Un futuro de automatismos
La tecnología crece y evoluciona constantemente adaptándose a las necesidades de las personas. Constantemente se observa el surgimiento de nuevas tendencias en inteligencia artificial que facilitan la vida de las personas. Estas tendencias están llevando a la sociedad a un estilo de vida donde todo terminará automatizado y robotizado.
La inteligencia artificial aúna fundamentos de diferentes áreas como la filosofía, las matemáticas, la computación, la lingüística, la psicología y la biología. Los primeros experimentos en inteligencia artificial nacen en 1943, con los primeros modelos de neuronas. Sin embargo, no fue hasta la década de 1980 que se hacen avances significativos que la convierten en una industria.
El objetivo de la inteligencia artificial a largo plazo es producir máquinas que exhiban comportamiento inteligente, comprender la inteligencia humana y dar paso a formas de vida inteligentes. Se distinguen diferentes ramas:
- Sistemas expertos
- Aprendizaje automático
- Robótica
- Procesamiento del lenguaje natural
- Visión por computador
Dependiendo del grado de dificultad y definición del problema, la inteligencia artificial se subdivide en 3 niveles:
- Inteligencia artificial débil: pensada para resolver problemas muy definidos y simples.
- Inteligencia artificial general: pensada para resolver cualquier problema resoluble por las personas. Se trataría de una inteligencia capaz de realizar múltiples tareas al mismo tiempo.
- Inteligencia artificial fuerte: actualmente aún no se ha creado. Se trataría de una inteligencia similar a la humana con conciencia propia. Podría resolver cualquier problema y, debido al hecho de ser consciente, le permitiría incorporar la subjetividad a sus acciones.
El auge del Machine Learning y el Deep Learning
Para lograr la inteligencia artificial de una manera escalable se emplean técnicas como Machine Learning y Deep Learning.
Machine Learning es una técnica para implementar inteligencia artificial sin necesidad de programar millones de reglas y árboles de decisión. Su objetivo es permitir a las máquinas aprender de forma automática y cada vez más autónoma. Se compone de algoritmos de aprendizaje que pueden ser de 4 tipos: supervisados, no supervisados, semi-supervisados y reforzados. Un ejemplo clásico son los sistemas de recomendación de música en base a las preferencias y las canciones que le gustan al usuario.
Por otra parte, Deep Learning es considerado una subrama del Machine Learning que estructura los algoritmos en capas creando redes neuronales capaces de tomar deciciones y aprender. Se considera la mejor forma de obtener una inteligencia artificial lo más parecida a la humana. Un gran ejemplo es el proyecto AlphaGo de Google, el cual se ha convertido en el mejor jugador de Go del mundo.
La diferencia clave que tiene el Deep Learning frente al Machine Learning es la capacidad de aprender de manera automática sin necesidad de supervisión humana. Un ejemplo de aplicación de Deep Learning es crear algoritmos y entrenarlos para identificar elementos como rostros en una imagen o vídeo. Tal es el caso de Deep Dream, un algoritmo open source de procesamiento de imágenes desarrollado por Google. Este algoritmo puede ser entrenado para clasificar imágenes mediante el análisis para posteriormente reproducirlas o mejorarlas.
Otros proyectos interesantes son el caso de RankBrain un proyecto de Google dentro del Marketing Digital. Se trata de un algoritmo empleado por Google para procesar resultados de búsqueda y proporcionar los resultados más relevantes. Otro ejemplo es Answer-Bot de Zendesk, un bot que usa el Machine Learning para interpretar preguntas y responder mediante artículos.
El auge de estas técnicas de inteligencia artificial se debe en gran medida a los avances en hardware y la computación en la nube. Para que el Machine Learning y Deep Learning sean viables, se requieren grandes capacidades de cómputo. Hoy en día tenemos proveedores de servicios en la nube como AWS, GCP, Azure, etc. que ofrecen servidores a medida. Esto permite desplegar servidores con GPUS que procesan ingentes cantidades de información en tiempos muy reducidos.
