5 grandes mitos en inteligencia artificial y machine learning

Al día de hoy, inteligencia artificial (IA) y machine learning (ML) son poderosas herramientas que pueden mejorar considerablemente la toma de decisiones de negocio, para lo cual es imprescindible desterrar algunos mitos…

 

5 grandes mitos en inteligencia artificial y machine learning

 

Resulta llamativo que un concepto nacido en 1955 sea uno de los temas más acuciantes que mueve la tecnología actual.

La inteligencia artificial (IA) ha estado con nosotros de una forma u otra por más de 60 años y, sin embargo, parece ser que se la entiende menos que antes.

No es por falta de intentarlo. La inversión en IA llega ahora a 3 mil millones de dólares al año, mientras el número de nuevas empresas en los Estados Unidos que están desarrollando tecnologías de IA ha aumentado en un factor de 14 desde 2000.

Hoy en día hay un gran número de productos que incorporan inteligencia artificial, desde teléfonos inteligentes que entienden lo que se les dice hasta muñecas inteligentes que pueden entender cómo se siente su hijo.

Pero en una empresa, lo relacionado con la inteligencia artificial todavía tiene mucho que ver con la cautela. La gerencia hesita bastante a la hora de implementar sistemas de inteligencia artificial y machine learning en su organización, aun cuando comprendan la diferencia entre los dos. La IA suena bien en teoría, pero ¿cuál es su valor en el mundo real de machine learning? ¿La inteligencia artificial llegará alguna vez a ser algo real?

La inteligencia artificial ya está entre nosotros. Poderosas herramientas que aprovechan tecnologías cognitivas de vanguardia pueden aportar una actualización importante en la toma de decisiones de negocio. Por su parte, la tecnología es más fácil de usar que nunca. No se necesitan expertos para manejar muchas de las herramientas de inteligencia artificial de hoy en día.

Sin embargo, los mitos y conceptos erróneos en torno a la inteligencia artificial pueden volverse bastante densos, por lo que trataremos de analizar los cinco mitos más importantes para tener una idea más clara acerca del actual panorama de IA.

 

Mito #1
Inteligencia artificial y machine learning son la misma cosa

Igual a lo que ocurre con muchas nuevas tecnologías, la inteligencia artificial ha generado un efecto de ‘fiebre de oro’ en muchas industrias. Hay una gran variedad de productos que se dice que incorporan inteligencia artificial, hasta el punto de convertirse en una palabra de moda que aparentemente está perdiendo gran parte de su significado.

A continuación trataremos de recuperar algo de su significado desglosando las distintas formas de inteligencia artificial para comprender cuáles son las capacidades realmente disponibles hoy en día.

En su nivel más simple, la inteligencia artificial se divide en dos categorías: IA fuerte e IA débil. Sus nombres han ido evolucionando en los últimos años, pero sus conceptos básicos siguen inalterados hasta la fecha.

 

IA débil

La inteligencia artificial débil es un conjunto de tecnologías que se basan en algoritmos y respuestas programáticas para simular inteligencia, en general apuntando a una tarea específica.

Por ejemplo, el uso de un sistema de reconocimiento de voz para encender luces, es una IA débil en acción. Este sistema quizás parezca inteligente, pero no tiene ningún entendimiento avanzado del lenguaje y no puede determinar el significado detrás de las palabras que se dicen. El programa simplemente escucha los sonidos clave del habla y, cuando los detecta, sigue su programación para ejecutar ciertas acciones. A los usuarios quizás esto les parezca sorprendentemente inteligente, y el reconocimiento de la voz está lejos de ser una simple tarea informática, pero en realidad no hay ninguna función real de ‘pensar’ detrás de escena.

 

IA fuerte

La IA fuerte apunta a pensar por sí misma. Son sistemas construidos con el cerebro humano como arquetipo.

La IA fuerte se caracteriza por ser cognitiva, tener en cuenta contexto y matices, y capaz de tomar decisiones no programáticas en naturaleza sino como resultado de un análisis razonado.

