Inteligencia artificial: hoja de trucos

por Aminu Abdullahi en Tech Republicel 14 de julio de 2023

Descubra el potencial de la inteligencia artificial con nuestra completa hoja de trucos.Obtenga más
información sobre los conceptos, las plataformas y las aplicaciones de la IA.

La inteligencia artificial se presenta de muchas formas, desde herramientas simples que responden
a los clientes a través de un chat hasta complejos algoritmos de aprendizaje automático que
predicen la trayectoria de toda una organización.A pesar de años de promesas exageradas, la IA no
comprende máquinas inteligentes que razonan como los humanos.Más bien, la IA abarca la
coincidencia de patrones a escala más estrechamente enfocada para complementar el razonamiento
humano.

Para ayudar a los líderes empresariales a comprender qué son las capacidades de IA, cómo usar la
inteligencia artificial y dónde comenzar un viaje de IA, es esencial disipar primero los mitos que
rodean este gran salto en la tecnología de IA.

¿Qué es la inteligencia artificial?

La IA es en gran medida una herramienta de reconocimiento de patrones que puede ejecutarse a una
escala que va mucho más allá de cualquier ser humano, pero que nunca reemplaza a los
humanos.Incluso en su mejor momento, la IA ofrece resultados aceptables, aunque no perfectos, lo
que brinda a las personas la capacidad de intervenir, observar los datos y razonar a partir de ahí.
Tenga en cuenta que si bien usamos IA en esta hoja de trucos, la mayoría de las empresas en
realidad se involucran con un subconjunto de IA llamado aprendizaje automático o aprendizaje
profundo.Usaremos AI aquí como una abreviatura que incluye aprendizaje automático y aprendizaje
profundo. La verdad es que la tecnología de IA actual es limitada, pero sigue siendo increíblemente
poderosa.Por complicados que parezcan sus procesos en la práctica, el núcleo de las aplicaciones
impulsadas por IA es la capacidad simple de identificar patrones y hacer inferencias basadas en esos
patrones. La IA no es realmente inteligente y, a menudo, está tan sesgada como los datos que
elegimos para alimentar nuestros modelos de ML.Eso no significa que la IA no sea útil para las
empresas y los consumidores que intentan resolver problemas del mundo real, significa que no
estamos cerca de las máquinas que realmente pueden tomar decisiones independientes o llegar a
conclusiones sin recibir primero los datos adecuados.También es cierto que la IA puede tender a
confirmar nuestros sesgos, en lugar de eliminarlos.

¿Cómo funciona la inteligencia artificial?

La IA es un sistema complejo diseñado para modelar el comportamiento y la inteligencia

humanos.Combina grandes datos con algoritmos inteligentes para analizar, comprender y tomar
decisiones o predicciones sobre estados futuros.Para hacer predicciones precisas, los sistemas de IA
requieren grandes cantidades de datos para aprender;estos datos se recopilan de varias fuentes, se
procesan, analizan y organizan en un formato adecuado para los algoritmos de IA.

Los algoritmos de IA son el núcleo de los sistemas de IA y están diseñados para analizar e
interpretar datos, identificar patrones y hacer predicciones o decisiones basadas en la entrada.Al
recopilar continuamente nuevos datos y volver a entrenar los modelos, los sistemas de IA pueden
adaptarse a las condiciones cambiantes y mejorar su rendimiento.

El proceso central de cómo funciona la IA involucra los siguientes subdominios:

• Aprendizaje automático: una rama de la IA que se centra en el desarrollo de algoritmos y modelos

estadísticos que permiten que los sistemas informáticos aprendan y mejoren a partir de los datos sin
ser programados explícitamente.

• Aprendizaje profundo: un subcampo del aprendizaje automático que imita el funcionamiento de

las redes neuronales del cerebro humano, utilizando múltiples capas de redes neuronales artificiales
para aprender y comprender patrones y características complejos en los datos.

• Redes neuronales: Un modelo computacional, inspirado en la estructura y función del cerebro

humano, que puede procesar y analizar grandes cantidades de datos para reconocer patrones, hacer
predicciones o clasificar información.

• Procesamiento del lenguaje natural: una rama de la IA que se centra en la interacción entre las
computadoras y el lenguaje humano, lo que permite que las máquinas entiendan, interpreten y
generen el lenguaje humano.

