Inteligencia artificial: qué es, conceptos y aplicaciones

La inteligencia artificial (IA) está ya muy presente en nuestra vida cotidiana a través del concepto «el Internet de las cosas» y ha arraigado también en el ámbito empresarial. Son muchas las compañías que ya hacen uso de la inteligencia artificial en sus diferentes aplicaciones, entre ellas predecir el comportamiento del mercado, llevar a cabo tareas repetitivas o alertar cuando algo no funciona correctamente.

A pesar de que los pronósticos apuntan a un crecimiento de la inteligencia artificial, lo cierto es que no es posible hacer una estimación del tamaño actual del mercado, debido principalmente a las diferentes nomenclaturas con que se identifica la inteligencia artificial, que hacen que no exista ni consenso ni constancia sobre lo que significa o qué tipo de tareas están dentro de esta tecnología.

¿Qué es inteligencia artificial?

Podemos definir inteligencia artificial, en su acepción más amplia, como la capacidad que tienen las máquinas para emular aptitudes humanas, tales como el pensamiento, el razonamiento y toma de decisiones, el aprendizaje o la función lingüística. Su desarrollo y adopción crece de forma vertiginosa, debido en parte a la urgente necesidad de gestionar grande volúmenes de datos. Son las grandes compañías como IBM, Google o Amazon las que están favoreciendo en mayor medida su desarrollo, en su carrera tecnológica por dominar el mercado.

Además, la inteligencia artificial está teniendo mucho peso en la industria y muchas grandes empresas ya la han incorporado a sus procesos para la gestión de diferentes aspectos, gracias a la capacidad cada vez mayor que tienen las máquinas para emular el pensamiento humano, razonar dentro de unos parámetros y tomar decisiones.

Principales conceptos de inteligencia artificial

Machine learning. Se refiere al proceso de aprendizaje que desarrolla la máquina, favorecido por algoritmos de entrenamiento y que parten de datos o casos precedentes, en lugar de ser programados por un humano.  El machine learning se basa en sistemas de aprendizaje automático a partir de la identificación de patrones complejos entre millones de datos. Es posible gracias a un algoritmo que, tras llevar a cabo un análisis de los datos, se capacita para predecir comportamientos o «comprender» la razón de los mismos.  Al igual que en el aprendizaje humano, los sistemas de machine learning mejoran con el tiempo, en base a una mayor «experiencia», y la ventaja es que son completamente autónomos.

Redes neuronales. Son un tipo de algoritmo basado en un proceso cognitivo natural, no humano, sino puramente animal, ya que están inspirados en cómo funciona el sistema nervioso en el proceso de aprendizaje. Las redes neuronales son entrenadas con conjuntos específicos de datos con el objetivo de dar la respuesta correcta a una consulta. En caso de que se produzca un error, el proceso se repite para que los índices de error vayan disminuyendo progresivamente. Se trata de un proceso similar a la regresión estadística que estima las relaciones entre variables.

Algoritmos genéticos. Se trata de un tipo de algoritmos encaminados a la optimización del aprendizaje automático, ya que funcionan imitando la evolución biológica que se produce mediante selección natural, recombinación y mutación. Son particularmente eficaces para optimizar problemas con un gran número de posibles soluciones. Están catalogados dentro de los que se conocen como algoritmos evolutivos. Entre sus funciones aplicadas al mundo empresarial y del marketing se encuentran la predicción, el aprendizaje de comportamiento de robots y de las reglas de lógica difusa y el análisis lingüístico, procesamiento de lenguajes naturales y desambiguación.

Algoritmos de inducción. Se trata de algoritmos de aprendizaje capaces de encontrar patrones de datos y crear reglas sobre ello, a diferencia del proceso deductivo, que implica la existencia de unas reglas preestablecidas, el proceso inductivo trabaja a la inversa y crea reglas para explicar las cosas que suceden, según ocurren.

Deep learning. El aprendizaje profundo está conformado por un conjunto de algoritmos de aprendizaje automático que persigue el aprendizaje de representaciones de datos. Es una rama del machine learning que se basa en estructuras lógicas y utiliza capas de redes neuronales para detectar determinadas características en los elementos percibidos, características que se hallan ocultas en los datos. El deep learning se inspira en el funcionamiento del sistema nervioso humano y en aquellas redes de neuronas especializadas en realizar tareas específicas. Es utilizado para la clasificación de datos y la identificación de anomalías en patrones de datos.

