La década 2010-2019 puede ser caracterizada como la década de la transformación digital. El avance recorrido en estos años en el ámbito tecnológico ha sido gigantesco, tanto que algunos entusiastas hablan del advenimiento de la “Cuarta Revolución Industrial”. Las tecnologías que lideran este cambio de época son. Blockchain, Computación en la Nube, Internet de las Cosas, Analítica de Big Data y la Inteligencia Artificial. Entre ellas, la última se ha llevado el protagonismo, ya que ha mostrado un gran potencial de innovación en múltiples sectores de la economía y la sociedad.

¿Qué es?

Se llama Inteligencia Artificial (IA) a una rama de la Informática dirigida a crear máquinas inteligentes. Es decir, que sean capaces de actuar y reaccionar de forma similar al razonamiento humano. Hoy en día, la IA se ha convertido en una parte esencial de la industria de la tecnología.

La investigación y desarrollos en Inteligencia Artificial incluyen la programación de computadoras para realizar y perfeccionar tareas tales como: razonamiento, resolución de problemas, percepción, aprendizaje, planificación, habilidad para manipular y mover objetos.

Los sistemas de inteligencia artificial son críticos para las empresas que buscan extraer valor de los datos mediante la automatización y optimización de procesos o la producción de valiosos y útiles insights. Los sistemas de inteligencia artificial impulsados por el aprendizaje automático permiten a las empresas aprovechar sus grandes cantidades de datos disponibles para descubrir perspectivas y patrones que serían imposibles de descubrir para cualquier persona, lo que les permite ofrecer una comunicación más específica y personalizada, predecir eventos críticos, identificar probables transacciones fraudulentas , y más.

 

Harvard Business Review ofrece información clave sobre la importancia de la IA en el entorno económico actual:

“Los efectos de la IA se magnificarán en la próxima década, ya que la fabricación, la venta al por menor, el transporte, las finanzas, la salud, el derecho, la publicidad, los seguros, el entretenimiento, la educación y prácticamente cualquier otra industria transformará sus procesos y modelos de negocio principales para aprovechar el aprendizaje automático (machine learning).”

Tipos

Existen muchas clasificaciones para la Inteligencia Artificial. Aquí veremos dos de ellas:

La primera forma de clasificarla consiste en establecer una división en dos grupos: IA débil e IA fuerte. La IA débil corresponde a sistemas diseñados y entrenados para una tarea en particular. Los asistentes personales virtuales que ofrecen los sistemas operativos d ellos teléfonos móviles, son un ejemplo de esta categoría.

IA fuerte, por su parte, corresponde a sistemas con habilidades cognitivas humanas generalizadas, de modo que cuando se le presenta una tarea desconocida, tiene suficiente inteligencia para encontrar una solución.

La segunda clasificación establece cuatro tipos:

Máquinas reactivas: Los tipos más básicos de sistemas de IA son puramente reactivos. Analizan los datos de la situación presente y establecen predicciones y decisiones posibles. No tienen la capacidad de formar recuerdos ni pueden utilizar experiencias pasadas en las que basar las decisiones actuales.

Memoria limitada: Estos sistemas pueden usar experiencias pasadas para informar decisiones futuras. Algunas de las funciones de toma de decisiones en vehículos autónomos han sido diseñadas de esta manera. Las observaciones son utilizadas para para elaborar acciones en un futuro próximo, como la percepción de que un auto ha cambiado de carril, por lo que habría que disminuir la velocidad. Estas observaciones no se almacenan permanentemente.

Teoría de la mente: Implica la comprensión de que las personas, las criaturas y los objetos en el mundo pueden tener pensamientos y emociones que afectan su propio comportamiento. Es un elemento básico para la interacción social. Este tipo de IA aún no existe.

Autoconciencia: En esta categoría, los sistemas de IA tienen un sentido de sí mismos, tienen conciencia. Las máquinas con conciencia de sí comprenden su estado actual y pueden usar la información para inferir lo que otros están sintiendo. Este tipo de AI aún no existe.

Ejemplos

Automatización: es el proceso de crear automáticamente un sistema o una función de proceso. La automatización robótica de procesos (RPA), por ejemplo, puede programarse para realizar tareas repetibles de alto volumen normalmente realizadas por seres humanos. La RPA es diferente de la automatización de TI en que se puede adaptar a las circunstancias cambiantes.

Aprendizaje automático (Machine Learning): se trata de sistemas en los que la máquina procesa conjuntos de datos, identifica patrones y los registra como un nuevo dato que incorporará para el análisis y la toma de decisiones. El aprendizaje profundo es un subconjunto del aprendizaje automático que, en términos muy simples, puede considerarse como la automatización de la analítica predictiva. Existen tres tipos de algoritmos de aprendizaje automático: el aprendizaje supervisado, en el que los conjuntos de datos están etiquetados para que los patrones puedan ser detectados y utilizados para etiquetar nuevos conjuntos de datos; el aprendizaje no supervisado, en el que los conjuntos de datos no están etiquetados y se clasifican de acuerdo a similitudes o diferencias; y el aprendizaje de refuerzo, en el que los conjuntos de datos no están etiquetados, pero después de realizar una acción o varias acciones, el sistema de IA recibe retroalimentación.

