Inteligencia Artificial
Qué es IA y Por Qué Importa
La inteligencia artificial (IA) hace posible que las máquinas aprendan de la experiencia, se ajusten a nuevas aportaciones y realicen tareas como seres humanos. La mayoría de los ejemplos de inteligencia artificial sobre los que oye hablar hoy día – desde computadoras que juegan ajedrez hasta automóviles de conducción autónoma – recurren mayormente al aprendizaje profundo y al procesamiento del lenguaje natural. Empleando estas tecnologías, las computadoras pueden ser entrenadas para realizar tareas específicas procesando grandes cantidades de datos y reconociendo patrones en los datos.
Historia de la inteligencia artificial
El término inteligencia artificial fue adoptado en 1956, pero se ha vuelto más popular hoy día gracias al incremento en los volúmenes de datos, algoritmos avanzados, y mejoras en el poder de cómputo y el almacenaje.
La investigación inicial de la inteligencia artificial en la década de 1950 exploraba temas como la solución de problemas y métodos simbólicos. En la década de 1960, el Departamento de Defensa de los Estados Unidos mostró interés en este tipo de trabajo y comenzó a entrenar computadoras para que imitaran el razonamiento humano básico. Por ejemplo, la Defense Advanced Research Projects Agency (DARPA, Agencia de Proyectos de Investigación Avanzada de Defensa) realizó proyectos de planimetría de calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003, mucho tiempo antes que Siri, Alexa o Cortana fueran nombres comunes.
Este trabajo inicial abrió el camino para la automatización y el razonamiento formal que vemos hoy en las computadoras, incluyendo sistemas de soporte a decisiones y sistemas de búsqueda inteligentes que pueden ser diseñados para complementar y aumentar las capacidades humanas.
Aunque las películas de Hollywood y las novelas de ciencia ficción representan la inteligencia artificial como robots semejantes a humanos que se apoderan del mundo, la evolución actual de las tecnologías IA no es tan aterradora – o así de inteligente. En su lugar, la inteligencia artificial ha evolucionado para brindar muchos beneficios específicos a todas las industrias. Siga leyendo para conocer ejemplos modernos de inteligencia artificial en las áreas de atención a la salud, comercio detallista y más.
1950–1970
El trabajo inicial con redes neurales despierta emoción por las “máquinas pensantes”.
Día presente
Los adelantos en deep learning impulsan el auge de la inteligencia artificial.
La inteligencia artificial ha sido parte integral del software SAS por años. Hoy ayudamos a clientes de todas las industrias a capitalizar los adelantos en la inteligencia artificial y continuaremos incorporando tecnologías de IA como el machine learning y el aprendizaje profundo en soluciones del portafolios de SAS.Jim Goodnight CEO SAS
Inteligencia artificial y machine learning
Vea rápido este video para entender la relación entre la inteligencia artificial y el machine learning. Verá cómo funcionan estas dos tecnologías, con ejemplos y algunas digresiones chistosas.
Además, éste es un gran video para compartir con familiares y amigos para explicar la inteligencia artificial en una forma que cualquiera entenderá.
¿Por qué es importante la inteligencia artificial?
- La inteligencia artificial automatiza el aprendizaje y descubrimiento repetitivos a través de datos. La inteligencia artificial es diferente de la automatización de robots basada en hardware. En lugar de automatizar tareas manuales, la inteligencia artificial realiza tareas computarizadas frecuentes de alto volumen de manera confiable y sin fatiga. Para este tipo de automatización, la investigación humana sigue siendo fundamental para configurar el sistema y hacer las preguntas correctas.
- IA agrega inteligencia a productos existentes. En la mayoría de los casos, la inteligencia artificial no se venderá como aplicación individual. En su lugar, los productos que ya utiliza serán mejorados con recursos de inteligencia artificial, de forma muy similar en que se agregó Siri como característica a una nueva generación de productos de Apple. La automatización, las plataformas conversacionales, los bots y las máquinas inteligentes se pueden combinar con grandes cantidades de datos para mejorar muchas tecnologías en el hogar y en el lugar de trabajo, desde inteligencia de seguridad hasta análisis de las inversiones.