La IA fuerte, en general, está diseñada para aprender y adaptarse de modo que pueda tomar una decisión en el día de mañana que sea mejor a la de hoy en día. Nada de todo esto es una tarea fácil, lo que explica que la mayoría de los ejemplos actuales de inteligencia artificial son de IA débil.

La IA fuerte es una categoría nueva, compleja y variada con numerosas variantes. Puesto que los objetivos de un sistema de IA fuerte varían de una implementación a otra, casi nunca dos sistemas de IA fuerte se ven iguales.

 

Machine learning

Teniendo en cuenta este concepto, ¿qué es entonces machine learning?

Simplemente, machine learning es un tipo específico de inteligencia artificial que le permite a un dispositivo tener acceso a datos almacenados y aprender a partir de esos datos.

No todas las formas de inteligencia artificial se pueden definir como machine learning. Cuando un sistema de reconocimiento de voz enciende las luces, no aprende nada. Tan sólo espera que se le diga que apague las luces.

En cambio, a un sistema de machine learning se le puede aportar datos (por ejemplo, información de temperatura y tolerancia desde distintos sensores) y se le pide que saque conclusiones al respecto, por ejemplo investigar en esos datos tendencias, patrones y anomalías, información que quizás no sea obvia para un observador humano. En última instancia, el sistema de machine learning podrá llegar a la conclusión de que es necesario reparar una máquina por estar próxima a fallar, o que deba operar a una menor velocidad.

A medida que el algoritmo de aprendizaje de máquina siga aprendiendo a partir de estos datos, la va a resultar cada vez más fácil generar conocimientos adicionales en el futuro, y también ser más exactos.

Machine learning es tan sólo un ejemplo de inteligencia artificial. En este sentido, hay una gran variedad de otros términos que también tienden a confundirse con los conceptos generales de inteligencia artificial. Por ejemplo, el aprendizaje profundo es un subconjunto del machine learning que utiliza software para imitar lo más posible la actividad del cerebro humano.

La conclusión es que la inteligencia artificial es complicada y que la gente suele confundir su significado. Sin embargo, lo importante es entender las diferencias para saber a qué atenerse.

 

Mito #2
La inteligencia artificial es una varita mágica

En su nivel más básico, la clave para poder aprovechar la inteligencia artificial, cualquiera sea la industria donde esté implementada y el nivel de complejidad, es el entrenamiento.

Un filtro de spam debe ser entrenado para reconocer un mensaje de email bueno versus uno malo. Una inteligencia artificial de reconocimiento de voz debe escuchar innumerables horas de diálogo hablado antes de poder analizar lo que se le está diciendo con cierto grado de exactitud.

Las iniciativas en el piso de fábrica habilitadas por la inteligencia artificial normalmente reúnen varios millones de gigabytes de datos cada semana para conseguir suficientes datos analíticos a la hora de tomar decisiones razonadas acerca de lo que podría ocurrir en el futuro.

Tener buenos algoritmos de inteligencia artificial requiere su entrenamiento en las fuentes de datos correctas, caso contrario no podrán tomar buenas decisiones. Si un sensor está mal calibrado y transmite información inexacta a un algoritmo encargado del monitoreo de equipos, todos esos gigabytes de datos terminarán siendo inútiles o incluso peor, ya que la inteligencia artificial utilizará datos erróneos para llegar a conclusiones inexactas.

¡No hay que confundirse! La inteligencia artificial no es necesariamente una panacea. No se dispone de un ‘switch IA’ ni tampoco de un ‘plugin IA’ capaz de darle capacidad cognitiva a cualquier tecnología ya existente.

Los humanos tienen que definir el problema, identificar una tecnología de inteligencia artificial adecuada para resolverlo, entrenar la herramienta con los datos correctos y luego verificar que los resultados sean válidos. Incluso las más poderosas herramientas de inteligencia artificial desarrolladas hasta la fecha tienen que ser cuidadosamente gestionadas en el tiempo para que no se salgan de su cometido.

