¿En qué áreas ha progresado verdaderamente la inteligencia artificial?

Un informe de la Universidad de Stanford determina que en solo cinco años se han hecho grandes progresos en el marco de la inteligencia artificial.

¿El resumen? En sólo cinco años hemos hecho «notables progresos», gracias a una infraestructura de datos cada vez mejor, pero aún estamos «muy lejos de la aspiración fundacional del campo de recrear en las máquinas una inteligencia totalmente similar a la humana». Lo que estamos descubriendo, sin embargo, es la importancia de combinar a humanos y máquinas para lograr mejores resultados. ¿Es la «verdadera» IA? No como se concibió originalmente. Pero podría decirse que es mejor.

Los usos del Big Data

Uno de los principales impedimentos para que la ciencia de los datos (y la IA resultante) se convierta en algo real tiene poco que ver con la ciencia y todo que ver con los datos. Como señaló recientemente el inversor de FirstMark Matt Turck en «The 2021 Machine Learning, AI, and Data (MAD) Landscape», sólo recientemente han evolucionado los almacenes de datos «para almacenar cantidades masivas de datos de una manera que sea útil, no totalmente prohibitiva y que no requiera un ejército de personas muy técnicas para su mantenimiento». Sí, hemos tenido almacenes de datos durante décadas, pero han sido complicados y costosos. Más recientemente hemos incursionado en Apache Hadoop, que abarataba las cosas pero seguía siendo excesivamente complejo.

Sólo en los últimos años la industria se ha centrado en la maduración de nuestra infraestructura de datos de tal manera que se ha vuelto dramáticamente más accesible para los simples mortales (que pueden o no tener un doctorado). Al hacer que «por fin sea posible almacenar y procesar los grandes datos» de forma rentable, afirma Turck, «ha demostrado ser un importante desbloqueo para el resto del espacio de los datos y la inteligencia artificial» de tres formas principales:

1- El auge de los almacenes de datos aumenta considerablemente el tamaño del mercado no solo para su categoría, sino para todo el ecosistema de datos e IA.
2- Los almacenes de datos han desbloqueado todo un ecosistema de herramientas y empresas que giran en torno a ellos, como la extracción, carga y transformación (ELT).
3- Los almacenes de datos liberan a las empresas para que empiecen a centrarse en proyectos de alto valor que aparecen más arriba en la jerarquía de necesidades de datos.
Aunque Turck opta por centrarse en el impacto positivo de los almacenes de datos modernos, el sector también se ha beneficiado de otros avances en las bases de datos (bases de datos distribuidas, NoSQL, etc.) y la nube, que ha facilitado la iteración de los datos. Gracias a estas y otras fuerzas, se ha hecho más fácil almacenar y trabajar con los datos, lo que, a su vez, ha permitido a las organizaciones hacer más con esos datos.

Complemento, no competencia

Hemos llegado a un punto en el que interactuamos con la IA en el día a día y solemos ver sus carencias. Por ejemplo, Tesla. A pesar de su mala comercialización de la «autoconducción total» basada en la IA, los coches eléctricos de Tesla no son capaces de llevar a los pasajeros del punto A al punto B de forma segura, salvo en los entornos más controlados. Aun así, hemos visto lo suficiente para estar intrigados y esperanzados con el futuro.

En el presente, los autores de AI100 señalan tres áreas en las que la IA ha demostrado un progreso real:

Aprender de forma autosupervisada o automotivada

Aprender de forma continua para resolver problemas de muchos ámbitos diferentes sin necesidad de un amplio reentrenamiento para cada uno de ellos. Generalizar entre tareas, es decir, adaptar a nuevas situaciones los conocimientos y habilidades que el sistema ha adquirido para una tarea. Esto no significa que la IA vaya a sustituir a los humanos en un futuro próximo, pero sí que es cada vez más capaz de complementar a las personas de forma significativa. Como explican, «los enfoques de IA que aumentan las capacidades humanas pueden ser muy valiosos en situaciones en las que los humanos y la IA tienen puntos fuertes complementarios. Un sistema de IA puede ser mejor para sintetizar los datos disponibles y tomar decisiones en partes bien caracterizadas de un problema, mientras que un humano puede ser mejor para entender las implicaciones de los datos».

TE PUEDE GUSTAR

EVENTOS

RECIBE NUESTRA NEWSLETTER

*Email:

*Nombre:

*Empresa:

Cargo:

Sector:
     

Please don't insert text in the box below!

ESCUCHA NUESTRO PODCAST

SÍGUENOS EN RRSS

MÁS COMENTADOS

Scroll al inicio