COSAS QUE DEBES SABER SOBRE LA "IA"

 

¿QUE ES LA INTELIGENCIA ARTIFICIAL?

Hablar de inteligencia artificial (IA) es algo tan sencillo como hablar de máquinas inteligentes. Es decir, máquinas que están programas para llevar a cabo determinadas tareas de forma automática sin la necesidad de que los seres humanos supervisen su trabajo. De este modo, la inteligencia artificial se presenta como una rama de las ciencias de la computación, que es la disciplina encargada de llevar a cabo la programación de las máquinas inteligentes.

 

EJEMPLOS DE INTELIGENCIA ARTIFICIAL

Al pensar en ejemplos de inteligencia artificial, lo más habitual es que la mente piense en androides sacados de películas de ciencia ficción. Sin embargo, a continuación te presentamos cinco ejemplos que ya son reales hoy en día.

1. Asistentes de voz

Los asistentes de voz como Google Home o Amazon Echo son dos ejemplos de inteligencia artificial que ya están presentes en muchos hogares del mundo entero. Se trata de máquinas que utilizan el procesamiento de lenguajes naturales para interpretar qué es lo que se les está comunicando y, de este modo, poder responder a las necesidades humanas, ya sea verbalmente o mediante la ejecución de una acción concreta.

2. Smartphones

Los smartphones son otro buen ejemplo de máquinas que utilizan inteligencia artificial de forma constante. De nuevo nos encontramos ante una máquina que cuenta con un asistente de voz que responde a las peticiones humanas, aunque la integración de la inteligencia artificial va mucho más allá, y está presente en multitud de acciones que ni siquiera percibimos. Por ejemplo, cuando seleccionamos el modo retrato de la cámara de fotos y es el propio smartphone el que arregla la foto de manera automática para que salgamos lo más favorecidos posible. Eso también es gracias a la inteligencia artificial.

3. Análisis de hábitos

Otro de los ejemplos de inteligencia artificial que nos acompaña a todas partes son las IA que se ocupan de analizar los datos que producimos de forma continua y que permiten conocer nuestros hábitos. Gracias a la combinación de tecnología Big Data e inteligencia artificial, se pueden analizar los hábitos de consumo de cada persona, lo que también ofrece ventajas muy interesantes. Gracias a esta actividad se puede ofrecer contenido personalizado (especialmente en lo relativo a la publicidad que recibe cada usuario). 

4. Aplicaciones médicas

Aunque no formen parte de nuestro día a día, sí que son una realidad cada vez más habitual en muchos hospitales. Gracias a la inteligencia artificial, las máquinas trabajan mano a mano con los doctores y cirujanos. Estas máquinas están programadas para llegar a donde el ojo clínico del médico no consigue hacerlo y, de esta forma, tenemos desfibriladores, máquinas quirúrgicas y máquinas de diagnóstico que se valen de una IA para ofrecer mejores resultados.

5. Optimización de rutas

Otro de los ejemplos de inteligencia artificial que usamos a diario, y que cumple un papel clave en el sector de la logística, son las IA que sirven para la optimización de rutas. Estas inteligencias artificiales nos ofrecen la mejor alternativa para realizar los desplazamientos a partir de la comparación de multitud de datos, desde datos geográficos a datos relativos a la situación actual del entorno en el que nos desplazamos (por ejemplo, condiciones meteorológicas o información relativa al tráfico). 

Normalmente, un sistema de IA es capaz de analizar datos en grandes cantidades (big data), identificar patrones y tendencias y, por lo tanto, formular predicciones de forma automática, con rapidez y precisión. Para nosotros lo importante es que la IA permita que nuestras experiencias cotidianas sean más inteligentes. ¿Cómo? Al integrar análisis predictivos (hablaremos sobre esto más adelante) y otras técnicas de IA en aplicaciones que utilizamos diariamente.

- Siri funciona como un asistente personal, ya que utiliza procesamiento de lenguaje natural

- Facebook y Google Fotos sugieren el etiquetado y agrupamiento de fotos con base en el reconocimiento de imagen

- Amazon ofrece recomendaciones de productos basadas en modelos de canasta de compra

- Waze brinda información optimizada de tráfico y navegación en tiempo real.

