El crecimiento de la Inteligencia Artificial ha acaparado la mayoría de los focos de las noticias tecnológicas de este año, desde algoritmos que aprenden cómo jugar sin intervención humana (el caso de Go), pasando por Elon Musk y Mark Zuckerberg profundizando en los riesgos y los beneficios de la IA para la humanidad, hasta Rusia y China, que han declarado la inteligencia artificial como una prioridad de investigación. De cara al futuro, 2018 será un año de desarrollo y profundización de todas las tecnologías de IA disponibles. El Deep learning, uno de los subcampos más importantes de la investigación en inteligencia artificial, será especialmente prometedor.
En términos generales, el objetivo de la inteligencia artificial es hacer que los ordenadores sean igual de inteligentes, o incluso más, que los seres humanos, dándoles habilidades de razonamiento y pensamiento similares. Entre las muchas formas de lograr esto, el machine learning o aprendizaje automático es la tecnología de referencia, utilizada ampliamente en todas las industrias.
La influencia de la IA se puede apreciar especialmente en el Deep learning, una rama innovadora de la Inteligencia Artificial que imita el trabajo del cerebro humano en el procesamiento de datos y la creación de patrones en la toma de decisiones. Este año se ha convertido en una tecnología imprescindible en muchas áreas (como la asistencia sanitaria o la automatización de automóviles). Además, el Deep learning también ha tenido en 2017 un gran impacto en toda la industria publicitaria.
Inspirado por las neuronas biológicas en nuestros cerebros, el Deep learning ha hecho posible obtener descripciones del usuario más fiables, más ricas e interpretables por una máquina, del potencial de compra del cliente sin ningún conocimiento humano. Por ejemplo, RTB House, empresa global que ofrece tecnología de retargeting, ha analizado conjuntos de datos masivos para mostrar que un enfoque basado en la inteligencia artificial puede conducir a una tasa de conversión un 35% mayor que la acción del ser humano. Pero los algoritmos de Deep learning pueden lograr resultados todavía mejores. Esta tecnología puede predecir los hábitos y deseos únicos de un usuario para la industria publicitaria. Simplifica la experiencia cotidiana de usuario al ofrecer anuncios profundamente orientados que contienen no solo los productos que tenemos más probabilidades de comprar, sino también aquellos que no hemos visto o productos que ni siquiera hemos pensado.
Muchas marcas ven el beneficio de implementar la IA y las soluciones de Deep Learning en sus productos o herramientas. En 2018, esperamos ver empresas líderes enfocadas en desarrollar más y mejores aplicaciones con Inteligencia Artificial.
Del aprendizaje supervisado a nuevas áreas
En 2017 vimos una desviación del llamado «aprendizaje supervisado», un enfoque estándar utilizado por el machine learning. Su premisa se basa en las instrucciones que ofrece una persona a un ordenador para que aprenda, teniendo en cuenta patrones de ejemplos, conjuntos de datos y respuestas preexistentes.
En 2018, en la investigación de IA se profundizará en áreas más sofisticadas, como el ‘transfer learning’. Esta es una forma de Deep Learning en la que la enseñanza de una máquina se basa en varias simulaciones. La máquina aprende a tomar decisiones utilizando el conocimiento obtenido de muchas simulaciones, en lugar de datos objetivos de la realidad. Esto hace que el proceso sea mucho más fácil, rápido y económico. Usando este método, una máquina aprende a tomar decisiones con conclusiones lógicas o deducciones a las que llega por sí misma.
Por ejemplo, en los modelos de machine learning más antiguos, un automóvil autónomo necesitaría que un ser humano condujese durante millones de kilómetros para recopilar datos sobre su conducción. Esta información se enviaría a una máquina, que aprendería a conducir según las decisiones del conductor. Pero gracias al aprendizaje de transferencia, no habría necesidad de que la máquina aprendiese directamente de las decisiones de un ser humano. Se podrían extraer datos de cientos de miles de simulaciones, como en un juego de conducción, y la IA podría simular por sí misma millones de horas de conducción, horas que luego podría transferir y aplicar en el mundo real.
El segundo enfoque se conoce como «aprendizaje reforzado». Su objetivo es que la máquina tome las mejores decisiones en función de los comentarios que recibe del entorno y las consecuencias de sus propias acciones. Por ejemplo, en la industria publicitaria, se aplica a los anunciantes cuando hacen una oferta para comprar anuncios. Los sistemas de subastas son tan complejos que incluso los especialistas del sector a tienen problemas para determinar la tasa óptima que les permita alcanzar los resultados deseados al menor coste. Una máquina también se encontrará con problemas. Sin embargo, a diferencia de un ser humano, puede progresar y hacer ofertas las 24 horas del día en un entorno de simulación. También puede aprender mucho más rápido que un humano. En función de los resultados de sus simulaciones de subastas, puede aprender cómo pujar de la manera más efectiva y, por lo tanto, cómo ganar las subastas.
Nuevos trabajos y nuevas tareas
Por supuesto, los algoritmos de Deep Learning aprenden de la misma forma que las personas. Pero su principal diferencia, como hemos dicho, es que la máquina aprende incomparablemente más rápido y puede analizar cantidades inimaginables de datos. Tampoco tienen que dormir y no cometen muchos errores. Aquí es donde el factor de rendimiento súper humano entra en juego. De una manera muy simple, la IA intentará superar a las personas en todas las áreas posibles. Hoy en día, los algoritmos de aprendizaje son capaces de reconocer mejor las imágenes que el ser humano.
¿Significa que las máquinas que superan a los humanos también ocuparán sus puestos de trabajo? No exactamente. Según el Foro Económico Mundial, el 65% de los niños que acceden hoy en día a las escuelas de primaria terminarán en trabajos que actualmente no existen. La tasa actual de desarrollo de inteligencia artificial permite que más compañías busquen más especialistas en IT, analistas de datos y programadores. En 2018 probablemente vivamos un boom de nuevas ofertas de trabajo para científicos de datos, una posición que hasta ahora no ha sido muy popular.
Las innovaciones del 2017 serán mejoradas en 2018
El objetivo final para el Deep Learning es hacer nuestras vidas más fáciles y nuestro trabajo más efectivo. Por lo tanto, el uso de IA ya no es un estándar, sino una necesidad para las empresas que desean ser competitivas en un mercado global. No se trata de la capacidad de personalizar o mejorar las capacidades de un producto final, sino también de una gama de otras actividades indirectas de productos, como la recopilación y el análisis de datos. Las empresas ahora tienen una cantidad tan grande de datos para analizar que no se mantienen al día con el procesamiento. Esto afecta directamente las decisiones tomadas por sus empleados y, en consecuencia, los resultados financieros.
Las empresas especializadas en la recopilación y análisis de datos para diversos negocios tendrán un papel cada vez más importante. Las compañías con presupuestos más grandes usarán a su vez IA para sugerir qué ofrecer a los clientes, recomendar términos para darles a los proveedores e instruir a los empleados sobre qué decir y qué hacer, en tiempo real. También pronto surgirán muchas nuevas empresas, ofreciendo soluciones basadas en algoritmos de aprendizaje, ya que esta tecnología se va a seguir desarrollando.
La inteligencia artificial en 2017 se ha convertido en parte de nuestra vida cotidiana y en parte de la opinión pública. Los próximos años se centrarán en el desarrollo de tecnologías basadas en la IA que reemplazarán a los seres humanos en muchas tareas difíciles, en última instancia, haciendo nuestras vidas mucho más fáciles. Pero aún nos queda mucho trabajo por delante.