• Visión por computadora: una rama de la IA que permite que las máquinas interpreten y
comprendan información visual de imágenes o videos.

• Computación cognitiva: un modelo que tiene como objetivo crear sistemas de IA que puedan
simular una inteligencia similar a la humana e interactuar con los humanos de una manera más
natural e intuitiva.

¿Qué puede hacer la inteligencia artificial?

La inteligencia artificial es esencialmente coincidencia de patrones a escala. Con sus capacidades de

reconocimiento de patrones, la IA moderna puede realizar el reconocimiento de imágenes,
comprender el lenguaje natural y los patrones de escritura de los humanos, establecer conexiones
entre diferentes tipos de datos, identificar anomalías en los patrones, crear estrategias, predecir y
más.
Si bien los humanos no pueden analizar la cantidad de datos con la misma facilidad que las
máquinas para descubrir patrones, las máquinas tienen dificultades cuando se les presenta un valor
atípico que podría ser fácil de detectar para un humano pero que contradice los datos de
entrenamiento. Por lo tanto, las mejores aplicaciones de IA están altamente enfocadas y combinan
el razonamiento humano con el poder bruto de ML.

Desde el inicio de la pandemia de COVID-19 en 2020, AI y ML han experimentado un crecimiento

masivo del mercado.La pandemia mundial también cambió las prioridades y aplicaciones de la IA:
en lugar de centrarse únicamente en el análisis financiero y la percepción del consumidor, los
proyectos de IA posteriores a la pandemia han tendido a centrarse en la experiencia del cliente y la
optimización de costos.

Los bots de IA pueden realizar muchas tareas básicas de servicio al cliente, liberando a los
empleados para que solo aborden casos que necesitan intervención humana. La IA como esta se ha
generalizado particularmente desde el comienzo de la pandemia, cuando los trabajadores que se
vieron obligados a abandonar los centros de llamadas pusieron énfasis en el servicio al cliente.

¿Cuáles son las aplicaciones empresariales de la IA?

En el mundo de los negocios, hay muchas aplicaciones de IA, pero tal vez ninguna esté ganando
tanto impulso como el análisis empresarial y predictivo y su objetivo final: el análisis prescriptivo.

El análisis empresarial es un conjunto complicado de procesos que tienen como objetivo modelar el
estado actual de una empresa, predecir a dónde irá si se mantiene en su trayectoria actual y modelar
futuros potenciales con un conjunto determinado de cambios. Predecir el futuro con un modelo
establecido del pasado puede ser bastante fácil, pero el análisis prescriptivo, cuyo objetivo es
encontrar el mejor resultado posible ajustando el curso actual de una organización, puede ser
absolutamente imposible sin la ayuda de la IA.

La analítica puede ser la estrella en ascenso de la IA empresarial, pero no es la única aplicación de

la inteligencia artificial en los mundos comercial e industrial.

Otros casos de uso de IA para empresas incluyen los siguientes:

• Reclutamiento y empleo: la IA puede agilizar el reclutamiento al filtrar un mayor número de

candidatos más rápido que un ser humano y al detectar personas calificadas que pueden pasarse por
alto.

• Detección de fraude: la IA es excelente para detectar diferencias sutiles y comportamiento

irregular, como indicadores sutiles de fraude financiero que los humanos pueden pasar por alto.

• Ciberseguridad: la IA es excelente para detectar indicadores de piratería y otros problemas de

ciberseguridad.

• Gestión de datos: mediante la IA, puede categorizar datos sin procesar y encontrar relaciones entre
elementos que antes eran desconocidos.

• Relaciones con los clientes: los chatbots modernos impulsados por IA son increíblemente buenos
para mantener conversaciones gracias al procesamiento del lenguaje natural, lo que los convierte en
una excelente primera línea de servicio al cliente.
• Atención médica: algunas aplicaciones de IA no solo pueden detectar el cáncer y otros problemas
de salud antes que los médicos, sino que también pueden proporcionar comentarios sobre la
atención del paciente en función de registros y tendencias a largo plazo.

