Del Machine Learning a la Inteligencia
Artificial
FORBES- 6 de septiembre de 2019
Hemos estado expuestos al término
inteligencia artificial por algunos años y es bueno detenernos a pensar qué
implica la inteligencia y la ingesta y procesamiento de datos.
Aunque es correcto el término
genérico de Inteligencia Artificial (AI por sus siglas en inglés) la realidad
es que el uso principal que hemos dado a este término como sociedad, en
especial las empresas, es una parte llamada machine learning (aprendizaje de
máquinas). En este proceso lo que se hace es dar acceso a las máquinas a
determinados datos y con el uso de estadística y patrones de repetición
recibimos resultados. Muchos de los resultados llegan a ser útiles y es parte
de la razón por la que nos sorprendemos, otros resultados no dicen nada, pero
esos por lo general ni los vemos.
Los humanos llevamos con nosotros
una serie de conocimientos aprendidos y transmitidos que aplicamos a partir de
cierta correlación, además de ciertas reacciones básicas de supervivencia. Por
supuesto, que muchas veces eso no quiere decir que haya una causa, pero implica
un tipo de pensamiento diferente al de “llenarnos de datos” para mostrar
inteligencia. En términos generales, se puede describir como la capacidad de
percibir o inferir información y retenerla como conocimiento para aplicarlo a comportamientos
adaptativos dentro de un entorno o contexto.
Con inteligencia humana vemos la
capacidad de lógica, comprensión, autoconciencia, aprendizaje, conocimiento
emocional, razonamiento, planificación, creatividad, pensamiento crítico y
resolución de problemas. Al introducir una serie de valiosos datos a una
máquina no vamos a tener resultados, todavía. Alrededor de machine learning
seguimos encontrando barreras que van desde lo técnico (estandarización de
bases de datos y scraping -limpiar las bases de datos-) a lo contextual, saber
qué puntos de los datos se juntan bajo qué contextos.
Hace décadas las computadoras
impresionaban a los grandes despachos contables con su capacidad para procesar
las hojas de ingresos, egresos y otras cosas más. Muchos fueron
profesionalizándose con el manejo de excel, hacer tablas de pivote y algunas
otras cosas han hecho que el marketing y la velocidad de los negocios aceleren
a lo que hoy conocemos. Pero las computadoras no te dicen cómo tener finanzas personales
o familiares saludables, de hecho, no muchos sabemos cómo hacerlo.
Muchos están apostando por las
computadoras con procesamiento cuántico para empezar a detectar correlaciones,
razonamiento simbólico, puntos de contacto que probablemente como humanos no
lograríamos hacer a escalas masivas. Es por esta conversación y todas las que
involucra que ¡me emocionó muchísimo que del 29 al 31 de agosto de este año se
realizara en México, en la torre de ingeniería de la UNAM la Reunión
Internacional de Inteligencia Artificial y sus Aplicaciones.
Asistieron investigadores y
científicos reconocidos de varios lugares del mundo como: Meire Fortunato,
Research Scientist at Google DeepMind; Saiph Savage, Director of Human Computer
Interaction Lab, West Virginia University; Claudia Flores Saviaga, PhD
Candidate at UWV, and Facebook Fellow; Ixchel Meza, Data Scientist, CONABIO;
Helena Gómez Adorno Institute for Research in Applied Mathematics and Systems
(IIMAS), UNAM; Pablo Villareal, Director, Digital Platform of the National
Anticorruption System; Dalia Camacho & Alejandro Noriega, Researchers,
MIT-ITAM-APEC Collaboration, Yoshua Bengio, Professor at the University of
Montreal, Turing Award 2018! Entre varios otros.
No hay comentarios:
Publicar un comentario