Tres ideas básicas sobre Inteligencia Artificial

¿Alguna vez te has preguntando cuántas aplicaciones o soluciones fundamentadas en la inteligencia artificial usas a lo largo del día? Seguro que más de una y más de dos. Lo cierto es que, aunque las máquinas aún no han tomado el control de nuestras vidas, cada vez están más presentes en nuestro día a día. Desde los asistentes personales como Siri o Alexa hasta el contenido que vemos en las redes sociales, pasando por las recomendaciones de producto, los textos predictivos, los sistemas de navegación o la automatización del hogar. El futuro que imaginas es ahora.

La Inteligencia Artificial (IA) es un concepto amplísimo. Un paraguas en el que caben otro tipo de tecnologías como el Data Mining, el Big Data, el Machine Learning o el Deep Learning. Actualmente, resulta aplicable prácticamente a cualquier proceso o actividad. La base de la IA son las matemáticas y la aritmética. A partir de operaciones sencillas, como sumas, restas y multiplicaciones, es posible realizar eficientemente tareas y emular comportamientos complejos como el reconocimiento de patrones, rostros, objetos o el lenguaje natural. Sus potenciales de aplicación son inmensos: desde predecir el comportamiento de la bolsa de valores hasta saber cuánto te va costar la próxima compra en el supermercado.

El boom de estas técnicas ligadas a las ciencias de la computación ha popularizado conceptos e ideas que no hace tanto parecían solo aptos para películas de cine. Sin embargo, no es oro todo lo que reluce. Si no quieres que te den gato por libre, atento a estas tres consideraciones básicas para comprender mejor la tecnología llamada a revolucionar el siglo XXI.

No es tan nuevo como piensas

Si eres de los que piensas que la Inteligencia Artificial es un concepto disruptivo, sentimos decirte que llegas con 60 años de retraso. De hecho, el término fue acuñado formalmente en 1956 durante la conferencia de Dartmouth, pero para entonces ya se había estado trabajando en ello durante cinco años.

Su explosión en la última década se debe al aumento de las capacidades computacionales disponibles. Los desarrollos informáticos y la potencia que tienen los equipos de hoy en día permiten convertir conceptos teóricos en aplicaciones eficientes para resolver problemas actuales. De hecho, hay muchas librerías con soluciones predefinidas y modelos de redes neuronales ya programados para resolver problemas sencillos, que se pueden descargar de la red. Con un ordenador convencional, acceso a los servicios en la nube y ciertos conocimientos básicos, podemos implementar un modelo básico de Deep Learning para saber, por ejemplo, quién está en la puerta de nuestra casa.

Muchas disciplinas en una

La Inteligencia Artificial es un campo de trabajo realmente vasto, que evoluciona a pasos agigantados. Desde soluciones de Big Data y Data Mining, fundamentadas en el análisis masivo de datos masivo para extraer información relevante, hasta el más reciente Deep Learning que se encuentra a la vanguardia del sector y es capaz de sustituir eficientemente en multitud de ocasiones a técnicas de visión por computador y reconocimiento de señales convencionales.

El Deep Learning es una sofisticación de las redes neuronales artificiales, capaces de descubrir y aprender representaciones o características de los datos de forma automática. Es decir, aprenden por ensayo – error: el modelo predice un comportamiento, se equivoca, calcula cuánto se ha equivocado, implementa esos datos y vuelve a predecir. De esta manera, gracias a miles de millones de datos, la red aprende de manera automatizada. Este sistema se denominada aprendizaje continuo y su objetivo es aprender de datos en dominios cambiantes, adaptarse a las nuevas situaciones o tareas explotando conocimiento adquirido previamente y preservar lo aprendido para aumentar sus habilidades.

Será siempre el último recurso

CTC ha aplicado soluciones de Inteligencia Artificial a campos diversos como la predicción de series temporales, sistemas expertos, ayuda a la toma de decisiones o la detección y clasificación de defectos. Actualmente, nuestros investigadores están concentrados en aplicaciones de Deep Learning para análisis de imágenes. Es decir, programan redes neuronales para la detección y clasificación de objetos y eventos.

Nuestro conocimiento y experiencia con este tipo de tecnologías han llevado al equipo de investigadores del Centro a tener claro que la IA debe ser una herramienta y no un fin en sí misma. Una solución que únicamente es recomendable cuando los modelos más sencillos no son aplicables o tienen peor rendimiento. Por ejemplo, cuando se trabaja con el reconocimiento de imágenes por computador, se analizan matrices con billones de datos. Ante estas magnitudes, el Deep Learning es una herramienta que proporciona muy buenos resultados de forma eficaz. Si se conocen los modelos matemáticos subyacentes, es viable resolver este tipo de planteamientos.

Si crees que todo esto se puede aplicar a tu negocio o tienes interés por ampliar esta información, no dudes en contactar con CTC y buscaremos la mejor solución posible ante los retos que presente tu empresa.

Raúl Arnau
Manager Navegación y Robótica
Centro Tecnológico CTC
Santos Bringas
Project Manager Navegación y Robótica
Centro Tecnológico CTC