Sistemas expertos. Se trata de un sistema computacional que emula la capacidad de toma de decisiones humana con el objetivo de resolver problemas. Funcionan mediante el almacenamiento de conocimientos específicos sobre un determinado campo para después utilizarlos para solucionar un problema mediante una deducción lógica de conclusiones. Buscan mejoras en la calidad y los tiempos de respuestas. Son la forma más primitiva de la inteligencia artificial y deben disponer de una serie de conocimientos predefinidos, con el fin de poder aplicar soluciones anteriores a nuevos problemas.

Representación del conocimiento. Se trata de una rama de la inteligencia artificial que representa la información de un modo que permita inferir, sacar conclusiones. Analiza el pensamiento formal y, una vez adquirido el conocimiento, busca una representación simbólica, completa, precisa y clara.  Se basa en reglas que guardan relación con la lógica y utiliza símbolos, ya sean imágenes, palabras, cadenas de caracteres o conjuntos de señales eléctricas. Es el punto de partida para que una máquina pueda adquirir conocimiento, buscando un modo de representación.

Aplicaciones de la inteligencia artificial

Una vez comprendido qué es inteligencia artificial a nivel general y los diferentes conceptos que se asocian a ella, es momento de pasar al escenario práctico y determinar qué aplicaciones tiene la inteligencia artificial y cómo se puede sacar rendimiento de ellas en el ámbito empresarial, ya sea en su dimensión industrial o de marketing y ventas.

Visión mecánica. Es una rama de la inteligencia artificial centrada en emular el sistema visual del ser humano, no sólo ver, sino interpretar imágenes del mundo real a través del reconocimiento de patrones, su procesamiento y comprensión de las mismas.  La aplicación de la visión mecánica o visión computerizada se centra fundamentalmente en el ámbito de la robótica.

Máquina traductora. Encargada de la traducción automatizada de un lenguaje natural a otro. Sin embargo, no sólo se debe realizar una sustitución lineal de palabras: la inteligencia artificial se ocupa de la identificación de frases, la comprensión semántica y detectar las expresiones de cada idioma.

Procesamiento del lenguaje natural. Esta rama de la inteligencia artificial trata de entender el lenguaje natural en su dimensión semántica. Esta aplicación es muy utilizada por los motores de búsqueda, por ejemplo. También es adecuada para el filtrado de spam o la extracción de información de voluminosos y complejos documentos.

Generación del lenguaje natural. Se trata de una parte del procesamiento del lenguaje natural en el que la máquina toma «decisiones» acerca de cómo dar sentido a un concepto específico y traducirlo a palabras. Esta tecnología se utiliza en la automatización del análisis de datos y comunicaciones a escala.

Ligüística computacional. Se refiere a un campo interdisciplinar que se ocupa de la modelización estadística y basada en reglas, que incluye el reconocimiento de voz y la identificación y reconocimiento de palabras y frases, traduciéndolo y convirtiéndolo en un código legible por la máquina.

Chatbot. Se refiere a un programa informático que usa un conjunto de reglas para establecer conversaciones con persona, habladas o escritas, a través de una interfaz de chat online. Se trata de una funcionalidad cada vez más impulsada por el machine learning, que trabaja en la detección e imitación de las conversaciones humanas. Los bots son utilizados por muchas empresas para ofrecer un servicio automatizado de atención al cliente y redunda en una propuesta de valor para los usuarios.

Asistente digital virtual. Se trata de una versión más sofisticada de los chatbots, también conocidos como asistentes personales. Su función es organizar, almacenar y enviar información basada en la ubicación del usuario, así como contestar las preguntas que éste le realice, extrayendo información de múltiples fuentes online. Ejemplos de asistentes digitales virtuales son Siri de Apple, Google Now, Alexa de Amazon y Cortana de Microsoft. Los asistentes virtuales suponen una nueva oportunidad para el desarrollo de la estrategia SEO.

Motores de recomendación. Consiste en un sistema de filtrado que puede predecir automáticamente los intereses del usuario en función de su comportamiento, de su relación con usuarios terceros, de la similitud entre elementos y el contexto, muy utilizado en e-commerce. Como ejemplo podemos citar el sistema de recomendación de Amazon «Comprados juntos habitualmente» o el algoritmo CineMatch  de Netflix. Redes Sociales como Facebook y LinkedIn usan este tipo de sistemas para localizar conexiones de datos entre personas y poder identificar objetivos para sus campañas de Ads.

Análisis predictivo. Son programas que utilizan una combinación de disciplinas como ciencia de datos o estadística con la inteligencia artificial para analizar conjuntos de sistemas de datos estructurados, descubrir patrones y relaciones, y usarlos para realizar predicciones. El marketing predictivo necesita de esta rama de la inteligencia artificial para detectar en tiempo real patrones de potenciales consumidores para ofrecerles una experiencia de compra personalizada. Los modelos de análisis predictivo están estrechamente relacionados con los modelos de análisis prescriptivos, que incorporan la producción de información útil y un sistema de retroalimentación que permite realizar un seguimiento de los resultados.

