Contenido
- AI en el ciclo de bombo
- Hasta ahora, no muy bien
- Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
- Todo depende de los datos
Fuente: Charles Taylor / iStockphoto
Para llevar:
Hay mucha publicidad sobre la inteligencia artificial, ¿qué tan inteligente es?
La inteligencia artificial ha atraído tanta atención en los círculos empresariales que muchos líderes de TI pueden ser excusados por pensar que proporcionará todas las respuestas a un ecosistema de datos cada vez más complejo. Pero aunque ciertamente tiene el potencial de hacer muchas mejoras significativas a la tecnología existente, también es justo decir que algunas de las expectativas que rodean su eficacia son exageradas.
De hecho, hay relativamente poca comprensión de qué es exactamente la IA, cómo funciona realmente y qué puede hacer realmente. Y esto está dando lugar a conceptos erróneos generales que rodean su papel en la empresa y la forma en que se relacionará con la infraestructura existente y los humanos que la operan.
AI en el ciclo de bombo
De acuerdo con el ciclo de bombeo más reciente de Gartner, los subconjuntos clave de inteligencia artificial como el aprendizaje profundo, el aprendizaje automático y la computación cognitiva están en la parte superior de la curva de expectativas de inflación máxima, lo que significa que están en la cúspide de la larga caída hacia el canal de desilusión. Si bien esto es normal para prácticamente todas las tecnologías disruptivas en los últimos 30 años, señala el hecho de que el impacto proyectado de la IA en la empresa, que se derivó principalmente de pruebas de laboratorio controladas, está a punto de chocar con las realidades del entorno de producción. (Consulte el historial de innovaciones informáticas en From Ada Lovelace to Deep Learning).
Sin embargo, el investigador de Gartner Mike Walker espera que la IA se vuelva omnipresente en la próxima década a través de una combinación de potencia informática avanzada, que conduce al desarrollo de construcciones como la red neuronal, y el simple hecho de que la carga de datos empresariales se haya vuelto tan inmensa y tan complejo que los operadores humanos ya no pueden hacer frente por su cuenta.
Una de las primeras cosas que la empresa necesita comprender sobre la IA es que juega rápido y suelto con el término "inteligencia". Como explicó recientemente el neurocientífico suizo Pascal Kaufmann a ZDnet, existen diferencias profundas en las formas en que un algoritmo informático y un cerebro humano procesar información para llegar a una conclusión. Dada la potencia de procesamiento suficiente, un algoritmo informático puede comparar millones, miles de millones, tal vez incluso billones de conjuntos de datos para hacer una determinación simple, como si una imagen de un gato es realmente una imagen de un gato. Pero incluso un niño pequeño, con muy pocos datos, puede determinar instintivamente que es un gato y sabrá para siempre qué es un gato y qué aspecto tiene.
Según este estándar, incluso el ejemplo principal de IA en el trabajo, el dominio de Alpha Deep de Google DeepMind del juego de estrategia Go, no era realmente inteligencia artificial, sino una sección transversal de big data, análisis y automatización que era capaz de racionalizar un enfoque basado en reglas a ganar Curiosamente, Kaufmann agrega que un verdadero ejemplo de inteligencia artificial sería si AlphaGo hubiera descubierto cómo hacer trampa para ganar. Sin embargo, para hacer esto, la ciencia primero tendrá que descifrar el "código cerebral" que potencia nuestra capacidad de procesar información, recuperar conocimiento y almacenar recuerdos. (Obtenga más información sobre la automatización con Automation: The Future of Data Science and Machine Learning?)
Hasta ahora, no muy bien
De hecho, a pesar de los temores de que la IA está a punto de subsumir el trabajo de todos, los resultados hasta ahora son casi cómicos. Los fanáticos de "Game of Thrones" de George R.R. Martin están tan impacientes por la próxima entrega de la serie que muchos acudieron a un capítulo de gobbledygook casi puro escrito por una forma de IA llamada red neuronal recurrente. Mientras tanto, IBM está siendo criticada por los investigadores de oncología a quienes se les dijo que Watson desataría una nueva era en el diagnóstico y el tratamiento, pero en cambio todavía está luchando por diferenciar entre las formas básicas de cáncer. Dado este historial, es bastante posible que cuando la IA se introduce por primera vez en la empresa típica, probablemente requerirá más esfuerzo por parte de los operadores humanos solo para rastrear y monitorear todos los errores que cometerá.
Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
No puede mejorar sus habilidades de programación cuando a nadie le importa la calidad del software.
Pero aquí está el problema: la IA mejorará con el tiempo sin tener que reprogramarse. Como dijo recientemente el investigador de Cornell Tech, Daniel Huttenlocker, a Tech Crunch, es más probable que la inteligencia artificial elimine el software tradicional, y todos los molestos parches, actualizaciones y correcciones que requiere, que los operadores humanos. Esto no significa que la IA no necesite ser programada, sino que el enfoque se simplifica enormemente. Con el software de hoy, el programador necesita definir no solo la tarea a resolver sino los pasos exactos con los cuales resolverla. Con AI, todo lo que se necesita es el objetivo y el software debe poder manejar el resto, siempre que tenga los datos correctos para trabajar.
Todo depende de los datos
Ese último punto es crucial porque, al final del día, la IA es simplemente un algoritmo, y los algoritmos son tan buenos como los datos que se alimentan. Esto significa que, además de construir un marco operativo de inteligencia artificial adecuado, la empresa tendrá que establecer un entorno de acondicionamiento de datos bastante vigoroso para que los resultados analíticos se basen en información precisa. Como el CEO de ActiveCampaign, Jason VandeBoom, dijo a Forbes recientemente, el viejo las reglas de "basura en igual a basura" todavía se aplican, por lo que podría pasar un tiempo antes de que las organizaciones vean los verdaderos beneficios de su inversión en inteligencia artificial.
Dado todo esto, la empresa no debe esperar que la IA proporcione una solución rápida para los desafíos emergentes de big data y el IoT. Es probable que la curva de aprendizaje tanto para humanos como para máquinas sea bastante larga, y los resultados son inciertos en el mejor de los casos.
Pero si todo funciona según lo planeado, tanto la empresa como la fuerza laboral del conocimiento deberían ver beneficios sustanciales a largo plazo. Solo piense en la tarea más mundana, tediosa y lenta que está ralentizando sus procesos en este momento e imagine que nunca más tendrá que volver a hacerlos.