- La inteligencia artificial se adapta a través de algoritmos de aprendizaje progresivo para permitir que los datos realicen la programación. La inteligencia artificial encuentra estructura y regularidades en los datos de modo que el algoritmo adquiere una habilidad: el algoritmo se convierte en un clasificador o predictor. De este modo, así como el algoritmo puede aprender a jugar ajedrez, puede aprender también que producto recomendar a continuación en línea. Y los modelos se adaptan cuando se les proveen nuevos datos. La retropropagación es una técnica de inteligencia artificial que permite al modelo hacer ajustes, a través de capacitación y datos agregados, cuando la primera respuesta no es del todo correcta.
- La inteligencia artificial analiza más datos y datos más profundos empleando redes neuronales que tienen muchas capas ocultas. Construir un sistema de detección de fraude con cinco capas ocultas era casi imposible hace unos años. Todo eso ha cambiado con increíble poder de cómputo y el Big Data. Se necesitan muchos datos para entrenar modelos de aprendizaje profundo porque aprenden directamente de los datos. Cuantos más datos les pueda proporcionar, más precisos se vuelven.
- La inteligencia artificial logra una increíble precisión a través de redes neuronales profundas – lo cual antes era imposible. Por ejemplo, sus interacciones con Alexa, Google Search y Google Photos están todas basadas en el aprendizaje profundo – y se siguen volviendo más precisas cuanto más las usamos. En el campo de la medicina, las técnicas de inteligencia artificial del aprendizaje profundo, clasificación de imágenes y reconocimiento de objetos se pueden emplear ahora para detectar cáncer en MRIs (imágenes de resonancia magnética) con la misma precisión que radiólogos altamente capacitados.
- La inteligencia artificial saca el mayor provecho de los datos. Cuando los algoritmos son de autoaprendizaje, los datos mismos pueden volverse de propiedad intelectual. Las respuestas están en los datos; usted sólo tiene que aplicar inteligencia artificial para sacarlas a la luz. Como el rol de los datos es ahora más importante que nunca antes, pueden crear una ventaja competitiva. Si tiene los mejores datos en una industria competitiva, incluso si todos aplican técnicas similares, los mejores datos triunfarán.
Inteligencia artificial en el mundo actual
Vea la inteligencia artificial en todas las industrias
Dé un vistazo a un hospital que opera con inteligencia artificial, una tienda detallista asistida por IA y un sistema de analítica predictiva que habla. Este reporte de Harvard Business Review examina el panorama de la inteligencia artificial y da un vistazo a la fuerza laboral con inteligencia artificial – y explica por qué no debe decir palabrotas a Siri.
Inteligencia artificial e Internet de las Cosas
Hay datos a todo nuestro alrededor. Internet de las Cosas (IoT) y los sensores tienen la capacidad de aprovechar grandes volúmenes de datos, mientras que la inteligencia artificial (AI) puede aprender patrones en los datos para automatizar tareas para obtener diversos beneficios en los negocios.
Integre inteligencia artificial en su programa analítico
Para que la inteligencia artificial sea utilizada con efectividad, es importante que la estrategia en torno a ella se haga parte de su estrategia de negocios más amplia, tomando siempre en cuenta la convergencia de personas, procesos y tecnología.
Separe las exageraciones de la realidad
La inteligencia artificial ayuda a integrar "mayor inteligencia a las máquinas", pero no se ha apoderado del mundo, dice Oliver Schabenberger, vicepresidente ejecutivo y director de tecnología de SAS.
Cómo se utiliza la inteligencia artificial
Toda industria tiene una alta demanda de recursos de inteligencia artificial – en especial sistemas de respuesta a preguntas que se puedan utilizar para asistencia legal, búsquedas de pacientes, notificación de riesgo e investigación médica. Otros usos de la inteligencia artificial incluyen:
Atención a la salud
Las aplicaciones de IA pueden proporcionar lecturas personalizadas de medicina y rayos X. Los asistentes personales de atención a la salud pueden actuar como asesores, recordándole tomar sus pastillas, hacer ejercicio o comer más sano.
