy respetado en este rubro, porque protege las creaciones en capitalización de recursos amplios además de darle un plus diferenciador en innovación a las grandes marcas. ¿Tú qué opinas al respecto?
