19 términos, usos y tipos de Inteligencia Artificial más comunes

A medida que la tecnología se vuelva más sofisticada, el uso de la Inteligencia Artificial (AI) continuará creciendo rápidamente en los próximos años. Por ahora, se ha ido haciendo un hueco importante en muchas facetas de la vida cotidiana, tanto en la de las personas como en la de las empresas, donde las aplicaciones cada vez son más variadas.

ARTÍCULO: ¿Por qué 1 de cada 10 clientes de Aeroméxico charla con un robot?

Queramos o no el uso de la AI se está expandiendo en cada industria, a través de un amplio espectro de funciones que se pueden realizar dentro de un negocio, con lo que cada vez más aumenta el uso de ella para una creciente gama de usos empresariales básicos, incluyendo aquellos que pueden hacer predicciones del mercado, las que pueden entender el comportamiento de los clientes, las que pueden automatizar tareas repetitivas y como vigilantes que se encuentran alerta las 24 horas del día e informan de anomalías cuando las cosas van mal.

Las empresas están utilizando una variedad de enfoques diferentes para adquirir la tecnología, incluyendo su desarrollo interno, la concesión de licencias y la asociación con consultores u otras organizaciones.

El desarrollo y la adopción de AI están creciendo rápidamente, impulsados por una potencia de procesamiento más rápido y barato, un alto desarrollo tecnológico, la posibilidad de usar sistemas basados en la nube y la necesidad urgente de gestionar la sobrecarga de datos. La AI se combina a menudo con bases de datos para el procesamiento.

Lo que se prevé del mercado en cuanto al tamaño y el valor del mercado que puede generar la IA varían ampliamente, debido a que las empresas de investigación utilizan diferentes metodologías y sobre todo las definiciones que le dan a la IA. La situación se complica aún más por la terminología y la nomenclatura confusas. Por ejemplo, muchas empresas que utilizan AI llaman a la tecnología con un nombre diferente (por ejemplo, aprendizaje automático o computación cognitiva).

NOTICIA: Los millennials no son a prueba de robots

Existen muchos expertos que están de acuerdo en que la IA involucra el uso de máquinas "inteligentes", pero aún hay mucha confusión y debate sobre lo que realmente hace la inteligencia artificial, cuán grande es el mercado y el valor futuro que puede ofrecer. En su definición más ampliamente entendida, la IA implica la capacidad de las máquinas para emular el pensamiento humano, el razonamiento y la toma de decisiones. Otras concepciones incluyeron "la tecnología que puede aprender a hacer las cosas mejor con el tiempo", "la tecnología que puede entender el lenguaje" y "la tecnología que puede responder preguntas para mí".

En un nivel más profundo, sin embargo, hay confusión en el mercado alrededor de la tecnología de IA y la terminología usada para describirlo. Los términos semejantes, como la computación cognitiva, la inteligencia de la máquina, el aprendizaje mecánico, el aprendizaje profundo y la inteligencia aumentada, se utilizan indistintamente, aunque hay diferencias sutiles entre ellos. Muchas empresas que han estado involucradas con AI por años sin siquiera llamarla así.

En términos generales, la terminología que se aplica a lo que se conoce como IA generalmente describe ramas específicas de la informática o las aplicaciones comercializadas más específicas de esta tecnología.

Es importante entender que aunque existen tipos discretos de AI para propósitos de clasificación, muchas soluciones de negocios realmente involucran más de un tipo, las nuevas tecnologías de AI pueden ser híbridos de varios tipos y muchas compañías tienen diferentes nombres para tipos similares de sistemas.

