Membership-marzo-abril-2018

26. marzo - abril 2018 ESPECIAL TAPA que provienen de un solo canal (cadena de suministro, redes sociales, motores de búsqueda). Es la diversidad de datos que influye, en este caso, el comporta- miento del consumidor. Tomemos otro ejemplo, algo que desde hace años tratamos de entender y mejorar, ¿qué determina nuestra salud? La dieta, el ejercicio, los hábitos de sueño, la histo- ria familiar, cada examen médico que nos hemos realizado, los tratamientos, los protocolos, los fármacos… todos ellos tienen un efecto en nuestra salud, y sin embargo hasta ahora no han sido registrados como datos. El desafío es que no podemos leer todo, ver todo, sentir todo para sacar ventaja de este conocimiento en todas sus formas, desde todas las fuentes en forma simul- tánea. Y por eso, lo que también está impulsando esta era es la maduración de la Inteligencia Artificial.“ La verdad sobre la IA “Se ha dicho mucho sobre la Inteligencia Artificial y hay muchas confusiones al res- pecto. La IA como concepto es bastante antigua tanto en los laboratorios acadé- micos como de investigación industrial. El término ingresó por primera vez al vocabulario en la década de 1950. Gran parte de eso eran experimentos de lo que la gente creía que era la IA. Algunos pensaban que sería un sistema experto para realizar modelos de cómo se hacían ciertas tareas en el mundo, para crear reglas y algoritmos lógicos para replicar a máquina el trabajo de expertos. Ese fue un callejón sin salida. Sin embargo, los avances que comen- zaron en los últimos 25 años aproxima- damente se han llevado, o mejor dicho, han traído el final de lo que algunos llaman el invierno de la Inteligencia Ar- tificial. Porque ahora hay avances enor- mes tanto en el sector público como en el privado para realizar avances en IA, al punto donde ahora es utilizable tanto en el ámbito social como empresarial. Quiero hablar de uno de ellos, sobre el cual quizás varios están familiarizados, y es el sistema cognitivo Watson. Watson salió de los laboratorios de in- vestigación de IBM. A los investigadores de IBM les gusta tomar grandes desafíos, como construir una supercomputadora para jugar al ajedrez. Tal vez recuerden que en los 90s una supercomputadora llamada Deep Blue fue el primer sistema en vencer al campeón de ajedrez del momento, Garry Kasparov. En 2009 el desafío era construir un sistema que pudiera entender la gran línea de datos, la mayoría de ellos desestructurados, como el lenguaje natural. Este último, casi imposible para una computadora clásica. Puede tratarse de información di- gital que la computadora clásica puede almacenar, mover, proteger, presentar; pero no puede entender el lenguaje en sí. Entonces, los investigadores de Nueva York comenzaron a construir un sistema que pudiera entender el lenguaje natural con un grado alto de precisión y de con- fianza. Y dijeron que este sistema jugaría en la televisión nacional el juego “Jeo- pardy” (un concurso de conocimientos con preguntas sobre numerosos temas como historia, idiomas, literatura, cultura popular, bellas artes, ciencia, geografía, y deportes), que competiría con los dos grandes campeones mundiales y que seguramente ganaría. Quien conoce el juego sabe que es difícil vencer a los humanos, expertos en una competencia, cuando tienes que entender metáforas, juegos de palabras, contextos, sintaxis. Es realmente difícil para una compu- tadora hacerlo, pero no imposible. En 2011,Watson jugó “Jeopardy” contra Ken Jennings y Brad Rutter, y ganó. Este fue un fenómeno muy importante en la ciencia de la computación: vimos un sistema que no está programado sino que aprende. Hemos escuchado mucho sobre “deep learning” (aprendizaje profundo), “ma- chine learning” (aprendizaje automático o de máquinas) y redes neuronales, todo esto es importante para la madu- ración de la Inteligencia Artificial. Nues- tra versión de ello es Watson. Ahora bien, lo que Watson hizo en 2011 fue lo que llamamos preguntas y respuestas de dominio abierto. Desde entonces, creció en capacidad y sofisticación, en un creciente sentido de lectura y de ver cosas que nosotros no podemos. Leer Watson puede procesar millones de palabras por segundo, entendiendo el contexto, la sintaxis y la jerga de la industria Comprender Watson comprenderá 945 sobre mil palabras habladas correctamente, en compara- ción con las 949 comprendi- das por un ser humano. Ver Watson puede detectar detalles de grano fino en las imágenes y puede reconocer un melanoma con un 95% de precisión. Oír Watson puede escuchar datos provenientes de sensores en ascensores, edi- ficios y automóviles en todo el mundo. Entender Watson puede reconocer el tono, la personalidad y el es- tado emocional (ira, miedo, disgusto, tristeza y alegría) con 81% de precisión.