Inicio » Columnas » La Inteligencia Artificial y la Cuarta Revolución Industrial
Lunes 23 Octubre, 2017

Indicadores económicos de Chile

Dólar Observado 619,06
Euro 723,82
UF 23.819,39
UTM 43.599,00
YUAN 0

Newsletter

Inscríbase y reciba GRATIS semanalmente el mejor contenido de Negociós y Tecnología en su E-mail.

Links Auspiciados

Chorrillana Estudio

Verdadera innovación, pasion por la tecnologia.

Pebble

El SmartWatch que lo mantiene siempre conectado

Roku

La mejor TV de streaming a su alcance

Monitor Samsung curvo de 27”

Una increíble pantalla curva para disfrutar de la mejor experiencia envolvente

Destacados

Eventos

Próximos Eventos

23.OCT.2017

Expo Seguridad

Próximos Eventos

24.OCT.2017

Jornadas Económicas Chile – Alemania 2017

Próximos Eventos

27.OCT.2017

Fashion Management

Próximos Eventos

3.NOV.2017

23rd BRAVO Business Awards

Próximos Eventos

7.NOV.2017

eCommerce DAY Ecuador

Próximos Eventos

14.NOV.2017

eCommerce Day Panamá

Próximos Eventos

20.NOV.2017

AI Europe 2017

Próximos Eventos

23.NOV.2017

CIO Summit Cono Sur 2017

Próximos Eventos

11.FEB.2018

World Government Summit 2018

Próximos Eventos

8.JUL.2018

RISE 2018

Próximos Eventos

5.SEP.2018

4º Congreso America Digital 2018

La Inteligencia Artificial y la Cuarta Revolución Industrial

Columnas

  • La inteligencia artificial cumplirá un papel muy relevante para el futuro del crecimiento económico de los países, con el potencial de duplicarlo para 2035.
accenture - rodrigo gonzalez
Por Rodrigo González, presidente ejecutivo de Accenture Chile.

Santiago, Chile. 13 diciembre, 2016. La Inteligencia Artificial está de vuelta en los titulares y es interesante entender por qué se está viviendo un resurgimiento hoy, qué es la inteligencia artificial, cómo me puedo beneficiar de ella y cómo va a afectar a mi negocio.

En los años 50 cuando el término fue creado, AI se concibió como un juego lógico, podemos codificar reglas y de alguna forma los programas van a exhibir un comportamiento inteligente. Con la suficiente cantidad de reglas podríamos tener robots autónomos en Marte, y programas que tradujeran los periódicos en ruso al español. Esto no sucedió así, la escritura de reglas para cualquier aplicación práctica resultó ser una tarea extremadamente compleja, ya que se requerían reglas sobre cuándo aplicar reglas, excepciones a las reglas, contexto, etc.

En paralelo, grupos de investigadores exploraron un enfoque diferente, comenzar de los datos y usar estadísticas para extraer patrones y relaciones. Este paradigma es el que se conoce como Machine Learning y aproximadamente desde el año 2012 un subconjunto de este paradigma denominado Aprendizaje profundo explotó con aplicaciones prácticas. Hoy en día cada vez que vemos un artículo de inteligencia artificial es casi seguro que es sobre Deep Learning.

El aprendizaje profundo tiene básicamente tres diferentes enfoques, aprendizaje supervisado, aprendizaje por refuerzo, y aprendizaje no supervisado.

El aprendizaje supervisado es aprender a lograr un objetivo a partir de ejemplos, le entregas a una red neuronal de datos, por ejemplo, millones de fotos de perros, gatos, pájaros y aprende a reconocer las especies en nuevas fotos. De esta forma, por ejemplo, Google Photos puede identificar en las fotos de las personas los objetos que se encuentran en ellos, ya que lo aprendió de los billones de fotos que tienen tags que encontró en la web.
El aprendizaje por refuerzo es similar, pero la red neuronal obtiene la información interactuando con el sistema, por ejemplo, cómo mejorar jugando a un juego. AlphaGo el programa de DeepMind que venció al mejor jugador de Go del mundo en el 2016 usa este modelo de aprendizaje. También usan este modelo de aprendizaje componentes de los autos autónomos que aprenden las reglas básicas de conducción en simuladores.

El aprendizaje no supervisado no tiene reglas. A la red se le presenta una masiva cantidad de datos y ésta debe encontrar correlaciones entre los mismos. Por ejemplo, si se aplica a grandes cantidades de texto como Wikipedia o sitios de noticias, se puede aprender que palabras tienen significados similares.

La mayoría de las aplicaciones comerciales actualmente utilizan aprendizaje supervisado, el valor se basa en los datos, teniendo los datos se genera el aprendizaje a partir de ellos. Las promesas que realizó la inteligencia artificial y no pudo cumplir en el pasado con la utilización del Deep Learning se están cumpliendo, obteniendo resultados muy importantes en el último tiempo y generando un camino de evolución muy prometedor.