El procesador de los ordenadores de uso doméstico se llama CPU, y es la unidad de procesamiento central del ordenador lleva a cabo las instrucciones de un programa mediante operaciones de control, lógicas y de entrada y salida. Estos procesadores si bien permiten ejecutar algoritmos de estos tipos, los tiempos que pueden tardar son muy elevados.
Es por esto que las GPU o unidades de procesamiento gráfico tienen un tamaño más pequeño pero cuentan con más núcleos lógicos (unidades lógicas aritméticas) cuya función es procesar computaciones más simples e idénticas en paralelo. Esto acorta los tiempos de procesamiento favoreciendo los avances de la inteligencia artificial y su adopción en las empresas.
Herramientas y comunidades online de inteligencia artificial
Los lenguajes de programación más populares para Machine Learning son R y Python. R es un lenguaje de programación orientado a la realización de análisis estadísticos y predicciones. Python se usa en otros ámbitos también. Ambos son lenguajes open source y pueden ser utilizados de manera gratuita. Además, cuentan detrás con una comunidad de desarrolladores que ofrece un soporte y actualización constantes.
Entornos como Jupyter Notebook son iniciativas open source basadas en la web y que permiten ejecutar código de una manera sencilla e intuitiva. Basado en Jupyter, está el proyecto Colaboratory de Google, que permite ejecutar notebooks y almacenarlos directamente en Drive.
En torno a estas tecnologías existen comunidades online donde aprender y compartir conocimientos en el área de la inteligencia artificial y data science, algunas destacables son:
Kaggle: Se trata de una comunidad donde se pueden almacenar y compartir dataset y al mismo tiempo se llevan a cabo competiciones de Machine Learning. Es especialmente usada por empresas que necesitan resolver problemas de Data Science, en tanto que pueden plantearlas como retos para los usuarios.
CrowdANALYTIX: A diferencia de Kaggle, esta comunidad está centrada en los desafíos. Estos consisten en encontrar soluciones a problemas clasificados en categorías como modelización, visualización e investigación. En ocasiones el ganador es recompensado con dinero y en otras con formación complementaria.
CrowdAI: Se trata de una plataforma open source para celebrar desafíos y obtener insights sobre cómo resolver problemas a partir de las soluciones dadas. A partir de las resoluciones se crean tutoriales que buscan reproducir los pasos para resolver problemas similares. Los tutoriales creados abarcan lenguajes como Torch o Tensorflow.
Galvanize: Se trata de una comunidad online para profesores y alumnos para aquelos inmersos en la Data Science. Desde esta comunidad se pueden obtener consejos de mentores, asistir a talleres o conectar con otros profesionales.
Data science central: Es una de las comunidades más destacadas para los Data Scientist. Abarca actividades y temas muy diversos como la posibilidad de leer post de otros miembros o participar en foros estando al tanto de las últimas tendencias en el sector.
KDNuggets: Se trata de una de las comunidades online de Data Science más completas . En ella es posible encontrar desde cursos o entrevistas a noticias y publicaciones. Su variedad de contenido la convierten en una plataforma perfecta tanto para recién iniciados como para profesionales.
Cross-validated: Es un recurso gratuito para científicos de datos. Un sitio de preguntas y respuestas de tópicos estadísticos, Machine Learning, data analysis, data mining y data visualization.
Data Science Asociation: Es una organización de Data Science sin ánimo de lucro que ofrece educación con certificación profesional, conferencias, meetups e incluso un código de conducta profesional en Data Science.
10 Tendencias de inteligencia artificial en los negocios
1º. Mejora de los productos y campañas de la empresa: Una de los principales beneficios de la inteligencia artificial para un negocio es la posibilidad de obtener una mejor definición del producto. A través de la minería de datos, por ejemplo, se pueden extraer comentarios y opiniones de redes sociales. Con los textos se realiza un análisis del sentimiento para comprobar qué palabras son las más empleadas por los usuarios. De esta forma, se puede saber qué es lo más valorado y menos valorado de un producto o campaña.
2º. Ofertas personalizadas: Utilizando la inteligencia artificial se puede emplear la información histórica de los clientes para crear grupos o segmentos. Con la automatización del marketing, se enviarán ofertas personalizadas por mail automáticamente siempre que los usuarios hagan una acción determinada. También se pueden programar para que estas ofertas se envíen en una fecha concreta.