Además, una vez generados los resultados con la correspondiente herramienta de inteligencia artificial, el trabajo no está terminado. Muchos profesionales en la materia están descubriendo que aprenden más cuando un algoritmo de inteligencia artificial devuelve una respuesta incorrecta y no la correcta.

Este efecto es visible tanto a nivel de consumidor como a nivel industrial. Cuando un filtro de spam basado en IA se equivoca a la hora de categorizar un mensaje entrante, el usuario tiene la oportunidad de volver a entrenar la herramienta para no equivocarse la próxima vez. Esto también le brinda al algoritmo la posibilidad de descubrir lo que le pasó la primera vez; aprender del error hace que la herramienta sea cada vez más poderosa. Si al filtro de spam no se lo reentrena, la próxima vez dejará de ser exacto y probablemente vuelva a cometer el mismo error.

De manera similar, en una instalación de manufactura, piense en una herramienta de inteligencia artificial que indica desconectar una máquina por ser inminente una falla en un componente clave de la misma. Si el componente no falla, ¿qué pasa?

¿Qué ocurre si una inteligencia artificial centrada en la seguridad impide el acceso a la red al suponer equivocadamente que se trata de un hacker? Por la naturaleza lógica de IA, es posible determinar el motivo por el que la inteligencia artificial tomó estas decisiones específicas e ir hacia atrás para determinar en qué datos se basó en el proceso. Esto podría revelar fallas en los datos, un error de procesamiento lógico o algún otro error que, de lo contrario, pasaría inadvertido.

 

Mito #3
La mayoría de las empresas no tiene los recursos ni la necesidad de inteligencia artificial/machine learning

La inteligencia artificial y el machine learning, o los nombres que sean, no conllevan exactamente simplicidad, ya que son tecnologías sumamente complejas y que están lejos de ser accesibles a cualquiera.

¿Significa esto tener que ser un experto e invertir mucho dinero para implementar inteligencia artificial? No tanto.

Es importante comprender la diferencia entre implementar una solución de inteligencia artificial desde cero e implementar herramientas de inteligencia artificial ya existentes en una empresa. Lo primero es muy difícil. Lo segundo es cada día más fácil.

Piense en todas las herramientas tecnológicas que uno utiliza durante el día, tales como un asistente digital u hojas de cálculo. No son tecnologías sencillas, pero se las puede dominar sin necesidad de saber qué hay detrás. Lo mismo ocurre en inteligencia artificial, con herramientas cada vez más accesibles.

Hoy en día, el uso de inteligencia artificial se ve facilitado en todo tipo de entornos. Algunas tecnologías están diseñadas para tareas específicas, tales como atrapar estafadores con datos biométricos de comportamiento. Si bien todavía no estamos en un nivel donde con tan sólo apuntar y hacer clic se podrá implementar un sistema de inteligencia artificial, estas herramientas ya están accesibles para cualquiera que desee aprender y muchas son de código abierto.

También quizás se pueda pensar que un negocio o uso específico es demasiado pequeño o insignificante para merecer una inversión en inteligencia artificial, o que un entorno no sea lo suficientemente complejo como para beneficiarse de esa tecnología.

Esto, en muchos casos, tampoco es cierto. Incluso pequeños negocios y otros entornos de limitado alcance y escala pueden verse beneficiados a partir de las lecciones provistas por la inteligencia artificial y el machine learning. En un negocio pequeño, se puede recurrir a inteligencia artificial para, por ejemplo, automatizar y mejorar los pedidos de servicio al cliente o buscar patrones sobre cuándo y por qué los competidores van cambiando precios u ofertas de productos.

 

¿Qué hay acerca de los datos?

Si bien es cierto que la inteligencia artificial, por definición, se desarrolla en base a una gran cantidad de datos exactos, un negocio en particular quizás no necesite tener todos esos datos localmente para poder utilizarlos.

