Desde que compañías como Google, Amazon y Facebook se posicionaron como los gigantes tecnológicos de la época, se ha logrado que términos como Machine Learning o Inteligencia Artificial se mencionen, cada vez con más naturalidad, fuera de círculos tecnológicos.
A pesar de que algunas veces aún parece que estamos hablando de tecnología que se aprecia como muy compleja y por lo tanto aún está lejos de instalarse en la vida cotidiana, es probable que ya lleves años en contacto con algunas de sus aplicaciones; a lo mejor en una de sus formas menos elaboradas, ya que las aplicaciones de Inteligencia Artificial aún están en etapas tempranas de desarrollo.
Decimos que es probable que ya has estado en contacto porque cada vez son más las empresas que adoptan estas tendencias para ser más eficientes o poder mantener el ritmo con la demanda que impone el mundo digital.
Por ello, en esta ocasión queremos explicar los conceptos básicos para entender qué es Inteligencia Artificial, qué es el Machine Learning y cómo estos elementos están revolucionando nuevamente el mundo digital.
Qué es Inteligencia Artificial
Normalmente una gran cantidad de personas visualiza esta tecnología con robots o máquinas autónomas que actúan como los seres humanos. Esta imagen probablemente se la debemos al volumen masivo de libros, películas y series de ciencia ficción sin embargo, hay una pequeña parte de este imaginario que encaja con la definición de Inteligencia Artificial.
Que es la inteligencia artificial – Foto por Franck V. en Unsplash
La Inteligencia Artificial es la combinación de técnicas o algoritmos que se usan para enseñar a sistemas computacionales a imitar capacidades humanas. Estas capacidades humanas pueden incluir: ver, analizar información, detectar patrones, etc.
Por ejemplo en China se ocupa tecnología de reconocimiento facial. Esto quiere decir que hay una cámara conectada a un software entrenado para reconocer un rostro. Se trata de un complejo proceso de aprendizaje, ya que el software y la cámara fueron entrenados para que cuando grabe en la calle, éstos pudieran diferenciar que sí es el rostro de una persona y que no.
Por supuesto, la Inteligencia Artificial va más allá de este tipo de ejemplos, uno de ellos es el Machine Learning.
Qué es Machine Learning
Es una rama de la Inteligencia Artificial que le permite a los programas de computación aprender y mejorar automáticamente e incluso predecir o detectar patrones a través del procesamiento de datos históricos y fórmulas estadísticas.
Pero esto no es algo nuevo, ya que el Machine Learning ha estado presente desde 1950 sin embargo, gracias al avance de recursos informáticos de bajo costo como el almacenamiento en la nube, la recolección de datos y la proliferación de científicos de datos se ha incrementado el hype y las expectativas por el Machine Learning.
Cómo funciona el Machine Learning
Para entender mejor los aspectos básicos de cómo funciona de esta tecnología, anteriormente mencionamos un agente clave para desarrollar modelos de Machine Learning. La respuesta es los científicos de datos.
Los científicos de datos son profesionales que cuentan con diversos conocimientos de matemáticas, programación, estadística y planeación estratégica de negocios para procesar los datos digitales y así desarrollar un modelo de Machine Learning.
Pero, ¿a qué nos referimos con procesar datos digitales? Lo que pasa es que a medida que las empresas fueron digitalizando sus procesos empezaron a producir un gran volúmen de datos digitales por ejemplo, tickets de compra, número de transacciones, facturas e incluso audios, imágenes o textos.
Todo ese volumen de información es ideal para desarrollar algoritmos que aprendan patrones para predecir o hagan más eficiente un proceso. Pero hoy en día esos datos están dispersos o no son de buena calidad. Por ello, deben pasar varios procesos de análisis, exploración y transformación de esos datos para que pueda programarse un modelo de Machine Learning.
Qué aplicaciones de Machine Learning existen
Como mencionamos al principio de este artículo, es probable que ya hayas estado en contacto con una aplicación de este tipo de tecnología, por ejemplo: si haz usado asistentes de voz como Siri, Alexa o Google Assistant. Otro ejemplo es cuando recibes recomendaciones en un ecommerce o en los servicios de streaming de video o música. Pero para que quede más claro vamos a explicar los modelos más básicos que existen y algunos ejemplos.
Antes de empezar recuerda que esta tecnología se trata de algoritmos de aprendizaje automatizado. Es decir, es tecnología que no necesita de una programación explícita de un humano, pues aprende de un histórico de datos.
Ahora sí, esto se va poner un poco técnico pero no queremos que te angusties porque vamos a explicarlo de manera muy simple. Partamos de que en Machine Learning existen 2 tipos de modelos: los supervisados y los no supervisados.
