Inteligencia artificial en los negocios

Inteligencia artificial en los negocios Inteligencia artificial en los negocios
Business Review · TIC

UNA NUEVA ETAPA DORADA PARA LA INTELIGENCIA ARTIFICIAL

La inteligencia artificial, o IA, es una disciplina dentro de la informática y la ingeniería cuyo objetivo es el desarrollo de sistemas inteligentes –capaces de aprender y adaptarse– tomando como referencia la inteligencia humana. Y de la misma manera que la inteligencia humana es diversa, compleja y múltiple, la inteligencia artificial también lo es. De hecho, hay numerosas ramas de estudio dentro de la IA, incluyendo la robótica, la percepción por ordenador (visión, reconocimiento del habla, etc.), el aprendizaje automático, la planificación, el razonamiento, la representación del conocimiento, el procesamiento del lenguaje natural, las ciencias sociales computacionales, la informática afectiva, los agentes inteligentes, los chatbots...

La inteligencia artificial (IA) está viviendo, sin duda, una nueva etapa dorada en sus más de setenta años de vida, no exenta de sus luces y sus sombras. Según un informe de la firma Tractica, se estima que el mercado de la inteligencia artificial alcanzará los 36.000 millones de dólares en 2025, tras un crecimiento exponencial desde 2016. Las inversiones en startups basadas en la inteligencia artificial han crecido también exponencialmente, de 589 millones de dólares en 2012 a más de cinco mil millones de dólares en 2016, según la firma CB Insights.

¿Qué ha propiciado este auge de la inteligencia artificial? Hay varios factores que han permitido que técnicas basadas en modelos propuestos hace más de treinta años estén consiguiendo resultados espectaculares. En particular destacaré dos:

1. La disponibilidad de cantidades ingentes de datos (conocido como Big Data) para poder entrenar los modelos de IA. Gracias al crecimiento exponencial en la disponibilidad de datos, sobre todo imágenes, texto y videos, somos capaces de proporcionar suficientes ejemplos para entrenar modelos complejos de redes neuronales (conocidos como modelos de aprendizaje profundo, o deep learning).

2. La existencia de grandes capacidades de computación a precios asequibles –usando procesadores específicos, como GPU, TPU, NPU o FPGA–, para poder procesar todos los datos y entrenar modelos con billones de parámetros. Estos dos factores han permitido experimentar, crear e innovar en los algoritmos basados en redes neuronales, consiguiendo resultados sin precedentes, sobre todo, en las áreas de procesamiento de imágenes y videos y proces...