Inteligencia artificial y Big Data

Todas las disciplinas que comúnmente se agrupan y catalogan como inteligencia artificial están siendo estimuladas por el creciente auge de lo que se conoce como «el Internet de las cosas», sobre todo en lo que se refiere a la recopilación, tratamiento y uso de elevados volúmenes de datos. Esta avalancha de datos que procede de computadoras, móviles y otros tipos de dispositivos conectados se ha convertido en algo imposible de manejar por las personas, por lo que se requiere de la inteligencia artificial para dar sentido a la gran sobrecarga de datos.

Los datos son el principal valor de la publicidad digital, ya que sin ellos no sería posible conocer a la audiencia, personalizar los anuncios e impactar a los públicos correctos. Social Ads, compra programática, e-commerce… necesitan de los datos para sacar todo el rendimiento. Sin embargo es necesario saber analizar los datos y tener claro cómo utilizarlos, y es ahí donde se hace necesaria la combinación de Big Data e Inteligencia Artificial, ya que los datos por sí solos no tienen valor, sólo lo tienen las decisiones basadas en su análisis.

Así, la analítica avanzada comienza ya a jugar un papel fundamental para hacer frente al comportamiento de compra y lograr una mayor conversión. Para poder personalizar la experiencia de compra es necesario procesar y analizar gran volumen de información en tiempo real. En este contexto, la inteligencia artificial aplicada a estructuración de datos y a la analítica predictiva será determinante.

Presente y futuro de la inteligencia artificial

Las principales empresas de tecnología, como IBM, Microsoft, Google, Facebook, Amazon, Alibaba o Salesforce, trabajan sus propios desarrollos y ofrecen servicios relacionados con la tecnología de recopilación y gestión de datos, lo que nos da una pista sobre la importancia que no sólo tiene en la actualidad, sino con visos al futuro.

Por ejemplo, podemos citar a Watson, de IBM, capaz de entender y responder a preguntas con lenguaje natural aportando conocimientos que obtiene de infinidad de fuentes, generando razonamientos automáticos y aprendiendo con su uso. Por dar una cifra que nos sitúe directamente en el campo de la ciencia ficción, diremos que su capacidad de procesamiento equivale a la lectura de un millón de libros por segundo. Así probaron su capacidad en el concurso de televisión americano Jeopardy!, donde Watson logró un 95% de aciertos en comparación con los concursantes con los que competía.

Watson está basado en el procesamiento del lenguaje natural, el aprendizaje a través de algoritmos de razonamiento y la comprensión de imágenes, vídeos, texto y voz. El comercio electrónico es uno de los campos con mayor potencial para este sistema de inteligencia artificial, ya que permite tomar decisiones rápidamente sobre productos de interés para los clientes.

No podemos dejar de referirnos a DeepMind de Google, capaz de razonar como un humano y de utilizar su aprendizaje para la resolución de tareas complejas. Es capaz de aprender de manera autónoma y profunda, de responder preguntas sin que nadie le haya dado antes las respuestas y de realizar una lectura comprensiva. Entre sus pinitos destaca el haber derrotado en tres ocasiones al campeón del mundo del juego estratégico Go. Nada raro si no fuera porque se trata de un juego con millones de movimientos posibles y que, además de razonamiento, requiere de creatividad.

Son sólo dos ejemplos de los avances que los gigantes de Internet están haciendo en el campo de la inteligencia artificial y que con toda probabilidad dará un giro determinante a los modelos de negocio, las posibilidades de Internet y del marketing mismo en los próximos años. Pero, ¿cuáles son los pronósticos? Por dar sólo algunos datos, se estima que los ingresos mundiales por inteligencia artificial superarán los 36.000 millones de dólares antes de 2025 y que en 2020 la analítica predictiva representará el 40% de la inversión de las empresas que apuesten por la inteligencia artificial. En lo que respecta a la industria de la publicidad, la mayor parte del mercado estará copada por la necesidad de analizar los comportamientos de los consumidores y determinar patrones de compra.

Hasta ahora, la inteligencia artificial está basada fundamentalmente en capacidades humanas como el aprendizaje o el lenguaje, pero se espera que en los próximos años evolucionen hacia sistemas cognitivos artificiales, integrando funciones psicológicas como el razonamiento, la atención, la memoria semántica, la motivación y la emoción. ¿Llegarán las máquinas a superar la inteligencia humana?