BREVE HISTORIA DE LA INTELIGENCIA ARTIFICIAL

La mayoría de nosotros tenemos un concepto de la Inteligencia artificial alimentado por las películas de Hollywood. Exterminadores, robots con crisis existenciales y píldoras rojas y azules. De hecho, la IA ha estado en nuestra imaginación y en nuestros laboratorios desde 1956, cuando un grupo de científicos inició el proyecto de investigación “Inteligencia artificial” en Dartmouth College en los Estados Unidos. El término se acuñó primero ahí y, desde entonces, hemos presenciado una montaña rusa de avances (“¡Vaya! ¿Cómo sabe Amazon que quiero este libro?”), así como frustraciones (“esta traducción es completamente errónea”).  

Al inicio del proyecto, el objetivo era que la inteligencia humana pudiera ser descrita de forma tan precisa que una máquina fuera capaz de simularla. Este concepto también fue conocido como “IA genérica” y fue esta la idea que alimentó la (asombrosa) ficción que nos daría entretenimiento ilimitado.

Sin embargo, la IA derivó en campos específicos. Con el paso del tiempo, la ciencia evolucionó hacia áreas de conocimiento específicas, y fue entonces que la IA comenzó a generar resultados significativos en nuestras vidas. Fue una combinación entre el reconocimiento de imagen, el procesamiento de lenguaje, las redes neuronales y la mecánica automotriz lo que hizo posible un vehículo autónomo. En ocasiones, el mercado se refiere a este tipo de avances como “IA débil”.  

La siguiente línea de tiempo muestra algunos acontecimientos importantes en la historia de la Inteligencia Artificial.

TECNICAS PRINCIPALES DE LA INTELIGENCIA ARTIFICIAL

Ahora que ya conoces la definición de la IA y más de su historia, la mejor forma de profundizar en el tema es conocer las principales técnicas de la IA, específicamente, los casos en los que la Inteligencia artificial se utiliza para los negocios.

Aprendizaje automático:

“El Aprendizaje automático es la ciencia que se encarga de hacer que las computadoras realicen acciones sin necesidad de programación explícita”. La idea principal aquí es que se les puede proporcionar datos a los algoritmos de Aprendizaje automático y luego usarlos para saber cómo hacer predicciones o guiar decisiones.

Algunos ejemplos de algoritmos de Aprendizaje automático incluyen los siguientes: diagramas de decisiones, algoritmos de agrupamiento, algoritmos genéticos, redes Bayesianas y Aprendizaje profundo.  

Aprendizaje profundo:                                                                                   

¿Recuerdas cuando Google anunció un algoritmo que encontraba videos de gatos en Youtube? (Si quieres refrescar tu memoria haz clic aquí). Pues bien, esto es Aprendizaje profundo, una técnica de Aprendizaje automático que utiliza redes neuronales (el concepto de que las neuronas se pueden simular mediante unidades computacionales) para realizar tareas de clasificación (piensa en clasificar una imagen de un gato, de un perro o personas, por ejemplo).  

Algunos ejemplos de aplicaciones prácticas del Aprendizaje profundo son las siguientes: identificación de vehículos, peatones y placas de matrícula de vehículos autónomos, reconocimiento de imagen, traducción y procesamiento de lenguaje natural.  

Descubrimiento de datos inteligentes:

Es el próximo paso en soluciones de IE (Inteligencia Empresarial). La idea consiste en permitir la automatización total del ciclo de la IE: la incorporación y preparación de datos, el análisis predictivo y los patrones y la identificación de hipótesis. Este es un ejemplo interesante de la recuperación de datos inteligentes en acción. La información que ninguna herramienta de IE había descubierto.  

Análisis predictivo:

Piensa en el momento en que estás contratando un seguro para tu auto y el agente te hace una serie de preguntas. Estas preguntas están relacionadas a las variables que influyen en el riesgo. Detrás de estas preguntas se encuentra un modelo predictivo que informa sobre la probabilidad de que ocurra un accidente con base en tu edad, código postal, género, marca de auto, etc. Es el mismo principio que se emplea en los modelos predictivos de crédito para identificar a los buenos y malos pagadores. Por lo tanto, el concepto principal de análisis predictivo (o modelado) significa que se puede utilizar un número de variables (ingresos, código postal, edad, etc.)