• Predicción de tendencias de mercado: al igual que el análisis prescriptivo en el mundo de la

analítica de negocios, los sistemas de IA se pueden entrenar para predecir tendencias en mercados
más grandes, lo que puede llevar a las empresas a adelantarse a las tendencias emergentes.

• Reducción del uso de energía: la IA puede optimizar el uso de energía en edificios e incluso en
ciudades, así como hacer mejores predicciones para la planificación de la construcción, la
extracción de petróleo y gas y otros proyectos centrados en la energía.

• Marketing: los sistemas de IA se pueden entrenar para aumentar el valor del marketing tanto para
las personas como para los mercados más grandes, lo que ayuda a las organizaciones a ahorrar
dinero y obtener mejores resultados de marketing.

¿Cuáles son los diferentes tipos de IA?

IA estrecha También conocida como IA débil, la IA estrecha lo ayuda a realizar funciones

específicas.Se enfoca en un solo dominio y opera dentro de límites predefinidos. La IA estrecha no
puede hacer nada más que aquello para lo que está programada: tiene una gama de competencias
muy limitada o estrecha.Los ejemplos incluyen asistentes de voz como Siri o Alexa. Estos carecen
de inteligencia general y no pueden realizar tareas fuera de su dominio designado.

IA general La IA general, también conocida como IA fuerte o inteligencia general artificial, se

refiere a los sistemas de IA que poseen inteligencia a nivel humano y pueden comprender, aprender
y realizar cualquier tarea intelectual que un ser humano pueda realizar. Pueden adaptarse a varios
escenarios y resolver problemas de forma creativa. Si bien la IA general sigue siendo un objetivo a
largo plazo, los avances actuales se centran principalmente en el desarrollo de sistemas de IA
específicos que se destacan en áreas específicas, como el reconocimiento de imágenes o el
procesamiento del lenguaje natural.

IA superinteligente Este tipo de IA supera la inteligencia humana en casi todos los aspectos. No
solo supera a los humanos en tareas cognitivas, sino que también posee la capacidad de mejorarse a
sí mismo, lo que lleva a un aumento exponencial de la inteligencia. Si bien la IA superinteligente
sigue siendo en gran parte teórica en la actualidad, es un tema de interés y preocupación dentro del
campo de la IA.

Máquinas reactivas Los sistemas de IA reactiva responden automáticamente a un conjunto o

combinación limitados de entradas y funcionan en función de la entrada actual sin memoria ni
experiencias pasadas. De hecho, los sistemas de IA reactivos no tienen la capacidad de formar
recuerdos o aprender de interacciones anteriores.Simplemente reaccionan a la situación o estímulo
actual. Los ejemplos incluyen sistemas de inteligencia artificial para jugar al ajedrez o algoritmos
de recomendación.

Memoria limitada Los sistemas de IA con memoria limitada pueden almacenar y recuperar
información de experiencias anteriores para tomar mejores decisiones. Tienen la capacidad de
aprender de datos pasados y utilizarlos para mejorar sus acciones futuras. Los automóviles
autónomos que utilizan datos históricos para tomar decisiones de conducción son un ejemplo de IA
de memoria limitada.
Teoria de la mente Este tipo de IA sigue siendo en gran parte teórico. La IA tendrá la capacidad de
comprender y modelar los estados mentales, las creencias y las intenciones de otros agentes. Podrán
atribuir pensamientos, emociones e intenciones a otras entidades y predecir su comportamiento en
función de esta comprensión.

Consciente de sí mismo Si bien todavía es teórico y no se ha realizado por completo, este tipo de
IA poseería una conciencia y una comprensión de su propia existencia similares a las de los
humanos. Los sistemas de IA autoconsciente tendrán un sentido de su propia existencia, conciencia
y estado interno.Poseen habilidades autorreflexivas y son conscientes de sus propios pensamientos,
acciones e impacto en su entorno. La verdadera IA autoconsciente es un concepto que sigue siendo
en gran medida especulativo y actualmente está más allá de las capacidades de la tecnología
existente.

IA generativa Los sistemas de IA generativa son capaces de crear contenido, como imágenes,
videos, música o texto, que es casi indistinguible del contenido generado por humanos. Pueden
generar de forma autónoma nuevos resultados basados en sus patrones y estilos aprendidos. Las
redes antagónicas generativas son un ejemplo de IA generativa, donde una red genera contenido y
otra red evalúa y proporciona retroalimentación para mejorar la calidad del resultado generado.