Retail
La inteligencia artificial proporciona recursos para compras virtuales que ofrecen recomendaciones personalizadas y analizan opciones de compra con el consumidor. Las tecnologías de gestión de inventario y disposición de sitios también se verán mejoradas con la inteligencia artificial.
Manufactura
La inteligencia artificial puede analizar datos de IoT de fábrica cuando éstos se transmiten por streaming desde equipo conectado para pronosticar carga y demanda esperadas utilizando redes recurrentes, un tipo específico de red de aprendizaje a fondo que se utiliza con datos en secuencia.
Bancos
La inteligencia artificial mejora la velocidad, la precisión y la efectividad de los esfuerzos humanos. En las instituciones financieras, se pueden emplear técnicas de inteligencia artificial para identificar qué transacciones tienen la probabilidad de ser fraudulentas, adoptar evaluación de crédito rápida y precisa, así como también automatizar de forma manual tareas de gestión de datos intensas.
Trabajando juntos con la inteligencia artificial
La inteligencia artificial no está aquí para reemplazarnos. Ella aumenta nuestras habilidades y nos hace mejores en lo que hacemos. Porque los algoritmos de inteligencia artificial aprenden de forma diferente que los humanos; observan las cosas de manera diferente. Pueden ver relaciones y patrones que se nos escapan. Esta sociedad entre humano e inteligencia artificial ofrece muchas oportunidades. Puede:
- Llevar la analítica a industrias y dominios donde actualmente está subutilizada.
- Mejorar el desempeño de tecnologías analíticas existentes, como la visión por computadora y el análisis de series temporales.
- Derribar obstáculos económicos, incluyendo barreras de idioma y traducción.
- Aumentar habilidades existentes y hacernos mejores en lo que hacemos.
- Darnos una mejor visión, un mejor entendimiento, mejor memoria y mucho más.
¿Cuáles son los retos de usar la inteligencia artificial?
La inteligencia artificial habrá de transformar todas las industrias, pero tenemos que entender sus límites.
La limitación principal de la inteligencia artificial es que aprende de los datos. No hay otra forma en que se pueda incorporar el conocimiento. Eso significa que cualquier imprecisión en los datos se verá reflejada en los resultados. Y cualquier capa adicional de predicción o análisis se tiene que agregar por separado.
Los sistemas de IA actuales son entrenados para realizar una tarea claramente definida. El sistema que juega póquer no puede jugar solitario o ajedrez. El sistema que detecta fraude no puede conducir un automóvil o brindarle asesoría legal. De hecho, un sistema de IA que detecta fraude en la atención a la salud no puede detectar con precisión fraude en impuestos o en reclamos de garantías.
En otras palabras, estos sistemas son muy, muy especializados. Se enfocan en una sola tarea y están lejos de comportarse como humanos.
De la misma forma, los sistemas de autoaprendizaje no son sistemas autónomos. Las tecnologías de inteligencia artificial imaginadas que usted ve en las películas y en la televisión siguen siendo ciencia ficción. Pero las computadoras que pueden sondear datos complejos para aprender y perfeccionar tareas específicas se están volviendo bastante comunes.
SAS® Visual Data Mining and Machine Learning
La inteligencia artificial se simplifica cuando puede preparar datos para análisis, desarrollar modelos con algoritmos modernos de machine learning e integrar analítica de texto, todo en un producto. Además, puede codificar proyectos que combinen SAS con otros lenguajes, incluyendo Python, R, Java o Lua.
Cómo funciona la inteligencia artificial
La inteligencia artificial funciona combinando grandes cantidades de datos con procesamiento rápido e iterativo y algoritmos inteligentes, permitiendo al software aprender automáticamente de patrones o características en los datos. La inteligencia artificial es un vasto campo de estudio que incluye muchas teorías, métodos y tecnologías, además de los siguientes subcampos principales:
- El aprendizaje basado en máquina automatiza la construcción de modelos analíticos. Emplea métodos de redes neurales, estadística, investigación de operaciones y física para hallar insights ocultos en datos sin ser programada de manera explícita para que sepa dónde buscar o qué conclusiones sacar.
- Una red neural es un tipo de aprendizaje basado en máquina que se compone de unidades interconectadas (como neuronas) que procesa información respondiendo a entradas externas, transmitiendo información entre cada unidad. El proceso requiere múltiples pases en los datos para hallar conexiones y obtener significado de datos no definidos.
- El aprendizaje a fondo utiliza enormes redes neurales con muchas capas de unidades de procesamiento, aprovechando avances en el poder de cómputo y técnicas de entrenamiento mejoradas para aprender patrones complejos en grandes cantidades de datos. Algunas aplicaciones comunes incluyen reconocimiento de imágenes y del habla.
- El cómputo cognitivo es un subcampo de la inteligencia artificial que busca una interacción de tipo humano con las máquinas. Utilizando la inteligencia artificial y el cómputo cognitivo, el objetivo final es que una máquina simule procesos humanos a través de la capacidad de interpretar imágenes y el habla – y luego hable de forma coherente como respuesta.
- La visión por computadora se apoya en el reconocimiento de patrones y el aprendizaje profundo para reconocer lo que hay en una imagen o video. Cuando las máquinas pueden procesar, analizar y entender imágenes, pueden capturar imágenes o videos en tiempo real e interpretar sus alrededores.
- El procesamiento del lenguaje natural (NLP, por sus siglas en inglés) es la capacidad de las computadoras de analizar, entender y generar lenguaje humano, incluyendo el habla. La etapa siguiente de NLP es la interacción en lenguaje natural, que permite a los humanos comunicarse con las computadoras utilizando lenguaje normal de todos los días para realizar tareas.
Además, varias tecnologías habilitan y dan soporte a la inteligencia artificial:
- Las unidades de procesamiento gráfico son fundamentales para la inteligencia artificial porque aportan gran poder de cómputo requerido para el procesamiento iterativo. Entrenar redes neurales requiere big data, además de poder de cómputo.
- Internet de las Cosas genera cantidades masivas de datos de dispositivos conectados, la mayoría de ellos no analizados. La automatización de modelos con inteligencia artificial nos permite usar una mayor parte de ellos.
- Se están desarrollando algoritmos avanzados y se combinan en nuevas formas para analizar más datos con mayor rapidez y en múltiples niveles. Este procesamiento inteligente es clave para identificar y anticipar eventos poco comunes, entender sistemas complejos y optimizar escenarios únicos.
- Las APIs, o interfaces de programación de aplicaciones, son paquetes portables de código que hacen posible agregar funcionalidad de inteligencia artificial a productos y paquetes de software existentes. Éstas pueden agregar recursos de reconocimiento de imágenes a sistemas de seguridad domésticos y capacidades de preguntas y repuestas que describen datos, crean leyendas y encabezados, o resaltan patrones e insights interesantes en los datos.
En resumen, el objetivo de la inteligencia artificial consiste en proveer software que pueda razonar lo que recibe y explicar lo que produce como resultado. La inteligencia artificial proporcionará interacciones similares a las humanas con software y ofrecerá soporte a decisiones para tareas específicas, pero no es sustituto de los humanos – y no lo será en el futuro cercano.
Lea más acerca de este tema
-
Unlocking a strategic approach to data and AIAI is only as good as the data that powers it – this is a fundamental truth about data and AI that defines the limits of what’s possible with artificial intelligence. It may seem surprising, but it's rarely a bad algorithm or a bad learning model that causes AI failures. It's not the math or the science. More often, it's the quality of the data being used to answer the question.
-
AI anxiety: Calm in the face of changeAI anxiety is no joke. Whether you fear jobs becoming obsolete, information being distorted or simply missing out, understanding AI anxiety can help you conquer it.
-
Harnessing synthetic data to fuel AI breakthroughsLearn why synthetic data is vital for data-hungry AI initiatives, how businesses use it to unlock growth, and how it can help address ethical challenges.
-
¿Qué son las alucinaciones de IA?Separar la realidad de la ficción generada por la IA puede ser difícil. Aprende cómo los grandes modelos lingüísticos pueden fallar y conducir a alucinaciones de IA y descubre cómo utilizar la GenAI de forma responsable.