La inteligencia artificial (IA) se ha encontrado presente en nuestras vidas más tiempo del que podemos creer. Está en nuestro teléfono celular, en el motor de búsqueda, en el equipo médico que ayuda a hacer un diagnóstico, y en las asistentes personales como Siri, Alexa, Cortana o Bixby.
Por medio de la capacidad y el procesamiento de datos, y más aún, de la capacidad de aprender de ellos, la IA ha ganado popularidad; quizás demasiada, al grado de que se ha subestimado y para muchos aún no queda del todo claro que puede o no hacer.
La inteligencia artificial se nutre de las cosas que percibe por medio de distintos canales. Si bien la cantidad de datos puede ser enorme, los científicos de datos o directores de análisis (CAO), en colaboración con los líderes de sus empresas, definen claramente el tipo de conocimiento a que se asemejan y la utilidad que le dan.
Visión. La IA puede detectar, identificar y comprender el contexto de los objetos en fotos, video y la vida real. Aquí también hay la capacidad de traducir o interpretar texto, lenguaje escrito y símbolos. Las máquinas ‘ven’ a través de una serie de capacidades como visión por computadora, reconocimiento de imágenes, procesamiento del lenguaje natural, minería de texto y análisis de sentimientos.
Audición. Captura, cataloga e interpreta comandos orales, así como alocuciones, sonidos y señales auditivas en un entorno o incluso de un video. Aquí las máquinas pueden incluso entender el contexto a la perfección.
Escritura y habla. Mediante la utilización del lenguaje natural puede tener conocimiento, consultas y respuestas verbales o por escrito; es posible incluso reconocer dialectos, jerga o imitar los patrones lingüísticos.
Sensibilidad Se asimilan las condiciones ambientales (temperatura, precipitación, viento) o biométricas (ritmo cardiaco, presión, transpiración) mediante la utilización de sensores y otros dispositivos que tradicionalmente han estado vinculados al Internet de las Cosas (IoT).
Razonamiento. Se aplica machine learning y otras técnicas analíticas para integrar y analizar ideas de la información y las señales. De este modo, las máquinas piensan, o más específicamente aprenden, utilizando el análisis estadístico, la analítica predictiva y el aprendizaje profundo .
Las aplicaciones de TI son inteligentes, adaptables interactivas y siguen un proceso bien definido: reconocimiento (gente o cosas), comprensión (cómo se relacionan las cosas, entendiendo el contexto) y abstracción (concibiendo nuevas ideas o teorías a partir de eventos reales, no de la intuición).
La IA, Machine Learning y la analítica tienen una aplicación práctica en áreas como:
Medicina : reconocimiento facial de pacientes, medición de signos vitales, análisis de síntomas e historial, triaje, tratamientos y resultados.
Energía : monitoreo del ambiente interno y externo, ajuste de termostatos, análisis de las condiciones actuales y las configuraciones de energía.
Manufactura : control de la calidad de líneas de producción, análisis de imágenes de anomalías microscópicas, alertas a los ingenieros de producción, evaluación de impactos potenciales.
La medida en que las organizaciones se beneficien de la IA, machine learning y la analítica dependerá de sus necesidades y la aplicación que puedan tener para hacerlas más rentables, ágiles y competitivas.
Con información de https://blogs.sas.com