Deep Learning o Aprendizaje Profundo: Se trata de una importante mejora de los algoritmos de Aprendizaje automático. Se construyen programas que utilizan estructuras lógicas que se asemejan en mayor medida a la organización del sistema nervioso de los mamíferos, teniendo capas de unidades de proceso (neuronas artificiales) que se especializan en detectar determinadas características existentes en los objetos percibidos. A estas estructuras se les llama Redes Neuronales. El Deep Learning representa un acercamiento más íntimo al modo de funcionamiento del sistema nervioso humano. Nuestro encéfalo tiene una microarquitectura de gran complejidad, en la que se han descubierto núcleos y áreas diferenciados cuyas redes de neuronas están especializadas para realizar tareas específicas.

Gracias a la neurociencia, el estudio de casos clínicos de daño cerebral sobrevenido y los avances en diagnóstico por imagen sabemos por ejemplo que hay centros específicos del lenguajes o que existen redes especializadas en detectar diferentes aspectos de la visión, como los bordes, la inclinación de las líneas, la simetría e incluso áreas íntimamente relacionadas con el reconocimiento de rostros y la expresión emocional de los mismos.

Los modelos computacionales de Deep Learning imitan estas características arquitecturales del sistema nervioso, permitiendo que dentro del sistema global haya redes de unidades de proceso que se especialicen en la detección de determinadas características ocultas en los datos. Este enfoque ha permitido mejores resultados en tareas de percepción computacional, si las comparamos con las redes monolíticas de neuronas artificiales.

Visión por computador: consiste en la captura y análisis de la información visual usando una cámara y el procesamiento de los datos para el reconocimiento de imágenes e identificación de objetos. A menudo se compara con la vista humana, pero la visión artificial no está vinculada a la biología y puede programarse para ver a través de las paredes, por ejemplo. Se utiliza en una amplia gama de aplicaciones, desde la identificación de firmas hasta el análisis de imágenes médicas.

Procesamiento de Lenguaje Natural (PLN, o NLP por sus siglas en inglés): consiste en que la máquina pueda comprender y utilizar diferentes idiomas como si fuera un humano. Uno de los ejemplos más antiguos y conocidos de PLN es la detección de spam, que mira la línea de asunto y el texto de un correo electrónico y decide si es basura. Los enfoques actuales de la PLN se basan en el aprendizaje automático. Las tareas de PLN incluyen traducción de texto, el análisis de sentimientos y el reconocimiento de voz.

Robótica: es un campo de la ingeniería centrado en el diseño y fabricación de robots. Los robots se utilizan a menudo para realizar tareas que son difíciles de realizar para los seres humanos o es complicado que se desempeñen de manera consistente. Se utilizan en líneas de montaje para la producción de autos o para mover objetos grandes en el espacio. Más recientemente, los investigadores están utilizando el aprendizaje automático para construir robots que puedan interactuar en entornos sociales.

Aplicaciones en la Industria

 

Vehículos autónomos. Compañías como Google o Tesla han avanzado en los últimos años en el desarrollo de vehículos que puedan conducirse sin la intervención humana. Aunque esto aún no se ha logrado, ha habido importantes acercamientos. Actualmente, firmas automotrices ofrecen vehículos con la capacidad de estacionarse solos, detectar colisiones, monitorear de puntos ciegos, reconocimiento de voz y navegación por internet. Todas estas características utilizan algoritmos de Inteligencia Artificial a partir de terminales de entrada de datos y su procesamiento en tiempo real.

Banca y Finanzas. Debido al aumento en la cantidad de datos financieros, muchos prestadores de servicios han recurrido a la Inteligencia Artificial. Los robots son mucho más rápidos en el análisis de datos de mercado para pronosticar cambios en las tendencias de stock y administrar las finanzas. Incluso pueden usar algoritmos para ofrecer sugerencias a los clientes en la toma de decisiones. Así mismo, los bancos utilizan AI para hacer un seguimiento de la base de clientes, atender sus necesidades, hacer sugerencias de esquemas de productos y detectar comportamientos irregulares que puedan sugerir fraude.

Sanidad. La Inteligencia Artificial está siendo utilizada por los médicos para ayudar con los procedimientos de diagnóstico y tratamiento. Esto reduce la necesidad de múltiples máquinas y equipos, lo que a su vez reduce el costo. Hay experiencias en la administración de anestesia a pacientes automáticamente mediante procedimientos estándar. Además, existen sistemas diseñados para sugerir diferentes tipos de tratamientos basados en el historial médico de los pacientes.

Manufactura. La manufactura es una de las primeras industrias en utilizar la IA. Las piezas robóticas se utilizan en las fábricas para ensamblar diferentes partes y luego empaquetarlas sin necesidad de ayuda manual. Desde el manejo de materias primas hasta el envío de los productos finales, las mecanismos automatizados desempeñan un papel fundamental.

