top of page

Hablemos de testing en Machine Learning e IA

Actualizado: 26 ene

¿Escuchan eso? Si, es el auge de Machine Learning e Inteligencia Artificial viniendo con todo, dispuestos a arrasar todo lo que creías saber sobre Testing.

Máquina de escribir con IA
Con qué se testea ésto?

Vivimos en una época en la que estas dos tendencias crecen exponencialmente. Todos los días hay 20 nuevos bots para atención al cliente, programas para reconocimiento de animales, plantas, productos, otros que analizan big data para mejorar la experiencia del usuario ajustando los parámetros según los hábitos de las personas...en fin, para todos los gustos. Turing estaría orgulloso de todo lo que se avanzó!


Pero hay algo que estoy seguro más de uno se preguntó y, sino, se va a preguntar en este mismo momento: ¿Cómo testear algo cuya naturaleza es justamente la de cambiar y adaptarse? Sobre todo...¿qué papel juega Automation en este tipo de testing? ¡Pasemos a analizar el problema, las posibles soluciones e iniciemos el debate!


¿Qué es Machine Learning y qué es Inteligencia Artificial?


Sin entrar en tecnicismos muy duros, voy a explicar primero lo que se entiende por ML y por IA. Machine Learning es la capacidad de un sistema de "aprender" sobre la marcha y ajustar sus variables para acercarse al resultado deseado. Y te estarás preguntando ¿"para qué acercarse a un resultado si simplemente le puedo decir que lo que se espera es tal cosa?". ¡Una pregunta super válida! Y el motivo por el que surge ML es la necesidad de que se adapte a cambios inesperados y responda de manera satisfactoria. Un ejemplo en el que estuve trabajando: Quiero que el sistema sea capaz de reconocer si la imagen que le estoy presentando es una hoja de eucalipto, de sauce, de roble o de cerezo. Para eso, el sistema cuenta con modelos entrenados capaces de darle una buena dirección. Con ese conocimiento previo, va a responder lo que más se acerque.


El entrenamiento usualmente se hace entrenando un modelo de red neuronal. Estas redes, tal cual nuestro querido y viscoso cerebro, tienen tantas interconexiones como complejidad le introduzcamos. Y un delta entre lo que es la respuesta correcta y lo que para el modelo es la respuesta correcta. En base a esa diferencia, entrena todos estos nodos de manera que la próxima iteración se acerque más al resultado esperado. Este delta que se busca achicar se llama "loss" y es una parte fundamental de las redes neuronales.


<