Una herramienta que monitorea y analiza redes sociales podrá recolectar sus datos desde fuentes externas a medida que surgen. En cambio, un sistema IA que se basa en datos como temperatura ambiente, precios de vivienda o demografía del vecindario suele extraer toda esta información de fuentes públicamente disponibles.

Realmente no importa que sea ‘demasiado pequeño’. Recuerde que una pequeña mejora en un vector de negocio clave puede llegar a tener un enorme impacto en el resultado final. Un sistema que reduce errores de producción en tan sólo 1% o que recomienda correctamente un aumento de precio podría significar  millones de pesos en costos evitados o beneficios adicionales. El desafío está en identificar dónde podrían estar estas oportunidades.

 

Mito #4
La inteligencia artificial y el machine learning me van a reemplazar

¿Está preocupado por la posibilidad de que la inteligencia artificial elimine tu trabajo en un futuro cercano? No está solo. McKinsey pronosticó recientemente que, para 2030, 375 millones de trabajadores, o sea el 14% de la fuerza laboral global, tendrán que ‘cambiar de actividad ocupacional’ a medida que las máquinas sean cada vez más capaces de realizar trabajos antes reservados a los humanos.

En el corto plazo, Gartner pronostica que, para 2020, quedarán eliminados 1,8 millones de empleos a causa del creciente poder de la inteligencia artificial. Algo parecido quizás a un apocalipsis…

Sin embargo, hay detalles clave que tendrían que calmar las aguas… Lo cierto es que la inteligencia artificial no puede operar en el vacío. Requiere que los humanos la desarrollen, implementen, gestionen y mantengan. Eso significa trabajos. En el reporte mencionado de Gartner, se pronostica que esos 1,8 millones de empleos perdidos se verán compensados por unos 2,3 millones de nuevos empleos, con un aumento neto de 500.000 posiciones en 2020 y un aumento neto de 2 millones de empleos en 2025.

¿Cómo se explica entonces que, por ahora, la inteligencia artificial no destruirá el empleo como lo conocemos? Hay varios factores a tener en cuenta:

 

La mayor parte de la inteligencia artificial es del tipo IA débil

No hay sistemas que puedan replicar las formas abstractas en que piensa y trabaja un humano, sino que están diseñados para abordar problemas estrictamente definidos. En muchos casos, la inteligencia artificial y el operador humano trabajan mano a mano para resolver ese problema: la IA explora los datos y busca detalles que, de otra forma, llevaría meses descubrir, mientras los humanos chequean que los resultados de IA estén bien encaminados. El operador humano es necesario para entrenar la herramienta de inteligencia artificial en tareas tediosas, liberando al operador humano para que pueda dedicarse al panorama en general. A medida que estos problemas van creciendo en dificultad, es cada vez mayor la necesidad de un operador humano, y no menor.

 

La inteligencia artificial no tiene un conocimiento nativo de los procesos de negocio

Si bien son muchas las empresas que van migrando sus procesos de negocio a sistemas más flexibles que ofrecen la fluidez que suele requerir la inteligencia artificial, estas transiciones son prolongadas y requieren una importante intervención humana para implementarlas. Esta clase de transformación requiere una cantidad sustancial de conocimiento institucional acerca del negocio, su industria y su entorno competitivo. Sólo a través de colaboración, una herramienta de inteligencia artificial estará en condiciones de recomendar actividades de automatización y reconfiguración de proceso, lo que garantiza que las personas seguirán siendo parte importante del rompecabezas a largo plazo.

 

A pesar de toda su inteligencia, la inteligencia artificial no siempre tiene razón

La inteligencia artificial no sólo puede ir mal, puede ir catastróficamente mal. Cuando eso sucede, un ser humano, con su intuición, experiencia y capacidad de reaccionar rápidamente, es invariablemente necesario para superar el problema o resolverlo. Y lo que es peor: las herramientas de inteligencia artificial muchas veces ni siquiera se dan cuenta de que han cometido un error, lo que requiere aún más trabajo de un humano para descubrir cómo evitar que el problema vuelva a ocurrir.