Otros ejemplos populares de IA generativa incluyen:

• DeepArt.io: esta herramienta utiliza redes neuronales para transformar fotos en estilos artísticos
de artistas famosos.

• Runway: esta plataforma ofrece una variedad de herramientas generativas de inteligencia artificial
para crear imágenes y videos.

• DeepDream: DeepDream es una herramienta desarrollada por Google que utiliza IA generativa
para modificar imágenes.Mejora los patrones y las estructuras de una imagen para crear imágenes
de ensueño.

• ChatGPT de OpenAI: el transformador preentrenado generativo es un modelo de lenguaje

desarrollado por OpenAI para generar texto similar al humano basado en un aviso dado. El último
modelo GPT-4 fue entrenado en supercomputadoras Microsoft Azure AI y está disponible en
ChatGPT Plus.

¿Qué plataformas de IA están disponibles?

Al adoptar una estrategia de IA, es importante saber qué software está disponible para la IA
centrada en el negocio.Hay una amplia variedad de plataformas disponibles de los sospechosos
habituales de computación en la nube como Google, AWS, Microsoft e IBM, y elegir la correcta
puede significar la diferencia entre el éxito y el fracaso.

Aprendizaje automático de AWS

AWS Machine Learning ofrece una amplia variedad de servicios que se ejecutan en la nube de
AWS.Los servicios de IA, los marcos preconstruidos, las herramientas de análisis y más están
disponibles, muchos de ellos diseñados para simplificar el trabajo inicial y otros como SageMaker
para Business Analysts, diseñados para permitir que las corporaciones obtengan información de IA
sin escribir código.AWS ofrece algoritmos de IA preconstruidos, capacitación de ML con un solo
clic y herramientas de capacitación para desarrolladores que comienzan o amplían sus
conocimientos sobre el desarrollo de IA.
Nube de Google

Google Cloud ofrece soluciones de IA similares a las de AWS, además de tener varias soluciones
de IA total prediseñadas que las organizaciones pueden conectar idealmente a sus organizaciones
con un esfuerzo mínimo.Google también se distingue por innovar algunos de los estándares de la
industria para la IA, como TensorFlow, una biblioteca de aprendizaje automático de código abierto.
IA de Microsoft La plataforma de IA de Microsoft viene con servicios pregenerados, infraestructura
de computación en la nube lista para implementar y una variedad de herramientas de IA adicionales
que se pueden conectar a los modelos existentes.Su AI Lab también ofrece una amplia gama de
aplicaciones de IA con las que los desarrolladores pueden jugar y aprender de lo que otros han
hecho.Microsoft también ofrece una escuela de IA con pistas educativas específicamente para
aplicaciones comerciales.

Watson

Watson es la versión de IBM de IA empresarial y aprendizaje automático alojado en la nube, pero

va un poco más allá con más opciones de IA.IBM ofrece servidores in situ personalizados para
tareas de IA para empresas que no desean depender del alojamiento en la nube, y también tiene
IBM AI OpenScale, una plataforma de IA que se puede integrar en otros servicios de alojamiento
en la nube, lo que podría ayudar a evitardependencia de un proveedor.En 2021, IBM Watson sufrió
una reacción violenta en los medios después de años de prometer demasiado sobre lo que su IA
podría ofrecer en el cuidado de la salud, pero muchas empresas aún recurren a él para tareas más
específicas.

¿En qué habilidades de IA necesitarán invertir las empresas?

Quizás la habilidad más crítica que se necesita para usar la IA es saber cuándo omitir la IA por
completo. La realidad de la IA es que muchos problemas podrían resolverse aplicando un análisis
de regresión simple o declaraciones si/entonces. La mayoría de la IA, en otras palabras, no es IA en
absoluto: es solo matemáticas básicas y sentido común.

Para tareas más complicadas orientadas a la IA, la ciencia de datos asociada se divide en dos
categorías: la destinada al consumo humano y la destinada al consumo de las máquinas.

