La Inteligencia Artificial (IA) es una disciplina que tiene por objetivo crear programas informáticos que elaboren operaciones comparables a las que ejecuta la mente humana, como la percepción del entorno, el aprendizaje o el razonamiento lógico.

Existen diversas áreas dentro de la IA que se complementan entre si. También existen distintas tecnologías que permiten la implementación de proyectos de IA y tecnologías que aprovechan la IA para potenciar su funcionalidad.

Algunas de estas áreas y tecnologías relacionadas con la IA son:

Machine Learning

Es una forma de IA que permite que el sistema sea capaz de tomar decisiones o realizar pronósticos, sin la necesidad de una programación explícita de reglas. Esto se logra a través del uso de algoritmos y modelos estadísticos para analizar e identificar patrones en la información.

El realizar Machine Learning involucra la creación de un modelo, el cual está basado en uno o más algoritmos, al que se le provee un conjunto de datos característicos de preparación que sirve como base para la toma de decisiones al procesar información en ocasiones subsecuentes.

Algunos ejemplos de aplicaciones son:
• Mantenimiento predictivo mediante el uso de sensores que recopilan información utilizada para pronosticar el fallo de un equipo.
• Generación de recomendaciones de productos o servicios a los clientes, a partir del análisis de sus hábitos de consumo o intereses.
• Identificación de transacciones financieras anormales o sospechosas.
• Evaluación de riesgo en aprobación de préstamos.

Deep Learning

Es una forma de implementar “Machine Learning” a través del uso de redes neuronales. “Deep Learning” permite procesar grandes cantidades de información para encontrar relaciones y patrones que regularmente una persona sería incapaz de detectar.

¿Cuándo utilizar “Deep Learning”?
Debido a que es una tecnología poderosa, puede existir la tentación de usarla a la primera oportunidad en un proyecto de IA. Sin embargo, es importante entender que esto involucra una mayor complejidad, una alta capacidad de cómputo y que normalmente demanda una gran cantidad de información para llegar a los resultados deseados.

Hay que recordar que “Deep Learning” es una forma de hacer “Machine Learning”, y, por lo tanto, puede ser llevada a cabo en los mismos casos de uso. Además, “Deep Learning” sobresale en lo que se refiere a tareas complejas, que regularmente involucran trabajar con mucha información que no está estructurada, como imágenes, audio, video, lenguaje natural, documentos de texto, publicaciones en redes sociales.

Procesamiento del lenguaje natural (NPL)

Es la rama de la IA que tiene por objetivo hacer que las máquinas entiendan el lenguaje humano.

El NPL se utiliza en vinculación con otras tecnologías, con el fin de complementarlas. Por ejemplo, chatbots, asistentes de voz, filtrado de correo, análisis de publicaciones en redes sociales, etc.

Tecnologías relacionadas con Inteligencia Artificial

Existen tecnologías que han surgido para poder dar soporte a la ejecución de un proyecto de IA, pero también existen otras que se han visto favorecidas al integrar tecnología de IA, como las siguientes:

• Big Data

Los proyectos de IA pueden necesitar del almacenamiento y procesamiento de altos volúmenes de información, tanto estructurada como no estructurada.

Con estos requerimientos, la tecnología habitual de base de datos mostró serios desafíos en el manejo de proyectos de IA, por lo cual, surgieron tecnologías que ayudaron a cubrir estos requerimientos. Por ejemplo, Hadoop nació para poder realizar el procesamiento distribuido de grandes conjuntos de datos en clústeres de computadoras. También surgieron otras soluciones similares como Storm y Spark.

En lo que respecta al almacenamiento de información, surgieron sistemas NoSQL, como MongoDB, que poseen una gran flexibilidad para operar datos estructurados y no estructurados a gran escala.

• Robotic Process Automation (RPA)

Es un software que puede ser fácilmente programado para llevar a cabo tareas sencillas dentro de aplicaciones existentes, tal y como lo haría una persona.

RPA básicamente cobra relevancia para automatizar procesos repetitivos, estructurados y rutinarios. Por ejemplo, calendarización, ingresar o transferir información, seguimiento de reglas y flujos de trabajo, llenado de formas y búsquedas.

Sin embargo, esta tecnología también muestra cierta debilidad al trabajar con procesos en los que se requiere aplicar criterio propio o que están sujetos a cambios frecuentes, lo cual implicaría estar realizando ajustes constantes.

Algunos productos existentes en el mercado integran la IA para potenciar la capacidad de esta tecnología, por ejemplo, permitiendo el análisis de documentos, correo, imágenes e incluso, interactuar a través de chatbots.

• Chatbots

Un Chatbot es una tecnología que permite mantener una conversación entre un usuario y un software, principalmente en áreas de negocios, como soporte al cliente o ventas. Existen diferentes tipos de chatbots que van desde interacciones predefinidas hasta los que usan IA para lograr una mejor comunicación.

Es importante evitar falsas expectativas con respecto a los Chatbots. Actualmente, estos no tienen la inteligencia equivalente a la de una persona, por lo que es importante tener claras las limitaciones y definir en qué momento se requiere la intervención humana.

Existen plataformas en el mercado que proporcionan las herramientas necesarias para la creación de Chatbots por lo que no es forzoso ser un experto en IA para poder sacar provecho de estos.

Comments are closed