Definir IA: razonamiento, interacción y aprendizaje

Definir IA: razonamiento, interacción y aprendizaje

CIO

La Inteligencia Artificial (IA) es lo más importante para los CIO en todas las industrias. Muchos planean ponerla a trabajar en su empresa para ayudar a que sus operaciones sean más inteligentes, rápidas, rentables y competitivas.

De hecho, el 82% de los altos ejecutivos planean implementarla en los próximos tres años, según una investigación realizada por Genpact y Fortune Knowledge Group. Sin embargo, para poner en práctica de manera efectiva esta herramienta, primero se debe concretar qué es y qué no.

En Genpact, se define IA como la intersección de tecnologías que razonan, interactúan y aprenden.

Razonamiento

El razonamiento permite que la IA extraiga información crítica de grandes conjuntos de datos estructurados y no estructurados, además, realiza el análisis de conglomerados y utiliza la inferencia estadística de  manera que comienza a acercarse a la cognición humana.

Lea más adelante: Inteligencia artificial, ¿una nueva revolución industrial? 

Interacción

La interacción permite que esta tecnología utilice la visión por computadora para ver y la conversacional lingüística para leer.

Aprendizaje

Lo que realmente separa a la IA de la automatización inteligente es la capacidad de la tecnología para aprender y volverse más astuta con el tiempo. Solo la IA posee esta tercera dimensión. Una de las razones por las que la IA es tan prometedora es porque cambia el paradigma en la forma en que hemos estado escribiendo el código de software.

En lugar de programar en cada condición “si, luego … excepto”, diciéndole a un motor informático lo que debe hacer, la IA le indica al motor informático lo que necesita aprender para resolver asuntos por sí mismo. Al hacerlo, aborda los problemas que la programación de software tradicional nunca pudo solucionar.

Hasta la fecha, hay tres tipos de aprendizaje en IA:

1. Aprendizaje asistido

Esta es la forma más común de aprendizaje, donde una máquina se presenta con entradas y salidas definidas en un conjunto de datos de muestra y luego realiza una ingeniería inversa del algoritmo en el medio.

Una vez que la máquina lo ha descubierto, se considera “entrenada” y puede aplicar la función a cualquier conjunto nuevo de información. Por ejemplo, este tipo de aprendizaje automático puede ayudar a predecir la probabilidad de quiebra corporativa. Un usuario ingresará una gran cantidad de datos de compañías que han quebrado, y el sistema derivará las tendencias subyacentes. A partir de ahí, puede aprender y reconocer señales de advertencia en otras empresas en el futuro.

2. Aprendizaje sin ayuda

El aprendizaje sin ayuda es cuando una máquina analiza un conjunto de documentos o datos y luego se instruye por sí misma. Esto se puede suceder incluso con un número muy pequeño de archivos.

Por ejemplo, si una empresa desea clasificar un lote de contratos, la máquina puede leer cada documento y, en función del contexto, separarlos automáticamente en categorías, como por cláusulas, cláusula de propiedad intelectual, cláusula de limitación de responsabilidad, terminación de la cláusula de indemnización , etc.

Entonces, la máquina puede definir una ontología rudimentaria sin intervención humana.

3. Aprendizaje reforzado

También conocido como aprendizaje “orientado a objetivos”, es cuando una máquina presenta un objetivo establecido y luego se encarga de cumplirlo, incluyendo los ajustes y reelaboraciones necesarias para alcanzar esa meta de manera más efectiva.

Vea después: Inteligencia Artificial: El ascenso de los Robots ¿será el fin de los humanos? 

Los ejemplos más populares de aprendizaje de refuerzo son los video juegos, donde el objetivo de la máquina es ganar el juego.

Se puede ver también en una operación de depósito, donde se establecen sistemas de manejo de materiales automatizados con el fin de optimizar el movimiento de los productos en toda la instalación. El sistema encontrará y determinará las condiciones idóneas de recoger y recuperar productos para su mejor utilización en cuanto a espacio de almacenamiento y operaciones eficientes.

El uso de las dimensiones del razonamiento, la interacción y el aprendizaje permite a las organizaciones definir la IA de una manera que pueda generar aplicaciones concretas. Solo algo con estos tres componentes en su totalidad puede definirse verdaderamente como IA. Cada uno está progresando en su propio espectro.

Los CIO progresivos y otros ejecutivos deben elegir los casos de uso comercial que se encuentran en esta intersección para aprovechar al máximo esta novedosa tecnología. 

Leave a comment

Send a Comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *