La Inteligencia Artificial (IA) es la tecnología que busca imitar los procesos de la inteligencia humana a través de la creación y aplicación de algoritmos creados en un entorno dinámico de computación. La IA busca intentar que los computadores piensen y actúen como los humanos. Fue un término acuñado por el profesor de Stanford John McCarthy en 1956.
Para conseguirlo, se necesitan tres componentes fundamentales:
· Sistemas computacionales
· Datos y gestión de estos
· Algoritmos de IA avanzados (código)
Cuanto más busquemos simular el comportamiento humano, mayor será los requisitos de datos y necesidad de procesamiento requerido.
Hoy en día, existen cuatro tipos de inteligencia artificial:
- Máquinas reactivas: Es la forma básica de IA, capaz de realizar múltiples cálculos al momento en que reciben datos para generar predicciones y tomar una decisión. Están diseñadas para realizar una tarea única, no poseen memoria para almacenar datos y por lo tanto no tienen ni pueden almacenar experiencias previas para tomar distintas decisiones.
- Memoria Limitada: Este tipo de inteligencias son capaces de almacenar datos, analizarlos para generar información, tomar decisiones y luego repetir este ciclo permitiéndole tomar decisiones distintas con nuevo grupo de datos generados. Ejemplo los vehículos autónomos al tomar datos como: dirección y velocidad, datos de los demás vehículos cercanos, semáforos, cruces peatonales, etc. De esta forma el auto determinará acciones cómo cambiar de carril para evitar obstruir el tráfico. - Autoconscientes: Esta IA puede ser consciente de sí misma y sus estados internos, y también puede predecir los sentimientos de otras personas por medio de inferencias. Una máquina podría lograrlo en forma muy rápida si fuera programada específicamente para ello, aunque en la actualidad no existe alguna capaz.
- Teoría de la mente: En el campo de la psicología se conoce como teoría de la mente a la capacidad de tener conciencia sobre el punto de vista de uno mismo y de los demás. Puede ser capaz de desarrollar creencias, intenciones, emociones, deseos, conocimientos, así como saber que otros pueden tenerlos y tomar decisiones basadas en estos elementos. Todo esto puede permitir que nosotros y una máquina desempeñe interacciones sociales, pero aún no existe una inteligencia artificial capaz de llegar a este punto.
Logros en la historia de la Inteligencia Artificial
· 1997, un buen año para la IA, la máquina Deep Blue de IBM gana en ajedrez al campeón del mundo, Gary Kaspárov
· 2011 otro logro para IBM, su computadora Watson vence al campeón del juego de preguntas Jeopardy
· 2015, la aplicación AlphaGo, diseñada por la empresa DeepMind, logro ganar a Lee Sedol; por primera vez una máquina derrota a un profesional en este juego de tablero
· 2017, nuevamente la empresa DeepMind obtiene otro logro magistral. A partir de una versión de su aplicación AlphaGo que inicia con poco entrenamiento de las reglas del juego y usando aprendizaje profundo, jugando contra sí mismo en pocos días logró alcanzar altos niveles de aprendizajes sobre el juego, logrando derrotar a los mejores programas de ajedrez, go y shogi, conocido como el ajedrez japones.
· Google, logra múltiples automatizaciones al incluir la inteligencia artificial para la automatización de procesos, algoritmos de optimización y algoritmos de búsqueda utilizando el procesamiento del lenguaje natural.
· 2015, Apple compra Mapsense para mejorar su servicio de análisis de los datos generados por una infinidad de clientes que se conectaban simultáneamente a Internet.
· Facebook, emplea una aplicación denominada Sentiment Analysis que se centra en las emociones que los usuarios plasman en sus muros
· Amazon, es capaz de dibujar las tendencias para dirigir al consumidor hacia el producto que está buscando y otros relacionados con el mismo. Logra personalizar el hábito de compra destacando sus intereses en la página inicial, facilitando así el proceso.
· Alexa de Amazon, asistente virtual es capaz de decir qué ropa te conviene a partir de las fotografías que realizas a la ropa que posees en la actualidad.
· UPS, utiliza el big data para rediseñar las rutas de los repartidores de paquetes. Esto permitió a la empresa a reducir en 85 millones los kilómetros recorridos y restructurar de nuevo sus mapas para mejorar la experiencia del trabajador.