En Accenture la Inteligencia Artificial es un campo de trabajo central para la evolución de los modelos de negocio y de operación en un mundo con billones de dispositivos, generando datos que pueden ser utilizados para nuevas disciplinas y nuevas decisiones. En nuestra perspectiva, la inteligencia artificial es una colección de múltiples disciplinas científicas soportadas por tecnologías que permite a las máquinas o programas cuatro elementos centrales: interpretar, entender y actuar y aprender de forma autónoma o para aumentar las capacidades en colaboración con los humanos.

Actualmente este campo está completamente acelerado y es visto como un motor de transformación central de las economías y de los negocios, con inversiones muy importantes en startups y a nivel corporativo a nivel global como indica CBInsights en su último reporte. Globalmente es una industria que ha recibido inversiones de financiación de capital por 6 Billones de dólares en más de 1000 deals. En el 2011 las rondas de financiación de capital en empresas de inteligencia artificial fueron de 282B y en el 2015 de 2388B lo que demuestra el alto crecimiento y aceleración del sector.

La inteligencia artificial es una revolución que promete no dejar ninguna industria sin afectar. Actualmente las subindustrias que están utilizando la inteligencia artificial para evolucionar sus modelos son Salud, el campo de Business Intelligence, Servicios Financieros, Ciberseguridad, Internet de las Cosas, Ventas y Marketing, Vehículos autónomos, Asistentes personales y productividad, E-commerce, agricultura, robotics, legales, y educación, desarrollo de software y pruebas, entre otros.

Los servicios van creciendo y se obtienen resultados donde se hacen mediciones de tests estandarizados donde las AI son superiores a las personas en identificación de imágenes (google, Facebook, aplicaciones médicas), reconocimiento de voz, traducción automática, robótica industrial y robótica de procesos manuales mediante software, entre otros. Existen aplicaciones que generan imágenes y texto de forma automática, asisten en los procesos de investigación de nuevas drogas, interpretan imágenes médicas, interactúan con clientes a través de avatares o agentes virtuales, sistemas de recomendación como los de Netflix o Amazon.

El primer paso es entender que la AI puede ser aplicada a cualquier problema del mundo real como, por ejemplo:

  • Tienes una empresa de micro préstamos y posees muchos datos de tus clientes y quieres predecir cuáles pueden generar default. Usar reglas es cada vez más difícil y la tasa de éxito de predicción no mejora.
  • Quieres hacer análisis y monitoreo de imágenes médicas para asistir a los médicos en los diagnósticos.
  • Quieres hacer análisis de sentimientos de redes sociales respecto de productos y servicios de tu marca, y de reclamos.
  • Quieres diferenciar productos físicos con AI como, por ejemplo, monitores de bebé y quieres poder analizar el video o el audio para poder registrar los eventos del bebé, duerme, despierto, llorando, y generar posibles alertas, por ejemplo, estimando la tasa de respiración y generando alertas si hay anomalías.

El número de tecnologías cognitivas que son capaces de reemplazar el trabajo de las personas se expande rápidamente, el escenario que vemos es un escenario de colaboración donde las personas realizan tareas de mayor valor y uso de sus capacidades. Para ello va a ser central en la transformación del AI la gestión de las personas y el entendimiento detallado de las necesidades de la organización y de las capacidades de las personas, así como elegir adecuadamente las mejores tecnologías y herramientas de AI para el problema a resolver.

Existen múltiples tecnologías y herramientas y cada una de ellas tiene fortalezas y debilidades y características que las hacen mejores para un problema que para otro y ahí está la complejidad actual para impactar en los resultados de negocio asegurando el mejor uso de la herramienta correcta. En Accenture trabajamos con múltiples herramientas, de startups y de corporaciones aplicándolas sobre temas como agentes virtuales de atención, robótica industrial, robótica de procesos, inteligencia artificial para IoT, ventas y marketing, riesgos, logística, soporte al cliente, gestión de recursos humanos, compras, entre otros.

En este año, en el World Economic Forum de Davos, se mencionó que la inteligencia artificial está propiciando la entrada en una cuarta revolución industrial que va a cambiar la sociedad como la conocemos y que estiman afectará al menos a cinco millones de trabajos para el 2020.

En resumen, se generan más datos en cada segundo que nunca, y es una tendencia que crece exponencialmente. La posibilidad de encontrar patrones y derivar perspectivas de ellos es cada vez más difícil… para un humano. Con el desarrollo del campo de la inteligencia artificial contamos con herramientas de machine learning que permite analizar y organizar la gran cantidad de datos generados. Ahí es donde se produce una colaboración humano – AI que vemos se desarrollará cada vez con mayor fuerza y que comienza desde cómo impacta este nuevo mundo en los modelos educativos. Es clave preparar a la nueva generación para el futuro de la Inteligencia Artificial aplicada y colaborativa.

En Accenture hemos realizado una investigación a nivel global donde vemos que la inteligencia artificial cumplirá un papel muy relevante para el futuro del crecimiento económico de los países. Realizando el análisis sobre 12 economías desarrolladas concluimos que el AI tiene el potencial de duplicar su crecimiento anual económico para 2035. Esto presenta un muy importante potencial para los países en desarrollo que adopten y experimenten con mayor velocidad en estas tecnologías y Chile podría ser uno de los beneficiados si aceleramos la adopción de estas tecnologías.


Comentarios

No hay comentarios.

Añadir comentario

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