En la mayoría de las veces, la inteligencia artificial no reemplaza el trabajo de las personas, sino que lo complementa.

Por supuesto que algunos trabajos se irán perdiendo, como ha ocurrido muchas veces en la historia de la humanidad. El tema está en que hay que dejar atrás el concepto de enormes equipos de ‘agentes inteligentes’ que se duplican al infinito y que pueden ejecutar tareas igual que los humanos.

 

Mito #5
La inteligencia artificial y el Machine learning son todavía ciencia

¿Es cierto que la inteligencia artificial es una tecnología que está muy lejos de tener una gran aceptación? No es tan cierto... Cada vez más, las inversiones en inteligencia artificial y machine learning están dando sus frutos, e incluso hay proyectos piloto que están dando resultados positivos y tempranos.

Una estudio de Deloitte entre 250 empresas que ya han adoptado inteligencia artificial encontró que el 83% lograron beneficios moderados o sustanciales a partir de la incorporación de estas tecnologías, lo que incluye mejoras en cuanto acaracterísticas o desempeño, la capacidad de tomar mejores decisiones y la creación de nuevos productos.

En el estudio de Deloitte, los encuestados agregaron que la inteligencia artificial todavía tiene espacio para crecer antes de que realmente transforme sus negocios, pero esto llevará menos tiempo de lo que se podría pensar al respecto.

Según el 76% de las respuestas, las tecnologías cognitivas transformarán el negocio en tres o menos años. Sólo el 7% estimó un plazo más allá de los cinco años.

A esta altura, la inteligencia artificial está en camino de convertirse no sólo en una herramienta para conseguir ventajas competitivas, sino también en un requerimiento de negocio básico. El estudio descubrió que el 63% de los líderes de negocio consideran que la presión para reducir costos implica claramente el uso de inteligencia artificial.

Por supuesto que algunos de los conceptos más ambiciosos de la inteligencia artificial, tales como computadoras capaces de replicar por completo el cerebro humano, robots totalmente autónomos y programas informáticos que se diseñan, codifican y actualizan a sí mismos, están a años de distancia de la realidad. Pero no hay que olvidar que las herramientas de inteligencia artificial ya pueden ganar en póker y ajedrez, y que son capaces de detectar el cáncer de mama.

 

La inteligencia artificial ha llegado para quedarse

Si bien la inteligencia artificial puede ser un cambio que lleve a una empresa a un mayor nivel, dar los primeros pasos no tiene por qué ser una tarea demasiado complicada. Se dispone de un buen número de herramientas en el mercado que permiten experimentar con la inteligencia artificial, apuntando a pequeñas ‘áreas problemáticas’ que quizás hayan obstaculizado los intentos de mejora.

Lo importante es comenzar pronto, antes de que la competencia domine estas herramientas y se adelante en el mercado.

La inteligencia artificial ya muestra un profundo impacto en las empresas que la han adoptado, donde se destacan mejoras en la satisfacción del cliente, una disminución de paradas del proceso de manufactura y una mejor productividad de los trabajadores. Sin embargo, depende de cada uno determinar dónde apuntar la inteligencia artificial en base a los desafíos específicos que plantea cada organización.

Por supuesto que habrá que superar algunos obstáculos. Quizás sea necesario educar a un personal nervioso acerca de las realidades de la inteligencia artificial y el desplazamiento de tareas para que pueda aflojar sus temores, mostrando de qué manera la inteligencia artificial mejora su vida laboral y refuerza sus perspectivas profesionales.

Los negocios de menor tamaño también tendrán que superar esa sensación de que la inteligencia artificial es un juego que sólo lo podrán jugar las empresas de mayor tamaño, que es donde realmente puede ayudar en algunos proyectos piloto específicos.

Mientras la inteligencia artificial ya está mostrando resultados reales, el futuro de estas herramientas se vislumbra aún más emocionante.

© 2018 Editorial Control. Desarrollado por Estudio Pionero.