En este último caso, la IA involucra modelos digitales complejos que aplican modelos ML y
algoritmos de IA a grandes cantidades de datos. Luego, estos sistemas actúan de manera autónoma
para generar un anuncio particular o una experiencia de cliente o realizar transacciones bursátiles en
tiempo real. Por lo tanto, las profesiones de IA orientadas a máquinas requieren "una fluidez
matemática, estadística y computacional excepcionalmente fuerte para construir modelos que
puedan hacer buenas predicciones rápidamente", como señaló el ex científico de datos de Google y
Foursquare, Michael Li.

Por el contrario, las habilidades necesarias para una ciencia de datos e IA más orientadas a los
humanos se inclinan hacia la narración de historias. Dado que ningún dato es imparcial, el papel de
la inteligencia humana es ayudar a que los datos cuenten historias claras. Estos narradores de
historias de IA utilizan la visualización de datos para facilitar la exploración y la comprensión de
esos datos.

Para muchos en IA, las matemáticas más sofisticadas que harán son análisis de poder y pruebas de
importancia. Pueden escribir consultas SQL para obtener datos, hacer operaciones matemáticas
básicas con esos datos, graficar resultados y luego explicar los resultados. No es una ciencia de
datos genial, pero es increíblemente útil para desglosar datos complejos en información procesable,
para usar la jerga de la ciencia de datos.

Con todo eso en mente, sigue siendo cierto que las habilidades necesarias para un proyecto de IA
difieren según las necesidades comerciales y la plataforma que se utiliza, aunque la mayoría de las
plataformas más grandes admiten la mayoría, si no todos, de los lenguajes y habilidades de
programación de IA más utilizados necesarios.

Muchas plataformas de IA empresarial ofrecen cursos de capacitación sobre los detalles de la

ejecución de su arquitectura y los lenguajes de programación necesarios para desarrollar más
herramientas de IA. Las empresas que toman en serio la IA deben planear contratar nuevos
empleados o dar a los existentes el tiempo y los recursos necesarios para capacitarse en las
habilidades necesarias para que los proyectos de IA tengan éxito.

¿Cómo pueden las empresas empezar a utilizar la IA?

Comenzar con la IA empresarial no es tan fácil como simplemente gastar dinero en un proveedor de
plataforma de IA y poner en marcha algunos modelos y algoritmos prediseñados. Hay muchas cosas
que se necesitan para agregar con éxito la IA a una organización.

En el centro de todo está la buena planificación del proyecto. Agregar inteligencia artificial a una
empresa, sin importar cómo se utilice, es como cualquier iniciativa de transformación empresarial.

Aquí hay un resumen de una sola forma de acercarse a comenzar con la IA empresarial.

Determine su objetivo de IA Para comenzar, descubra cómo se puede usar la IA en su

organización y con qué fin. Al centrarse en una implementación más limitada con un objetivo
específico, puede asignar mejor los recursos.

Identificar lo que debe suceder para llegar allí Una vez que sepa dónde quiere estar, puede
averiguar dónde está y cómo hacer el viaje. Esto podría incluir comenzar a clasificar los datos
existentes, recopilar nuevos datos, contratar talento y otros pasos previos al proyecto.

Construir un equipo Con un objetivo final a la vista y un plan para llegar allí, es hora de reunir el
mejor equipo para hacerlo realidad. Esto puede incluir a los empleados actuales, pero no tenga
miedo de salir de la organización para encontrar a las personas más calificadas. Asegúrese de
permitir que el personal existente se capacite para que tengan la oportunidad de contribuir al
proyecto.

Elija una plataforma de IA Algunas plataformas de IA pueden adaptarse mejor a proyectos

particulares, pero en general todas ofrecen productos similares para competir entre sí. Deje que su
equipo dé recomendaciones sobre qué plataforma de IA elegir: son los expertos que estarán en las
trincheras.

Comenzar implementación Con un objetivo, un equipo y una plataforma, está listo para comenzar
a trabajar en serio. Esto no será rápido: las máquinas de IA deben capacitarse, se deben realizar
pruebas en subconjuntos de datos y se deberán realizar muchos ajustes antes de que una IA
empresarial esté lista para llegar al mundo real. De hecho, debe esperar que la gran mayoría de su
tiempo no se dedique a crear algoritmos atractivos, sino a la preparación de datos.

[email protected]