¿Hasta dónde podría llegar con la Inteligencia Artificial?

0

Hablar de Inteligencia Artificial parece muy lejano para algunas personas y para otras es algo que ya se está implementado a una gran velocidad.  En este artículo espero iniciar con una serie de reflexiones y conversaciones acerca de lo que esperamos desarrollar hoy y a dónde queremos llegar en el futuro respecto al uso de la Inteligencia Artificial (IA).  Algunos autores, como el que mencionaré a continuación, nos invitan a pensar sobre el concepto y sobre lo que implica realmente la era de la Inteligencia Artificial (IA).

“… ¿Qué tipo de futuro quiere? ¿Prefiere que haya nuevos trabajos que sustituyan a los antiguos, o que vivamos en una sociedad sin trabajo donde todo mundo disfrute de una vida de ocio y sean las máquinas las que produzcan riqueza? ¿Controlaremos las máquinas o serán ellas quienes nos controlen a nosotros? Esas máquinas inteligentes ¿sustituirán, coexistirán con nosotros o se fusionarán con nosotros? ¿Qué significa ser humano en la era de la inteligencia artificial? ...”, y otras como, ¿Lo que espera es tener asistentes capaces de procesar datos y generar conclusiones de manera neutral? ¿Entregar a sus clientes en tiempo real información que los haga felices en el momento adecuado?

Max Tegmark nos hace una serie de preguntas para quienes estamos interesados en abordar, profundizar o generar un concepto acerca de qué se trata la IA; sin embargo, no soy tan osada para tratar de responder aquí, es más, tampoco me tomaría la responsabilidad de dar un concepto cerrado sobre lo que es IA. Lo que si va a pasar es que me gustaría dar un ejemplo de lo que ya hemos llamado inteligencia artificial, pero con el fin de llegar a ese músculo que moverá el aprendizaje automático, los datos, sumado con la capacidad que ahora tenemos de procesar modelos matemáticos y estadísticos con una gran velocidad para tomar decisiones en segundos o incluso milisegundos. Quiero llegar a lo que llamamos Machine Learning, que, tomando las palabras de “The Difference Between Artificial Intelligence and Machine Learning de SAS”, es lo que enseña a las máquinas con IA, el cómo aprender.

Iniciemos. Buscar patrones en los datos para predecir comportamientos es lo que hemos hecho durante más de 40 años, entonces, ¿qué nos diferencia de lo que se llama hoy en día Machine Learning?, bueno, me atreveré a dar una opinión que he discutido con algunos colegas. Si bien las técnicas de modelado supervisado de manera general son las mismas, la diferencia está en el tipo de problemas que debemos abordar; normalmente, nos tomamos un tiempo resolviendo un problema de negocio para entender el patrón de un cliente, sí va a comprar o no, va a hacer fraude o no, va a devolver sus productos o no, etc. Ahora, pensemos en el problema al que nos enfrentamos con IA, por ejemplo, con el automóvil inteligente que se conduce solo.

Tomar la decisión adecuada sobre la dirección o la velocidad de acuerdo con el entorno, implica una combinación de decisiones que deben tomarse al instante. Cuando un conductor se dirige a su punto de destino recibe información en cuestión de milisegundos con la que, usando su sentido común y astucia como conductor, debe tomar la “mejor” decisión para llegar al destino y evitar accidentes; el conductor incluso se comunica con su ambiente por ejemplo cuando frena y confirma con su actitud dar paso a un peatón o a otro automóvil.  De ahí que, un automóvil tomando decisiones debe recibir “la misma” información del conductor, la cual debe procesar y tomar las decisiones a las que se enfrenta un conductor.  Entonces, ¿cómo entra el Machine Learning al juego? Enseñarle a la máquina con IA cómo conducir, implica que la misma información que va a recibir el conductor debe previamente ser obtenida y usada para entrenar las decisiones del auto inteligente, sí, como cuando nos piden el curso para darnos el pase de conducción, debemos tener un entrenamiento previo, solo que en este caso el entrenamiento genera una serie de probabilidades con múltiples condiciones que le permitirán al automóvil decidir, por ejemplo, como en el caso de la imagen,  si frena, acelera, gira a la derecha, a la izquierda, da reversa, esquiva y otras instrucciones que podrían generarse de una variedad de eventos que pueden ocurrir al conducir, de nuevo, en cuestión de milisegundos. Entonces, esto es lo que llamaríamos: enseñar a conducir al auto a través del Machine Learning.

Ahora, por favor no dejen de un lado mi intención de que se evalúe el papel en este caso de la información que debe llegarle del entorno para la toma de decisiones de este automóvil, como por ejemplo la información de tráfico, semáforos, seguridad en las calles, señalización en las vías, etc. y bienvenido cualquier otro ejemplo de datos que alimentan los modelos de múltiples condiciones para llegar a su destino.

Uno de los puntos relevantes a tener en cuenta es ¿Cómo obtener, almacenar y procesar esta información para entrenar el auto?, bueno, aquí es donde dejaré volar su imaginación.

Terminada esta corta exposición de conducción, podemos entender el exhaustivo trabajo que implica entrenar una máquina para conducir y permitirle tomar decisiones al instante, decisiones que parecen básicas, y que un ser humano hoy en día toma en segundos.

Finalmente, este es solo un caso de Machine Learning para llegar a enseñarle a las máquinas con Inteligencia Artificial, pero ciertamente son innumerables las posibilidades de aplicación.

Lo interesante de todo esto, y tal vez para volver a las preguntas de Tegmark, es entender hasta donde la cantidad de eventos ocurridos y datos que tenemos registrados al respecto, nos van a permitir llegar a todas las aplicaciones que nos imaginamos frente al tema de la IA.

Todos soñamos y tenemos diferentes conceptos de IA y de sus aplicaciones, y lo que quiero dejar en reflexión son algunas preguntas que me ha generado este estudio de la IA: ¿Cómo puede usted usar la información que ya se tiene creada para desarrollar IA? ¡no podemos esperar al futuro! ¿Qué puede hacer ahora mismo para contribuir a crear el futuro que desea? y el cómo aplica esto para las empresas, su negocio, la vida personal, la sociedad, entre otros.

Entonces, tenemos datos, necesidades, un presente y un futuro por crear, iniciemos nuestras conversaciones y las acciones necesarias para construir ese futuro con IA.

Si desea conocer más sobre cómo adoptar una estrategia para la implementación estratégica de la IA, lo invitamos a descargar nuestro whitepaper, Adopting AI

Share

About Author

Adriana Marquez A.

Economist, MSc Market Research and Data Mining.

Adriana se desempeña como Consultora Senior en el área de servicios profesionales de SAS Colombia. Con 12 años de experiencia en el área Analítica. Ha liderado múltiples proyectos analíticos para sectores de la economía como son el financiero, telecomunicaciones, consumo masivo y gobierno. Es Economista, Especialista en Matemáticas Aplicadas y Máster en Investigación de Mercados y Minería de Datos.

Leave A Reply

Back to Top