Ventas por Internet. Varios sitios web ofrecen a los clientes chatear con su representante en caso de una consulta o reclamos. Sin embargo, la mayoría de las veces estos no son humanos, sino robots que están capacitados para responder y extraer el conocimiento requerido del sitio y presentarlo al cliente. Estos robots utilizan el procesamiento en lenguaje natural para interpretar la consulta del cliente al centrarse en las palabras clave y luego, en respuesta, se obtienen los datos necesarios.

 

Hogar. Los dispositivos inteligentes del hogar que cuentan con tecnología IoT también hacen uso de la Inteligencia Artificial. La técnica consiste en aprender el comportamiento y el patrón de uso que muestra el usuario y, por consiguiente, el dispositivo comienza a comportarse de manera similar por sí solo sin necesidad de instrucciones. Los dispositivos de aire acondicionado pueden establecer la temperatura de su hogar de la manera que lo desee a diferentes horas del día. Del mismo modo, los sistemas de iluminación pueden modificar el brillo y la luminosidad que prefiera el usuario en distintos momentos.

Smartphones. La aplicación más común de la IA se puede ver en nuestros teléfonos móviles en forma de Asistentes Personales Virtuales. Estos pueden responder cualquier pregunta, ya que recopilan información para interpretar lo que pide el usuario y, a continuación, se obtienen los datos necesarios para adaptarse a sus preferencias. Estos asistentes utilizan el aprendizaje automático para procesar grandes cantidades de datos y mejorar así su eficiencia.

Periodismo. En el mundo digital de hoy, leer blogs y artículos se ha convertido en una práctica común para la mayoría de nosotros, pero casi no nos damos cuenta de que algunos de ellos están escritos en realidad por máquinas. Aunque no se puede usar para escribir artículos de profundidad, la IA puede elaborar fácilmente reportes simples que no requieren mucho análisis. Grandes compañías de comunicación están utilizando IA para crear reportajes sencillos sobre deportes o elecciones ,que llevarán mucho tiempo si se hacen manualmente. Así mismo, empresas cuyo modelo de negocio se basa en datos, incluidas compañías de bienes raíces y comercio electrónico, están generando contenidos de esta manera.

Tendencias

Existen varias tendencias de mercado claras, en el ámbito de la Inteligencia Artificial, que van a ver su auge en los próximos años. Una de ellas es “Edge AI”. Mientras que hoy en día la inteligencia, es decir, los algoritmos de IA, residen principalmente en los servicios en nube, cada vez más los fabricantes de dispositivos quieren proporcionar directamente estos servicios, sin tener que depender tanto de la red o infraestructuras de terceros. La situación predominante actual es que las aplicaciones capaces de realizar tareas de visión artificial y de comprensión del lenguaje natural funcionen enviando los datos (imágenes y audio) por la red, para que unas máquinas que están en la nube realicen dichos procesos. La tendencia es llevar este procesamiento al borde (edge), es decir, a los propios dispositivos. Es lo que se conoce como “Edge Computing”. Así, se eliminan retardos por la comunicación de red y se puede ofrecer un servicio más ágil en tiempo real, aunque por otro lado requiere mucha más capacidad de cómputo en los dispositivos.

Otra tendencia es el “Hardware especializado en IA”. En línea con lo anterior, los fabricantes de dispositivos están incorporando nuevos microprocesadores especializados para ejecutar algoritmos de IA. Por ejemplo, veremos cómo cada vez es más común que los dispositivos móviles cuenten con NPUs (Neural Processing Units), capaces de ejecutar de forma muy eficiente los cómputos que requieren las redes neuronales profundas (deep learning). Por otro lado, Google también está optando por desarrollar nuevo hardware específico para IA: se trata de las TPU (Tensor Processing Units), diseñadas para ejecutar mucho más rápido las aplicaciones programadas con su entorno de desarrollo para IA (TensorFlow).

Y, finalmente, hablamos de la “Democratización de la IA”: hay una tendencia clara en cuanto a la accesibilidad a los algoritmos avanzados de Inteligencia Artificial. Durante los últimos años sólo los perfiles profesionales muy especializados, conocidos como Data Scientists eran capaces de usar estas tecnologías. Lo que se busca ahora es hacer más fácil el uso y aumentar la productividad de estas tecnologías mediante herramientas más amigables y disponibles en nube.

La Inteligencia Artificial es el centro de la revolución tecnológica actualmente en curso. Todas las grandes empresas de tecnología están invirtiendo fuertemente en la investigación y diseño de innovaciones en esta área. En un mundo basado en datos, donde la información generada por la actividad humana y su creciente utilización de dispositivos electrónicos conectados a la red aumenta vertiginosamente, el desarrollo de sistemas inteligentes que se alimenten y aprendan de estos datos avanzará de tal manera que podrá cambiar radicalmente las formas tradicionales en que los humanos nos relacionamos.

ISARQ/AG

Comparte en redes sociales
Share on Facebook
Facebook
Share on Google+
Google+
Tweet about this on Twitter
Twitter
Share on LinkedIn
Linkedin

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *