La inteligencia artificial (IA) ha pasado de ser algo desconocido a ser algo común en solo unos pocos años. A pesar del rápido progreso en muchos frentes, la IA sigue siendo algo que pocos entienden y menos aún pueden dominar. Aquí hay algunos consejos sobre cómo hacer que funcione para ti, sin importar en qué etapa te encuentres en tu viaje de IA.
Desde el big data hasta la IA
En 2016, la emoción por la IA apenas comenzaba y muchas personas aún eran cautelosas al mencionar el término “IA”. Después de todo, muchos de nosotros hemos sido adoctrinados durante años para evitar este término, ya que ha causado confusión, ha prometido mucho y ha cumplido poco. Resulta que el camino desde el big data y el análisis hasta la IA es natural. No solo porque ayuda a las personas a relacionarse y ajustar sus modelos mentales, o porque el big data y el análisis disfrutaban del tipo de emoción que ahora tiene la IA, antes de ser eclipsados por ella. Sino principalmente porque se necesita datos, ya sean grandes o no tan grandes, para construir IA. También se necesitan otros ingredientes clave. Entonces, volvamos a Big Data Spain (BDS), uno de los eventos más grandes y vanguardistas de Europa, que marcó la transición del big data a la IA hace un par de años, e intentemos responder algunas preguntas sobre la IA basadas en lo que obtuvimos de su destacada lista de oradores y su animado público la semana pasada.
¿Puedes fingirlo hasta que lo logres?
Respuesta corta: No, en realidad no. Uno de los puntos en ese modelo de madurez analítica de Gartner fue que si quieres desarrollar capacidades de IA (el extremo predictivo y prescriptivo del espectro), debes hacerlo sobre una base sólida de big data (el extremo descriptivo y diagnóstico del espectro). Parte de eso tiene que ver con la capacidad de almacenar y procesar grandes cantidades de datos, pero eso realmente es solo la punta del iceberg. Las soluciones técnicas para esto abundan en la actualidad, pero como dijo Tony Baer, colaborador de ZDNet, para construir IA, no debes olvidarte de las personas y los procesos. Más concretamente: no olvides la alfabetización de datos y la gobernanza de datos en tu organización. Se ha señalado una y otra vez, pero realmente son requisitos básicos. Entonces, si crees que puedes desarrollar soluciones de IA en tu organización saltándote de alguna manera la cadena evolutiva del análisis, mejor piénsalo de nuevo. El modelo de madurez analítica de Gartner puede ser un buen punto de partida para explicar y preparar la transición a la IA.
Como enfatizó Oscar Mendez, CEO de Stratio, en su discurso principal, se necesita un enfoque holístico para ir más allá de la IA llamativa con bases a menudo pobres. Si logras tener una infraestructura de datos y una gobernanza adecuadas, y encuentras y entrenas los modelos de aprendizaje automático (ML) adecuados en esto, puedes obtener resultados impresionantes. Pero hay un límite en cuanto a hasta dónde pueden llevarte, como demuestran ampliamente los fallos cotidianos de Alexa, Cortana y Siri. El mensaje clave aquí es que se necesita incorporar capacidades de contexto y razonamiento para emular más de cerca la inteligencia humana. Mendez no está solo en esto, ya que esto es algo compartido por investigadores de IA como Yoshua Bengio, una de las mentes más destacadas del aprendizaje profundo. El aprendizaje profundo (DL) sobresale en la coincidencia de patrones, y la explosión de datos y cálculos puede hacer que supere a los humanos en tareas basadas en la coincidencia de patrones.
En resumen, para hacer que la inteligencia artificial funcione para ti, debes construir sobre una base sólida de big data, no olvidar la alfabetización de datos y la gobernanza de datos, y tener en cuenta la importancia de incorporar capacidades de contexto y razonamiento. La IA puede ser una herramienta poderosa si se utiliza correctamente, y con estos consejos estarás en el camino correcto para aprovechar al máximo esta tecnología en tu organización.