Sobre el tipo de recurso que se requiere para esta tecnología
Indeed, portal de búsqueda de empleo en tecnología de Estados Unidos, reportó entre 2015 y 2018 se han duplicado las ofertas de empleo relacionadas con la IA. Se requiere de Ingenieros de aprendizaje automático, ingenieros de visión tecnológica o científicos de datos puestos que, según este análisis mejor encajan en las ofertas de trabajo de IA. Se prevé que haya más oferta de empleo que profesionales que puedan cubrir esas vacantes.
Se visualiza que las carreras STEM (Ciencia, Tecnología, Ingeniería y Matemáticas por su nombre en inglés) son las más indicadas para poder trabajar en IA. Pero quienes hoy trabajan en Inteligencia Artificial aseguran que los perfiles y los equipos multidisciplinares son cada vez más necesarios para esta tecnología por lo amplio del conocimiento requerido.
Roles del Equipo de inteligencia artificial
· Data Scientist: Busca entender los datos y el negocio para sumar valor a la organización con toma de decisiones basadas en el estudio de los datos e incorporar datos a los productos de software. Para ello su día a día contiene actividades como las siguientes:
o Obtener, limpiar y procesar datos estructurados y no estructurados de distintas fuentes
o Diseñar y manejar modelos de machine learning para generar proyectar y predecir sobre los datos
o Desarrollar herramientas para monitorear la precisión de los datos
o Automatizar procesos para recolectar y transformar datos que utilicen
o Crear reportes en tableros con visualizaciones de información valiosa
o Ayudar a implementar el uso de los datos para los productos de la mano con el equipo de ingeniería
· Data Analyst: Se encarga principalmente de extraer datos recolectados y analizarlos. Para ello su día a día tiene estas actividades:
o Trabajar con gerentes y otras personas de la organización para identificar necesidades de información.
o Extraer datos de fuentes con SQL o Python.
o Limpiar y organizar los datos para su análisis.
o Analizar los datos para la identificación de patrones y tendencias que se puedan convertir en información accionable.
o Comunicar los resultados en dashboards con visualizaciones fáciles de entender para la toma de decisiones y generación de estrategias.
· Data Engineer: Trabaja para que los demás roles en un equipo de Data Science tengan datos para el análisis. Debe encargan de crear flujos de Extracción, Transformación y Carga de datos para que analistas y científicas de datos puedan recuperar fácilmente los datos desde las bases de datos especializadas para análisis. Su día a día consiste en las siguientes actividades:
o Desarrolla y mantiene bases de datos y data pipelines de ETL que manejan gran volumen de datos brutos.
o Extraer datos de diferentes fuentes como bases de datos estructuradas y no estructuradas, API y archivos.
o Preparar los datos para que sean usados para análisis.
o Almacenar los datos en data warehouse.
o Crear automatizaciones para ejecutar periódicamente esos procesos
· Machine Learning Engineer: Funciona dentro de equipos que construyen productos fuertemente basados en IA como los sistemas de recomendación de YouTube o Netflix. Para lograr esto una Machine Learning Engineer tiene como tarea escalar y robustecer modelos de inteligencia artificial para funcionar en sistemas de producción de software. Su día a día consiste en las siguientes actividades:
o Construir una robusta evaluación de métricas de modelos de machine learning.
o Diseñar y construir sistemas de machine learning.
o Crear y ejecutar pruebas A/B de los modelos.
o Monitorear el desempeño y funcionalidad de los sistemas de machine learning.
o Colaborar directamente con Data Scientists y otras áreas de ingeniería de software para asegurar la funcionalidad del producto final.
Sobre el Impacto económico de la inteligencia artificial parecen ilimitadas, algo sumamente prometedor. Se prevé un impacto muy positivo de estas tecnologías en el producto interno bruto a nivel mundial, siendo el continente asiático el más beneficiado. Ante tal crecimiento previsto, no es de extrañar que el número de patentes de inteligencia artificial no cesen de crecer anualmente. Un patrón similar de interés es el registrado por los inversionistas en los startups de IA, cuya financiación se ha sextuplicó entre 2015-2020.