Los modelos supervisados te permiten predecir el resultado de un elemento con base en un histórico de datos. Pero espera, dentro de los modelos de aprendizaje existen otros dos subtipos que se dividen dependiendo de la lógica matemática que hay detrás de ellos. Estos submodelos son:
- Por regresión: Funcionan únicamente con valores numéricos. Esto quiere decir que para determinar el resultado de una variable sólo se toma en cuenta el comportamiento de ese número que se desea conocer. Por ejemplo, una empresa puede predecir las ventas que puede llegar a tener en una fecha determinada por el comportamiento que ha observado.
- Por clasificación: Se usan para separar distintos elementos en clases o categorías. Un ejemplo de esto son las fintech que ocupan estos modelos para otorgar préstamos en línea para pymes, de esta manera se puede determinar la probabilidad de que liquiden una deuda o no.
¿Recuerdas las recomendaciones de productos que hace Amazon? Estos son modelos no supervisados, pues su función es organizar distintos elementos en conjuntos (conocidos como clusters) con base en características específicas.
En resumen, el Machine Learning sirve para analizar datos que no sería humanamente posible por su complejidad y su volumen. Es decir, se trata de otorgarle la capacidad a sistemas informáticos de descifrar conceptos que son demasiado complejos para los humanos o que llevarían más tiempo del que se necesita para dar respuesta a un problema o una petición.
El futuro de la Inteligencia Artificial y el Machine Learning
A pesar de que este tipo de tecnología aún está en etapas tempranas de desarrollo y adopción, las expectativas son enormes. Se espera que la adopción de distintas técnicas de Inteligencia Artificial tenga un mayor impacto que cualquier otra tecnología emergente, incluidas el Blockchain y el Internet de las Cosas.
Por ejemplo, algunas de las aplicaciones que se están afinando son:
- Planes de crecimiento profesional: Sistemas de recomendaciones automatizadas que podrían ayudar a los colaboradores de las empresas a escoger hacia donde podrían crecer y qué habilidades o conocimientos tendrían que desarrollar. Esto ayudaría a impulsar el rendimiento, la satisfacción y la retención del talento en las empresas.
- Administración de activos a través de drones o imágenes satelitales: Qué pasaría si los programas de reconocimiento facial se les entrenara para detectar otro tipo objetos para realizar auditorías a estructuras o terrenos. Esto es algo en lo que ya se está trabajando y que podría tener miles de usos por ejemplo para reforestar o predecir cuándo se le necesita dar mantenimiento a una estructura.
- Análisis de estanterías en retail: Este es otro sector que podría ser más eficiente gracias a la tecnología inteligente para predecir cuando va a ser necesario el reabastecimiento de un producto en una estantería.
Por supuesto, existen otras aplicaciones como en el sector de salud para detectar ciertas enfermedades más rápidamente o en el industrial para reducir la merma de las grandes fábricas. Por ello, miles de expertos alrededor del mundo han afirmado que esta tecnología generará el cambio de paradigma más rápido en la historia de la tecnología.
Pero para que todo esto se logre las empresas y gobiernos deben agilizar la adopción, a la vez que cuiden riesgos que el Machine Learning puede representar en algunos escenarios, por ejemplo el desplazamiento laboral, mayor desigualdad o desconfianza en los sistemas.
En este sentido, de acuerdo al estudio el Estado de la Inteligencia Artificial en 2019, realizado por MMC Ventures (una consultora especializada en investigación de compañías tecnológicas) determinó que quien encabeza la implementación, es Asia (especialmente China) pues, en comparación con Estados Unidos (la segunda nación con más empresas que han adoptado machine learning), cuenta con el doble de empresas que han implementado tecnología inteligente en sus operaciones.
Este mismo estudio confirmó que la adopción de tecnología inteligente se ha triplicado en 12 meses y probablemente incremente, ya que de acuerdo a un artículo del Harvard Business Review se estima que la inversión en el desarrollo de machine learning y otras ramas de la inteligencia artificial incremente y probablemente llegue a los 100 mil millones de dólares en 2025.
En conclusión, el avance de la inteligencia artificial y por lo tanto de machine learning es inevitable y continuará a una velocidad sin precedentes. Consecuentemente las organizaciones privadas y gubernamentales deben ser muy ágiles sobre cómo aplicar estos elementos y al mismo tiempo deberán reflexionar y comprender profundamente sus ventajas y desventajas, para que el impacto sea mayoritariamente positivo.
Referencias:
- https://www.mmcventures.com/wp-content/uploads/2019/02/The-State-of-AI-2019-Divergence.pdf
- https://hbr.org/2017/05/8-ways-machine-learning-is-improving-companies-work-processes
- https://www-forbes-com-mx.cdn.ampproject.org/c/s/www.forbes.com.mx/como-rentabilizar-todos-los-datos-que-tiene-tu-negocio/amp/