Si eres de los que piensas que la Inteligencia Artificial es un concepto de esta década o que los robots pueden hacer cosas de forma autónoma suplantando al humano, este artículo es para ti. Ha llegado el momento de que dejes de creer en los mitos del Big Data y la IA que llevas demasiado tiempo creyendo. Y lo dice un auténtico experto en la materia.
Raúl Arrabales, ingeniero en informática, psicólogo, MBA y doctor en inteligencia artificial, realizó un análisis exhaustivo de todas estas revolucionarias tecnologías el pasado 16 de mayo en la jornada APD ‘Aplicaciones de la Inteligencia Artificial en tu modelo de negocio’. Celebrado en Las Palmas de Gran Canaria, el encuentro dio lugar a un interesante análisis de términos como Big Data, IA, Deep Learning o Machine Learning. Tecnologías que han llegado para quedarse, desde luego, pero sobre las que el experto quiso advertir, todavía existen demasiados mitos.
Concretamente, destacó 5 mitos que deberíamos desterrar de una vez por todas.
Tal y como explicó Arrabales, la Inteligencia Artificial no es tan nueva como pensamos ya que nació en los años 50 y fue entre los 60 y 70 cuando tuvo sus primera aplicaciones en la empresa. Para entender porqué ahora está impactando tanto este fenómeno en el plan estratégico de las grandes compañías señaló que «el Big data, la nube, la evolución de los algoritmos y el abaratamiento y procesamiento de datos han creado esa tormenta perfecta que hace que la inteligencia artificial esté en el punto de mira de las organizaciones».
Se ha creado la tormenta perfecta para que la Inteligencia Artificial esté en el punto de mira de las organizaciones
Centrándose en el área del marketing, el experto hizo hincapié en que «es posible recibir una gran cantidad de datos en tiempo real de clientes y usuarios y procesarlos de una forma económica gracias a la nube. Lo que vemos ahora no es más que el resultado de una maduración de técnicas que ya existían. Ahora los algoritmos se ejecutar sin necesidad de grandes computadoras».
En cuanto a la gran cantidad de información que queremos manejar, «es gracias a un subcampo de la IA llamado Machine Learning, que podemos trabajar en modelos predictivos a partir de esos datos».
«Podemos asegurar que un algoritmo nos conoce mejor que nosotros mismos». ¿Cómo hemos llegado a este punto? Esto se debe a que un algoritmo comprende nuestras preferencias y entiende el contenido completo de la plataforma o servicio.
«Piensa en una plataforma de vídeo: sabe lo que has visto ya, lo que han visto tus amigos y, además, conoce el catálogo completo que están ofreciendo, por lo que te podrá recomendar con mayor probabilidad lo que te gusta», ejemplificó. Es precisamente gracias a otro subcampo de la IA llamado Deep Learning como se consigue procesar el contenido que hay en una plataforma utilizando la visión artificial y el procesamiento del lenguaje natural para ofrecer a los usuarios recomendaciones.
Según Arrabales sí se pueden desarrollar y aplicar algoritmos con un número de datos más pequeño pero se obtendrá resultados también reducidos ya que «si no se alimenta bien el sistema, éste no aprende o aprende poco», y aseguró que «también hay que saber que podemos tener los mejores algoritmos del mundo, pero si los datos de entrada son basura, obtendremos basura como salida».
El cuarto mito desterrado por Arrabales se centró en los sistemas de IA que conocemos hoy que hacen cosas automáticamente, pero no de forma autónoma: «Un coche autónomo es en realidad un coche con piloto automático. Es muy diferente realizar las cosas automáticamente que tomar las decisiones por otro».
Así, el experto quiso dejar claro que aún a día de hoy es el humano quien diseña el automatismo, incluidos los algoritmos que van a aprender. «Las máquinas no van a poder tomar decisiones fuera del ámbito diseñado por un programador».
El desarrollo de la IA es como el desarrollo de los humanos: si las cosas salen mal, la culpa suele ser de los padres
Cuando necesitamos que algo se comporte de forma autónoma se logra integrando la tarea humana con la máquina. Por ejemplo se puede mejorar un call center mezclando un chat bot para tareas determinadas con la toma de decisiones humana. Lo que tiene que quedarnos claro, insistió el también licenciado en Psicología, es que «no es real pensar que se van a poder eliminar todos los agentes humanos de un call center».
Además, subrayó la importancia de conocer el significado del término ‘inteligencia’: «La inteligencia tiene muchas facetas y hay que ver qué tareas necesitan o no inteligencia y en cuáles se puede hacer uso del robot y cuáles no. No se puede hablar en términos absolutos, debemos analizar cada caso concreto para definir los límites de lo que se puede automatizar».
Para saber cómo se desarrolla el proceso de automatización utilizó como ejemplo el propio cuerpo humano: utilizamos los sentidos para tener datos, el sistema nervioso para procesarlos y tomamos decisiones en consecuencia. Lo mismo ocurre en la versión artificial: «Los sensores obtienen datos, los algoritmos procesan la información y actúan mediante acciones programadas”.
«Hoy es el científico de datos el que, con la ayuda de la AI, puede ver qué ocurre, planear qué puede ocurrir y cómo conseguir tener éxito en los objetivos. Con esa información podrá decidir qué tareas automatizar», explicaba Arrabales.
En el cierre de la jornada, aclaró que los sistemas más avanzados de IA también cometen errores puesto que usan los mismos sistemas de aprendizaje que los humanos. Y concluyó con un original paralelismo: «El desarrollo de la IA es como el desarrollo de los humanos: si las cosas salen mal, la culpa suele ser de los padres». La cuestión sigue siendo ¿estamos preparados para liderar los retos que presenta esta transformación en las organizaciones?