NOTICIA: La nube, el blockchain y el cómputo cognitivo son agentes de cambio

eMarketer.com, una compañía que se especializa en hacer estudios sobre marketing digital y medios, en conjunto con IBM, analizó a la Inteligencia Artificial dentro de la industria en un estudio reciente titulado: Artificial Intelligence: what's now, what's new and what's next (Inteligencia Artificial: ¿qué pasa ahora, ¿qué es lo nuevo?, ¿qué sigue?). En el estudio se dieron a la tarea de explicar los términos en los que la industria categoriza a la AI. A continuación se explican 19 de los términos, usos y tipos de IA más comunes:

Tipos de tecnologías

1. Aprendizaje automático

La rama del AI que implica que entrenar a los algoritmos para realizar tareas mediante el aprendizaje de datos anteriores y ejemplos en lugar de comandos explícitos programados por los seres humanos. Dentro del aprendizaje automático, tres de los algoritmos más comunes son redes neuronales, algoritmos de inducción y algoritmos genéticos. Muchas aplicaciones de la IA dependen en gran medida del aprendizaje automático. Cuando las empresas hablan de las capacidades de IA en sus productos y servicios, suelen referirse al aprendizaje automático.

2. Redes neuronales

Son los Algoritmos de aprendizaje y los de modelos computacionales diseñados para funcionar como neuronas en el cerebro. Las redes neuronales son entrenadas con conjuntos específicos de datos, que utilizan para encontrar una respuesta en una consulta. La suposición de la red se compara con la respuesta correcta en una base de datos. En caso de ocurrir errores, las "neuronas" son ajustadas y el proceso se repite hasta que los niveles de error disminuyen. Este enfoque algorítmico, llamado retropropagación, es similar a la regresión estadística.

3. Algoritmos genéticos

Máquinas algorítmicas de optimización de aprendizaje que trabajan imitando el proceso evolutivo utilizando la selección natural, la recombinación y la mutación. Son particularmente eficaces para optimizar problemas con un gran número de soluciones posibles.

4. Algoritmos de inducción

Algoritmos que aprenden de un ejemplo y tratan de encontrar patrones en los datos para crear reglas que explican lo que está sucediendo. A diferencia del proceso de deducción, que implica una colección preestablecida de reglas, estos algoritmos crean reglas para explicar las cosas que están sucediendo sobre la marcha.

5. Aprendizaje profundo

Una rama del aprendizaje de máquinas relacionada con la construcción y la formación de redes neuronales con múltiples capas. Cada capa de una red puede encontrar patrones en la salida de la capa para arriba de ella. Las redes profundas brillan al clasificar datos e identificar anomalías en patrones de datos.

6. Sistemas expertos

También conocidos como sistemas de representación del conocimiento o sistemas de apoyo a la decisión. Los sistemas expertos son una forma antigua de tecnología de IA que originalmente fue diseñada para resolver problemas complejos tomando decisiones basadas en una base de conocimiento y reglas para aplicar ese conocimiento. Debido a sus enfoques más sofisticados, basados en datos y estadísticos, los nuevos modelos de aprendizaje automático pueden tomar decisiones más efectivas que los sistemas expertos.

7. Representación del conocimiento

Una rama de la IA que implica la representación de diferentes tipos de información de manera que los sistemas informáticos puedan utilizar para realizar tareas complejas o resolver problemas.

Otros nombres para la IA

8. Computación cognitiva

Este es un término general que IBM populariza para describir el proceso mediante el cual las máquinas pueden extraer datos, reconocer patrones y procesar el lenguaje natural para interactuar y emular la inteligencia humana. En su forma más básica, el término se refiere a computadoras que pueden simular procesos de pensamiento humano. IBM y otras organizaciones usan a menudo este término en lugar del término más amplio "inteligencia artificial".

9. Inteligencia aumentada

También conocida como aumento cognitivo o amplificación de inteligencia. Se refiere a la tecnología diseñada para utilizar las fuerzas combinadas de la inteligencia humana y de la máquina. Algunos de los grandes jugadores en el campo de AI prefieren este término para describir sus ofrendas para minimizar las percepciones de que las máquinas acabarán por hacerse cargo del trabajo humano

10. Aprendizaje hombre-máquina

Conceptualmente similar a la inteligencia aumentada, este término se utiliza a menudo para describir la IA que combina la orientación humana con el análisis de la máquina de grandes volúmenes de datos. El término se desarrolló en parte para tranquilizar a las audiencias que el esfuerzo humano todavía es necesario para proporcionar refuerzo y retroalimentación a la máquina, que luego perfecciona su algoritmo para lograr los resultados deseados.

