La inteligencia artificial como motor imparable en la ciencia

La nueva tecnología que se está imponiendo en el mundo podría cambiar la manera de estudiar, vivir y trabajar en un abrir y cerrar de ojos.

Desde la información hasta el Big Data, la inteligencia artificial es el epítome de la convergencia entre la humanidad y la máquina; una simbiosis que promete transformar no solo la forma en que vivimos y trabajamos, sino también la forma en que pensamos y creamos.

La IA es uno de los motores fundamentales del sector tecnológico, con un nivel de importancia creciente en todo tipo de escenarios. Desde una óptica puramente personal, un smartphone de gama media ya incluye funcionalidades tales como el reconocimiento de rostros, speech to text, los servicios cognitivos —Siri y Cortana— o recibir información de un sistema de recomendación para planificar un día de vacaciones. La inteligencia artificial está dejando su impronta en un gran número de ámbitos. Algunos de los más importantes son los que se analizarán a continuación.

ASISTENTES VIRTUALES

El objetivo es reconocer, a través del lenguaje, las necesidades del interlocutor y modelar una respuesta adecuada utilizando un lenguaje próximo. El enfoque actual es contar con un módulo central (dispatcher) capaz de entender la motivación principal del hablante para derivarlo hacia bots especializados en cada uno de los ámbitos.

De esta manera, por ejemplo, los bots en las interacciones entre gobiernos y ciudadanos podrían aprender los procedimientos a realizar (como el pago de multas) y dirigirlos a bots especializados para ayudar a los ciudadanos a encontrar y pagar las mismas.

Estos asistentes se complementan con módulos que realizan reconocimiento de voz en casi cualquier entorno, pueden personalizar respuestas con diferentes voces, tienen una apariencia casi humana y las respuestas se basan en el hablante y en parámetros como su fraseo, estado emocional o lenguaje.

DISPOSITIVOS INTELIGENTES

La miniaturización de los componentes básicos y el abaratamiento de las comunicaciones proporcionaron una primera oleada de sensores capaces de reconocer parcialmente su entorno y enviar información a un sistema centralizado desde donde se podían emitir alarmas en función de los datos y el contexto. Incluso en este nivel, los dispositivos eran capaces de adoptar —con reglas simples— algún comportamiento que no requiriese la participación de una persona.

Ahora, hay un nuevo conjunto de dispositivos capaces de ejecutar funciones más complejas, de adaptarse al entorno y de realizar un primer nivel de procesamiento inteligente:

Las nuevas cámaras de videovigilancia pueden realizar análisis de video de primer nivel y buscar cambios en el fondo de la imagen (reconocimiento de objetos) o rastrear automáticamente a las personas que se mueven en su campo de visión. Los drones domésticos populares mantienen la estabilidad del vuelo, recopilando información de giroscopios y utilizando pequeños motores de inteligencia artificial para realizar pequeños ajustes en la velocidad y el ángulo de sus rotores.

Gracias a estas posibilidades, es posible considerar el despliegue de sensores de gran escala con diferentes niveles de inteligencia, interconectados a través de una red de puntos de concentración de información, que a su vez sean capaces de realizar de forma independiente tareas automatizadas en un entorno cada vez más amplio y realizar tareas no planificadas si es necesario.

TOMA DE DECISIÓN

Las clásicas soluciones de apoyo a la decisión se han centrado en las necesidades estratégicas de las compañías, dejando el operacional en un mero reporting. Los indicadores y los informes describen la situación actual (inteligencia descriptiva) y extrapolan tendencias con vistas al futuro, tratando de anticipar cambios. La aplicación de machine learning estaba muy restringida a ciertos ámbitos (banca y seguros). Esta visión —con relevancia en la toma de decisión estratégica— se ha visto sobrepasada por la variedad y cantidad de información que se requiere para la toma de datos operacional en un nuevo contexto más dinámico.

En una primera aproximación, la respuesta fue desplegar soluciones de autoservicio, desarrollar el modelo big data para reducir costes operacionales e introducir en la base de la decisión modelos analíticos parametrizables, que se podían adaptar a las necesidades del negocio. La irrupción de las notebooks analíticas (Jupyter, Zeppelin) está transformando el sector, enfatizando el valor en el dato y en su explotación inteligente.

El otro gran foco es la construcción de motores de recomendación que apoyan a la decisión del cliente final y que, en función de sus criterios de selección (más allá del producto seleccionado) y de un contexto muy personalizado, son capaces no solo de seleccionar productos, sino también de inferir en futuros desarrollos.

Un caso paradigmático de este modelo lo encontramos en Netflix, que pivota en torno a su motor de recomendación, ordenando su producción futura y su distribución a partir de un modelo de inteligencia artificial.

Esto es un primer paso. En un futuro, los propios procesos serán definidos por sistemas expertos y cambiarán para adaptarse al entorno en el que se desarrollen. Algunas tibias iniciativas en el marco de la industria 4.0 han empezado a abordar —de forma supervisada— los procesos productivos en planta, proponiendo al responsable (humano) los cambios que se han de realizar en un sistema que se retroalimenta de esta experiencia.

Por: Garay victoria