¿Qué tan inteligente es su IA?

ia-inteligencia-artificial
Share on facebook
Share on twitter
Share on linkedin

Tabla de Contenidos

Hágase estas cuatro preguntas para saber si su solución de IA es realmente IA.

 

En nuestro mundo la inteligencia artificial ha estado presente desde hace tiempo. De hecho, surgió por primera vez en la década de 1950, pero como concepto. A partir de ahí, ha sido todo un aumento relativamente constante de tecnologías, productos, servicios y empresas que pretenden ser IA. Muchas de las soluciones en las que se está invirtiendo hoy, se denominan habilitadas para la IA o impulsadas por el aprendizaje automático.

Pero, ¿realmente lo son?

En la actualidad, para la mayoría de las organizaciones en las que la IA y el aprendizaje automático o machine learning tienen peso, realmente forman una parte bastante pequeña de la tarta. Una investigación realizada por el gigante con sede en Londres MMC Ventures esclareció que el 40% de las nuevas empresas de inteligencia artificial de Europa no usaban inteligencia artificial para nada. De hecho, las ofertas de muchas empresas emergentes y proveedores de análisis estadísticos, no llegan si quiera a la inteligencia artificial más básica.

Se define la IA como un sistema basado en computación que observa, analiza y aprende. La clave de todo esto, es que estos sistemas son iterativos, es decir, se vuelven  más precisos y mejores a medida que recopilan y analizan más datos, sin la intervención  de los humanos. Como determina el término mismo, se trata de máquinas que aprenden, por muy difícil que sea el aprendizaje.

¿Qué no es la IA?

De igual modo que es importante definir que características tiene un sistema como la IA, es tan importante o más importante identificar qué no es inteligencia artificial. Hay que diferenciar entre las técnicas avanzadas de análisis y computación con la IA y el aprendizaje automático, de hecho, puede llegar a generar confusión, y la siguiente sección identifica algunas de las falacias de la inteligencia artificial más comunes, para que todo el mundo las comprenda.

1. El que un sistema utilice un algoritmo y estadística avanzada no lo convierte en IA.

Un algoritmo es simplemente un conjunto de pasos o reglas predefinidos para resolver un problema. Estos algoritmos pueden ser simples (por ejemplo un comando if-then) o más complejos (por ejemplo, una máquina de jugar al ajedrez). Pero, la mayoría de ellos son estáticos: siempre devuelven la misma salida a partir del mismo input. Es decir, ni se adaptan ni aprenden.

Estos algoritmos se suelen codificar utilizando modelos estadísticos estándar, como correlaciones o regresiones, que al fin y al cabo son realmente buenos para la identificación de líneas de tendencia siempre que los datos estén bien definidos. 

Estas líneas de tendencia les permiten ofrecer predicciones de estados futuros basadas en un conjunto de estados pasados. Sin embargo, la verdadera inteligencia artificial puede trabajar con información y datos que no están bien definidos, estructurados o incluso datos que son numéricos. Algunos de los mayores avances en inteligencia artificial y aprendizaje automático provienen de la información generada con lenguaje natural, datos de video e imágenes.

2. Que un sistema responda preguntas no lo convierte en IA.

Existen muchas tecnologías, como los agentes de conversación, que tienen la capacidad de responder preguntas que se les plantean. De hecho, en los ochenta y noventa, aparecieron unos sistemas de apoyo a la toma de decisiones que se popularizó. 

Estas herramientas ofrecen respuestas automatizadas para una variedad de casos a través de paneles de control digitales, incluso existen versiones de estos sistemas a día de hoy, para tareas como gestión de inventario y acciones de potenciar ventas. 

En la mayoría de los casos, se hace haciendo coincidir la pregunta con una base de datos de respuestas previamente rellenadas (piense en una función de “ayuda” de software) o calculando la respuesta basándose en la aplicación de un algoritmo a los datos. Algunos van más allá buscando en Internet si no se puede encontrar nada apropiado en la base de datos. La mayoría de estos sistemas no tienen la capacidad de colocar la pregunta en contexto, ni aprenden de la precisión de las respuestas pasadas. Por lo tanto, no califican como IA.

3. El hecho de que un sistema se anuncie como IA no lo convierte en IA.

Nos hemos podido encontrar con bastantes empresas emergentes, startups y proveedores de «análisis» que se promocionan a sí mismos como proveedores de soluciones de inteligencia artificial / aprendizaje automático de vanguardia. Desafortunadamente, la mayoría de ellos nos han decepcionado. Si bien pueden ser buenos en métodos estadísticos avanzados, no pueden construir modelos de aprendizaje a partir de datos estructurados y no estructurados, especialmente los grandes volúmenes de datos que normalmente se necesitan para construir modelos útiles.

¿Qué hace realmente la IA ?

Para evaluar si la estrategia o el enfoque que se está evaluando requiere inteligencia artificial, volvamos a nuestra definición de IA como cualquier sistema basado en computación que observa, analiza y aprende.

  • Primero, necesita observar . Esto significa que necesita poder aumentar su base de datos de información y conocimientos. Un conjunto de datos rico pero estático no es suficiente, porque se vuelve obsoleto en el momento en que se crea. Por lo tanto, un verdadero sistema de inteligencia artificial es capaz de detectar su propio entorno y aumentar su base de conocimientos casi en tiempo real. La mayoría de los autos Tesla tienen al menos 21 sensores, incluidas cámaras, sensores ultrasónicos y radar. El propósito de estos sensores es observar el entorno del automóvil y enviar información en tiempo real al potente sistema de conducción autónoma a bordo. OrangeShark, una startup de marketing digital basada en inteligencia artificial, sigue de cerca varias métricas del rendimiento publicitario pasado y ajusta automáticamente la ubicación de los anuncios, apuntando aspectos del contenido creativo para anuncios futuros.

  • En segundo lugar, la IA necesita analizar– es decir, darle sentido a su entorno. Un sistema de inteligencia artificial debe poder analizar la información que observa y recopila, incluso si esa información es muy confusa. Por lo tanto, necesita herramientas avanzadas para encontrar señales en conjuntos de datos muy ruidosos. Las computadoras a bordo de un Tesla analizan las imágenes, señales y otros datos que recopila para dar sentido a su entorno, lo que permite la automatización de varias decisiones de conducción. Gong.io ayuda a los vendedores en entornos B2B de alto impacto mediante el análisis de varios aspectos de las llamadas de ventas, incluidos el tono y el sentimiento de voz. Con estos datos, las empresas y los profesionales de ventas pueden llegar a muchas ideas contrarias a la intuición; por ejemplo, las llamadas con un sentimiento más positivo en realidad están asociadas con tasas de cierre más bajas que las llamadas con un sentimiento menos positivo.

  • En tercer lugar, un sistema de inteligencia artificial debe poder aprender. Este tercer criterio es el diferenciador más importante entre los sistemas de IA y la ciencia de datos simple. La capacidad de probar, aprender y mejorar solo está disponible para los sistemas de aprendizaje automático más avanzados en la actualidad. Estos sistemas pueden hacer suposiciones de manera proactiva, crear y probar hipótesis y aprender de ellas. 
    Por lo tanto, se vuelven más precisos con el tiempo. La tecnología de conducción autónoma de Tesla se vuelve más inteligente con cada kilómetro que pasa en la carretera. Lo hace observando y analizando los datos de cientos de miles de autos Tesla y luego aprendiendo de estos datos para mejorar las capacidades de conducción autónoma. Es posible que aprenda a distinguir entre un animal en medio de la carretera y una bolsa de plástico que es arrastrada por el viento, y se dará cuenta de que debe detenerse en el primer caso, pero puede continuar conduciendo con seguridad en el segundo. A día de hoy, varios sistemas de recomendación, incluidos los utilizados por Netflix y Stitch Fix, comienzan haciendo recomendaciones genéricas (cuando tienen poco conocimiento sobre sus preferencias). Con el tiempo, aprenden de sus elecciones y mejoran para hacer recomendaciones más personalizadas, una capacidad de la que carecerían los sistemas sin aprendizaje automático.

Si no está seguro de si el sistema que está utilizando o está pensando en comprar es realmente IA, hemos desarrollado una lista de preguntas clave para hacer. (Consulte «¿Mi ‘sistema de IA’ es realmente IA?»)

¿Es mi 'sistema de IA' realmente IA?

1.¿Utiliza gran cantidad de datos en una variedad de formatos?

• Si solo necesita una pequeña cantidad de datos, probablemente no sea IA.

• Si tiene dificultades para manejar datos desordenados o desestructurados, como imágenes, texto, imágenes o video de forma libre, probablemente no AI.

• Utiliza grandes cantidades de datos en diferentes formatos, ya sea mediante entrada manual o sensores automatizados, probablemente IA.

2. ¿Actualiza los datos que usa con el tiempo?

• Los datos que utiliza son estáticos, probablemente no IA.

• No se actualiza con datos nuevos muy a menudo, probablemente no con IA.

• Se actualiza con nuevos datos casi en tiempo real, probablemente IA.

3. ¿Adapta su lógica de toma de decisiones a lo largo del tiempo?

• Su lógica de toma de decisiones subyacente no cambia, probablemente no la IA.

• Su lógica de toma de decisiones subyacente solo cambia con actualizaciones programadas, probablemente no con IA.

• Mejora iterativamente su lógica de toma de decisiones casi en tiempo real hasta el punto de que es casi imposible entender cómo llega a una salida determinada, probablemente IA.

4. ¿Se ajusta a posibles sesgos?

• No intenta evaluar o medir posibles sesgos, probablemente no la IA.

• No se ajusta automáticamente a los sesgos, incluso si los ve, probablemente no AI.

• Mide proactivamente y se ajusta a posibles sesgos, probablemente IA.

Por supuesto, las organizaciones primero deben identificar los problemas correctos para resolver y solo luego tratar de determinar si las técnicas de inteligencia artificial / aprendizaje automático son las soluciones correctas para esos problemas. La IA puede ser muy útil para resolver problemas empresariales desafiantes, pero el porcentaje real de casos de uso en los que la IA es significativamente mejor que la simple ciencia de datos o la percepción humana es bastante bajo.

En la mayoría de los casos, los mejores conocimientos se pueden generar utilizando las herramientas más simples. Nunca permita que la herramienta le dicte cómo resolverá un problema. Pero si decide que necesita IA, asegúrese de que el producto que está construyendo o comprando se ajuste a sus necesidades.

Bibliografía

Lo + leido

holograma-que-es
Innovación y Tecnología

¿Qué es un holograma?

Para crear un holograma, necesita un objeto (o persona) que desea grabar; un rayo láser para iluminar el objeto y el medio de grabación;

Leer más »
ejemplos de inteligencia artificial
Innovación y Tecnología

7 Ejemplos de Inteligencia Artificial

Nada más lejos de la mera realidad, aquí queremos tratar una serie de ejemplos de inteligencia artificial cotidianos que si bien no sabías que se podían asociar a la IA, ahora ya lo sabréis:

Leer más »
mood_bad
  • No hay comentarios.
  • Añadir un comentario