Aplicaciones comunes de la AI

11. Visión de máquina

La rama de la IA que trata de cómo las computadoras emulan el sistema visual humano y su capacidad de ver e interpretar imágenes digitales del mundo real. También incorpora procesamiento de imágenes, reconocimiento de patrones y comprensión de imágenes (convirtiendo imágenes en descripciones que pueden usarse en otras aplicaciones).

12. Máquinas traductoras

Una forma de traducción automatizada mediante la cual se utiliza software de computadora para traducir texto o audio de un idioma a otro (por ejemplo, del ruso al inglés). Además de sustituir simplemente una palabra por otra, puede incorporar técnicas estadísticas que aumenten la probabilidad de identificar correctamente frases, expresiones idiomáticas, nombres propios y otras anomalías.

13. Procesamiento natural del lenguaje

Una rama de la IA que se ocupa de la capacidad de una máquina para entender las palabras habladas o impresas en lenguajes humanos (naturales), en contraposición a los lenguajes de programación de computadoras. Estas tecnologías son muy utilizadas por los buscadores, por el filtrado de spam y por su capacidad para extraer información de documentos grandes y complejos. El procesamiento del lenguaje natural también puede identificar anomalías dentro del texto.

14. Generación de lenguaje natural

Un subconjunto de procesamiento de lenguaje natural en el que una computadora toma decisiones sobre cómo dar sentido a un concepto específico y ponerlo en palabras. La tecnología se utiliza a menudo para automatizar procesos manuales relacionados con el análisis de datos, tales como cartas personalizadas y otros tipos de comunicación a escala. También puede crear dinámicamente comunicaciones -incluyendo noticias básicas y listados de bienes raíces- que cumplan objetivos específicos.

15. Lingüística computacional

Un campo interdisciplinario que se ocupa del modelado estadístico y basado en reglas de datos de lenguaje natural por computadoras. Incluye el reconocimiento del idioma habaldo, el proceso mediante el cual las máquinas pueden identificar y reconocer palabras y frases habladas y traducirlas o convertirlas en texto legible por máquina.

16. Robot de conversación

Un programa de computadora que usa un conjunto de reglas para conducir una conversación basada en el habla o el texto con un humano a través de una interfaz de chat en línea. Los robot de conversación son alimentados por la IA y usan el aprendizaje de la máquina para detectar e imitar la conversación humana. Se desarrollan comúnmente para proporcionar contenido específico o servicio automatizado o utilidad a los usuarios.

17. Asistente digital virtual

Una versión más sofisticada de un robot de conversación, también conocido como un agente inteligente, asistente personal virtual, asistente virtual inteligente, asistente automatizado o agente virtual. Dichos asistentes pueden organizar, almacenar y dar información basada en la ubicación del usuario y pueden contestar después de escuchar o recibir texto de los usuarios con información de una multitud de fuentes en línea (por ejemplo, pronósticos meteorológicos, mapas, precios de las acciones o horarios de transporte). Los ejemplos incluyen Siri de Apple, Google Now, Alexa de Amazon y Cortana de Microsoft.

18. Sistemas de recomendación

También conocido como motores de recomendación. Un sistema de filtrado de información basado en AI que puede predecir automáticamente las preferencias del usuario y las respuestas a las consultas basadas en el comportamiento pasado, la relación de un usuario con otros usuarios, la similitud entre los elementos comparados y el contexto. Los ejemplos de alto perfil de los sistemas de recomendación incluyen la característica "frecuentemente comprada" de Amazon y el algoritmo CineMatch de Netflix. Similares algoritmos también son utilizados por redes sociales como Facebook, LinkedIn y Ancestry.com para encontrar conexiones entre personas y datos e identificar objetivos para las campañas de marketing.

19. De análisis predictivo

Son programas que utilizan una combinación de técnicas de la ciencia de los datos, estadísticas e inteligencia artificial para analizar conjuntos de datos estructurados y no estructurados, identificar patrones y relaciones, y usarlos para hacer predicciones sobre eventos y resultados futuros probables. Los modelos de análisis predictivo están estrechamente relacionados con los modelos analíticos prescriptivos, que incorporan un modelo predecible, pero de un paso más allá para producir datos y utilizar un sistema de retroalimentación que rastrea los resultados.

rarl