El año pasado, afirmamos que 2016 fue el año de la inteligencia artificial, ya que las herramientas y soluciones se volvieron más inteligentes y avanzadas. En el último año, la inteligencia artificial pasó de ser una tecnología buscada a una realidad para la mayoría de las organizaciones. Hoy en día, tenemos dispositivos que pueden reaccionar, responder y recomendar por sí mismos. Las soluciones para desarrolladores también han evolucionado para automatizar y acelerar el ciclo de vida del desarrollo de software a través de pruebas automatizadas y compilaciones automáticas, así como la capacidad de encontrar, detectar y solucionar errores a través de la monitorización y las pruebas.

Con el Internet de las cosas y los múltiples dispositivos que las personas tienen hoy en día, no sería posible gestionar la cantidad de datos y aprender de esos datos para tomar decisiones empresariales inteligentes sin la inteligencia artificial. Hace unos años, esas capacidades eran solo una idea para el futuro o solo estaban disponibles para unos pocos gigantes tecnológicos, y ahora se está convirtiendo en la nueva norma para dispositivos y soluciones. Esto es solo el comienzo, ya que las organizaciones invierten fuertemente en esta tecnología y allanan el camino para los desarrolladores.

Es importante tener en cuenta que cuando hablamos de inteligencia artificial, se utiliza como un término general que engloba la IA, el aprendizaje automático, el aprendizaje profundo y otras tecnologías cognitivas. Google continuó su trabajo en el ámbito del aprendizaje automático con su marco de código abierto para el aprendizaje automático, TensorFlow. En febrero, la biblioteca finalmente alcanzó la versión 1.0. Google construyó sobre la biblioteca a lo largo del año con el lanzamiento de TensorFlow Debugger para tener visibilidad en los gráficos de TensorFlow, Tensor2Tensor para entrenar modelos de aprendizaje profundo, la API de detección de objetos de TensorFlow y TensorFlow Lite para modelos de aprendizaje automático en dispositivos móviles y embebidos. Al final del año, TensorFlow alcanzó la versión 1.4 con el marco de aprendizaje automático Keras, la API de conjunto de datos, el soporte para generadores de Python y nuevas funciones para simplificar el entrenamiento y la evaluación.

Google también inició la iniciativa de investigación People + AI Research en julio. La iniciativa está diseñada para investigar cómo los usuarios interactúan con la IA y los beneficios que proporcionará. Otras compañías trabajaron en proporcionar a los desarrolladores más herramientas para construir sobre la IA. NVIDIA anunció una misión para cerrar la brecha de conocimientos en el campo de la inteligencia artificial en mayo en la Conferencia de Tecnología GPU. La compañía anunció planes para aumentar diez veces la cantidad de desarrolladores de IA este año a través del Instituto de Aprendizaje Profundo de NVIDIA. NVIDIA también se asoció con Facebook a principios de año para lanzar Caffe2, un marco de aprendizaje profundo de código abierto para crear escenarios de entrenamiento distribuido a gran escala. Salesforce anunció los Servicios de la Plataforma Einstein para dar a los desarrolladores más herramientas para integrar la IA en sus aplicaciones. Microsoft continuó invirtiendo en tecnología de inteligencia artificial a lo largo del año con el lanzamiento del Open Neural Network Exchange en conjunto con Facebook para proporcionar interoperabilidad de marcos de redes neuronales, el lanzamiento de su herramienta de detección de riesgos de seguridad que utiliza IA para encontrar y detectar errores de software, el lanzamiento de la biblioteca de aprendizaje profundo de código abierto Gluon con Amazon, Visual Studio Tools for AI y Azure IoT Edge.

Otras inversiones incluyeron: IBM anunció planes para crear una asociación de investigación en IA con el MIT, y la Asociación para el Beneficio de las Personas y la Sociedad a través de la IA amplió sus esfuerzos con ocho nuevos socios con fines de lucro y 14 socios sin fines de lucro. Se crearon nuevos fondos de capital de riesgo como Toyota AI Ventures y Gradient Ventures de Google para proporcionar financiación, mentoría y apoyo a las startups de IA. La Fundación Linux también presentó el Proyecto Acumous para ayudar a democratizar la construcción, compartición e implementación de aplicaciones de IA.

Sin embargo, a pesar de las ventajas de la inteligencia artificial, otros advirtieron que los usuarios no deberían sentirse demasiado cómodos. El Instituto de Ingeniería de Software de la Universidad Carnegie Mellon publicó su informe de Riesgo de Dominios de Tecnología Emergente 2017 en octubre, advirtiendo sobre el impacto en la seguridad de las vulnerabilidades en el aprendizaje automático, especialmente cuando se trata de información sensible. “La capacidad de un adversario para introducir datos maliciosos o especialmente diseñados para su uso por un algoritmo de aprendizaje automático puede llevar a conclusiones inexactas o comportamientos incorrectos”, según el informe.

En resumen, el año 2017 fue un año de avance significativo en el campo de la inteligencia artificial. Las organizaciones invirtieron fuertemente en esta tecnología y se lograron importantes avances en herramientas y soluciones para desarrolladores. Sin embargo, también se destacó la importancia de abordar los desafíos de seguridad asociados con la inteligencia artificial. A medida que avanzamos hacia el futuro, es fundamental seguir explorando y aprovechando el potencial de la inteligencia artificial para impulsar la innovación y mejorar nuestras vidas.