Debate sobre uso de machine learning en las redes de computadoras clausura el 24º WRNP

- 23/05/2023

El último panel del 24° WRNP derrumbó mitos y apuntó caminos promisorios para el uso de machine learning (ML) en redes de computadoras. Realizada, en conjunto con el Simposio Brasileño de Redes de Computadoras y Sistemas Distribuidos (SBRC) la mesa, mediada por Antonio Augusto de A. Rocha (UFF), contó con la presencia de la investigadora Damla Turgut, de la University of Central Florida (UCF) y de Bruno Ribeiro, de la Purdue University. 

ML o aprendizaje de máquinas es la capacidad de que los software sean entrenados y aprendan a adaptar su propio funcionamiento sin intervención humana. Su bien es cierto machine learning es hoy en día una de las principales aplicaciones prácticas de inteligencia artificial, existen también expectativas sobre lo que la tecnología es en efecto capaz de hacer en las redes de computadoras.

Para Damla Turgut, se crearon dos mitos: de que inteligencia artificial nos da solamente soluciones perfectas y que la IA es capaz de sustituir el trabajo humano. “La IA va en verdad a ayudarnos a tornarnos mejores en nuestros trabajos, proveyendo los mecanismos necesarios para que tomemos decisiones más inteligentes a partir del análisis de datos”, afirmó la investigadora.

En el campo específico de la aplicación para red de computadoras, Damla Turgut explicó como machine learning es capaz de optimizar la performance y a eficiencia de las redes, detectando fallas potenciales y mejorando la calidad del servicio para el usuario final, tanto para usos comunes como la transmisión de partidos de fútbol, cuanto para aplicaciones más complejas e individualizadas, como en casas inteligentes.

Asista íntegramente al último panel del WRNP: