La aplicación de la inteligencia artificial en los negocios constituye un área en constante evolución cuya demanda aumenta día con día. Este fenómeno es resultado de la alta interacción máquina-humano que experimentamos en varios aspectos de nuestras vidas, así como de la necesidad constante de aprender y actuar de forma más rápida y eficaz.

La inteligencia artificial busca entrenar computadoras para desarrollar tareas que típicamente requieren de inteligencia humana para ser completadas, por lo que involucra la necesidad de entender datos complejos a partir de capacidades de lógica y razonamiento.

Desde el punto de vista de SAS, la inteligencia artificial tiene sus fundamentos en el machine learning y en el procesamiento de lenguaje natural (NPL), que en su conjunto buscan que una máquina no sólo aprenda, comprenda y razone, sino que también pueda interactuar y comunicar resultados de una forma que facilite la colaboración máquina-humano.

Tanto el machine learning como el procesamiento de lenguaje natural se ven constantemente enriquecidos y extendidos conforme se experimentan nuevos avances tecnológicos.

En este contexto, dos de los focos más importantes de SAS son el “deep learning” como extensión del “machine learning” y el “natural language understanding” (NLU) como extensión del procesamiento de lenguaje natural. A continuación, nos enfocaremos en el primero.

¿Qué es el Deep Learning?

Actualmente existen máquinas que pueden emular varias características humanas; además de ver, oír y hablar son capaces de aprender y dar resultados por si mismas a partir la información disponible.

El proceso de aprendizaje utilizado en machine learning, está en buena parte basado en la forma en la que los humanos aprendemos. Uno de los algoritmos más usados son las “redes neuronales”, inspirados en el funcionamiento de las redes neuronales biológicas. Estos sistemas constan de “neuronas” organizadas en “capas” que por medio de sus conexiones realizan transformaciones a la información de entrada para aprender y producir un resultado de clasificación o predicción.

Como parte de la evolución del machine learning, actualmente se habla del “deep learning”, que constituye una extensión de machine learning capaz de procesar mayores cantidades de información y encontrar relaciones más complejas.

Técnicamente, los métodos de deep learning son redes neuronales con múltiples capas ocultas entre las capas de entrada y salida. Pueden tener distintos tipos de arquitecturas dependiendo del tipo de análisis a realizar. En términos prácticos, estas estructuras avanzadas permiten modelar relaciones no lineares complejas que pueden ser aprovechadas en diversas aplicaciones, tales como: procesamiento de imágenes, análisis avanzado de sensores, detección de fallas y defectos, pronóstico de energía y generación de recomendaciones para servicio a clientes entre muchas otras.

La buena noticia es que los avances tecnológicos actuales relacionados con el manejo efectivo del Big Data y la optimización del procesamiento de algoritmos complejos ponen el valor del deep learning a disposición de las empresas. En particular, en SAS tenemos el compromiso de acercar estos métodos a los negocios y de facilitar su adopción, para brindar a las empresas las ventajas competitivas que una estrategia estructurada de inteligencia de artificial puede aportar.