Principales segmentos financiados
Los proyectos centrados en aprendizaje automático, el cual permite a las computadoras aprender sin ayuda humana, es uno de los segmentos principales. Para mediados de junio de 2019 la inversión en aprendizaje automático ascendió a más de 45.000 millones de dólares estadounidenses entre aplicaciones y plataformas relacionadas. También en el segmento de procesamiento del lenguaje natural que facilita la interacción entre humanos y máquinas a través de funciones tales como el reconocimiento de voz o la predicción de palabras y textos. El volumen de capital invertido en este mercado supera los 8.000 millones de dólares a mediados de 2019, y se espera ingresos superiores a los 17.000 millones de dólares en 2021.
¿Dónde se utilizará la inteligencia artificial? Hoy en día la inteligencia artificial puede implementarse en múltiples campos cómo:
· Salud: En clínicas y hospitales para la dosificación de medicamentos a través de análisis matemáticos que determinan las cantidades precisas.
· Automóviles: En vehículos autónomos aplicado a sus sistemas de frenado, aceleración, cambio de carril, navegación y prevención de colisiones.
· Finanzas: A través de algoritmos se pueden identificar cambios inesperados en la detección de fraude, mantener o retirar inversiones en la bolsa para optimizar resultados en el comercio de acciones.
· Videojuegos: Es implementada de forma constante y rutinaria, por ejemplo, para dar comportamientos a NPCs (personajes no-jugables).
· Publicidad: Implementando modelos estadísticos que analicen la actividad online de las personas se pueden crear buyer personas de forma automatizada y ahorrar costos en segmentación de anuncios que se adaptan a audiencias específicas.
Riesgo para los doctores en diagnósticos y en tratamientos si no hacen uso del machine learning
Recientemente, unos investigadores chinos y americanos han desarrollado un sistema basado en Inteligencia Artificial para la detección de enfermedades infantiles comunes, desde una simple gripe hasta una meningitis. Para ello, han compilado y procesado más de 1,3 millones de registros de casi 600.000 pacientes.
El Doctor Kang Zhang, director de genética ocular de la Universidad de California ha creado su propio sistema que detecta signos de ceguera diabética basándose tanto en texto como en imágenes médicas.
La tecnología cuántica facilitará el diseño de medicamentos y las pruebas de estos
Hoy en día, los químicos y farmacéuticos construyen sus diseños en base a las propiedades moleculares y deben sintetizar numerosas variables para probar sus medicamentos y predicciones.
Una nueva rama llamada computación cuántica podrá transformar este proceso engorroso y costoso. Así, se podrían realizar numerosos diseños en paralelo que podría ser probados gracias a la tecnología cuántica.
Los avances en IA aumentan vulnerabilidad de los sistemas de seguridad
Nuestra sociedad cuenta con sistemas informáticos de defensa y de seguridad. Nuestros edificios, hogares, instituciones financieras, ejército entre otros. Hoy en día ya contamos con numerosos ejemplos donde estos sistemas han sido quebrantados.
El expresidente Obama sufrió la difusión de unos vídeos falsos cuando estaba al frente de la Casa Blanca donde se le escuchaba decir frases que nunca había pronunciado.
Con el crecimiento de la IA, estos sistemas son los de mayor riesgo de ser hackeados.
Avances en fabricación en materia de precisión atómica
La IA está innovando en las relaciones de los humanos con los materiales. Se está implementando para desarrollar nuevos materiales para tecnologías “limpias” tales como baterías, paneles solares, etc.
Hoy en día, crear un nuevo material requiere de entre 15 y 20 años según los expertos. La tecnología de IA permitirá reducir estos tiempos en gran medida.
Realmente no sabemos lo que nos depare el futuro con esta tecnología, de seguro veremos grandes progresos como también grandes fracaso por su mal uso. Lo que es una realidad es que el futuro aún se está construyendo por el humano y al estilo de los libros de Isaac Asimov tal vez en un futuro no muy lejano la historia la escriba la Inteligencia artificial.
Autor
Alberto Medina
Experto en Modelado de Negocio y Tecnología
Aliado de "Y eso, ¿cómo se come?" en Hyggelink