3º. Creación de chatbots: A través de la inteligencia artificial es posible crear modelos de Machine Learning creando sistemas de chatbots. Con las preguntas y respuestas más frecuentes se puede generar un programa que actúe de soporte en la web. Dicho programa permitiría responder las preguntas de los clientes automáticamente sin necesidad de una presencia humana. Así, la comunicación con los clientes es más dinámica y se ahorran horas de tiempo y trabajo.
4º. Incremento de la seguridad de la empresa: La inteligencia artificial cuenta con algoritmos que permiten reforzar la ciberseguridad de un negocio. Al igual que sucedía con los chatbots, el Machine Learning permite crear modelos predictivos que mediante el entrenamiento detecten ciberataques.
5º. Mejora de la estrategia en tiempo real: Gracias a la inteligencia artificial se pueden crear modelos predictivos con múltiples variables que influyen en la actividad de la empresa. A través de la inclusión de datos en estos modelos, la empresa obtendrá gráficas que faciliten la toma de decisiones.
6º. Ahorro de tiempo: La inteligencia artificial permite que algoritmos redacten informes o textos a partir de palabras concretas o gráficos. Podemos ver su aplicación en la generación de noticias de forma automática, creación de descripciones de productos en ecommerce, etc. Esto es posible con la Generación de Lenguajes Naturales (GNL). MediaRoom Solutions trabaja actualmente en esta rama.
7º. Mejora de los procesos de selección de selección de personal: La inteligencia artificial también puede ayudar al departamento de recursos humanos en sus procesos de selección. Se puede crear algoritmos y modelos para seleccionar personas que comparten criterios establecidos por la empresa.
8º. Automatización de los procesos de la empresa: Prácticamente todas las actividades de la empresa pueden ser automatizadas con la inteligencia artificial. Un ejemplo son los procesos logísticos que mediante la automatización pueden conectar las tiendas con los almacenes. Así, cuando se detecte stock escaso en la tienda, se enviará un aviso al almacén. Este entonces enviará stock a las tiendas que lo necesiten. Esta automatización es posible gracias a los ERP.
9º. Recomendaciones de productos: Los e-commerce también pueden beneficiarse de la inteligencia artificial. A través de algoritmos es posible detectar en los consumidores patrones a la hora de buscar productos. Así, cuando el cliente vaya a comprar un producto, se pueden realizar acciones de cross-selling ofreciéndole productos complementarios. Amazon es un claro ejemplo de esta estrategia.
10º. Mayor control del proceso de venta: La inteligencia artificial permite hacer acciones de retargeting. Empleando las cookies. plataformas como AdWords utilizan la inteligencia artificial para realizar dichas acciones. Para ello, muestran publicidad del producto o servicio a usuarios que han dejado incompleta una determinada acción en la web.
Conclusiones
En esta entrada se ha dado un vistazo general sobre inteligencia artificial, sus principales ramas, tecnologías asociadas y tendencias actuales. Los avances en el área de la inteligencia artificial son exponenciales debido a la adopción del cloud computing.
Un ejemplo claro de estos avances lo hemos visto hace pocos días, cuando se anunció que ya es posible romper el captcha más difícil hasta la fecha, el proyecto reCaptcha de Google.
Para profundizar más en las tecnologías asociadas a la inteligencia artificial es vital investigar múltiples fuentes, aquí tienes un resumen de las más relevantes y una guía muy completa. La inteligencia artificial también entraña riesgos a futuro, es por eso que involucra tantos debates actualmente.
En futuras entradas hablaremos de la rama de generación de lenguajes naturales, en la cual MediaRoom Solutions trabaja dentro del ámbito del periodismo digital.
MediaRoom Solutions ofrece servicios en materia de consultoría TIC, proporcionando asesoramiento y guía a las empresas que lo necesiten. Si una empresa busca optimizar sus resultados o extraer insights de sus datos diarios haciendo uso de inteligencia artificial, MediaRoom Solutions le ayuda a lograrlo.
También publicada en Medium.