EQUIPO TREELOGIC | 19/02/2019
Desde que en la década de los años 50 se comenzó a hablar de Inteligencia Artificial, no se ha parado de investigar, avanzar y desarrollar este tipo de tecnología. Su principal objetivo reside en poder dotar a sistemas informáticos y digitales de procesos que imiten el funcionamiento del cerebro humano.
Las técnicas de IA pretenden alcanzar la capacidad de emular la mecánica neuronal de la mente humana, pudiendo por tanto inferir conocimiento e interpretar de forma correcta los datos que manejen, pudiendo ser éstos imágenes, audios, texto.
Una de las muchas cuestiones delicadas que giran en torno a la Inteligencia Artificial es si algún día una máquina podrá copiar al 100% al ser humano. ¿Podrá un sistema informático pensar alguna vez de la misma manera que una persona? Seguro que esta pregunta fue la que se hizo así mismo Alan Turing. Este científico inglés fue uno de los mayores matemáticos y pioneros de la computación del siglo pasado, además de ser recordado como una figura de gran influencia en la segunda Guerra Mundial, al desarrollar la máquina con la que pudo descifrar códigos alemanes y decantar la victoria para el bando de los Aliados.
Dentro del ámbito de la Inteligencia Artificial, Alan Turing es conocido por crear una prueba para determinar si una máquina puede responder a una serie de preguntas de la misma manera que lo haría una persona. A lo largo de los últimos 60 años, muchos divulgadores científicos dictaminan que el test de Turing ha sido superado ampliamente, es decir, que una máquina ha podido reproducir artificialmente la forma de responder de un ser humano.
Por tanto, ¿en qué punto estamos? ¿Hemos conseguido un nivel de desarrollo tecnológico tal, que ni nosotros mismos podemos distinguir si estamos hablando con una máquina o una persona? Dejando de lado aspectos filosóficos, morales o éticos, queremos centrarnos en las capacidades puramente técnicas que tenemos hoy en día en cuestiones asociadas a la Inteligencia Artificial.
En 2019 la Inteligencia Artificial ya es uno más en la familia de la tecnología doméstica. Cada vez con más frecuencia vemos dispositivos como smartphones o televisiones que integran innovaciones tecnológicas en el ámbito de la inteligencia artificial. Los teléfonos de última generación y las SmartTVs ofrecen procesadores con la capacidad de aprender de nuestro uso, ordenando patrones de conducta para predecir comportamientos y agilizar los procesos. En definitiva, para hacernos la vida más fácil eliminando ciertas rutinas habituales.
El avance y expansión de la Inteligencia Artificial hará que se convierta en un aspecto tecnológico muy cotidiano y totalmente integrado en la sociedad en un futuro próximo.
Por otro lado, podemos encontrar disciplinas que han creciendo en relevancia dentro del mundo de la IA. Un ejemplo es el Machine Learning o aprendizaje automático, que son aquellas técnicas o procesos que permiten a las máquinas aprender por sí mismas.
Y si profundizamos un poco más dentro del Machine Learning, una rama que gana cada vez más importancia es el Deep Learning. Siguiendo las líneas maestras de la Inteligencia Artificial, el Deep Learning pretende imitar el funcionamiento neuronal de nuestro cerebro, siendo capaz la propia máquina de aprender por sí misma de su experiencia. Esa transformación de datos no estructurados en construcciones perfectamente definidas a partir de las cuales es posible obtener valor es la esencia del aprendizaje automático.
Los procesos basados en Deep Learning pretenden representar la funcionalidad del cerebro humano. Al igual que la compleja estructura de nuestro sistema nervioso donde hay neuronas especializadas en diferentes tareas, la IA copia ese comportamiento y focaliza parte de su organización inteligente en trabajos independientes. Esta forma de trabajar es lo que ha permitido mejorar el sistema de aprendizaje inteligente mediante Deep Learning.
Los complicados procesos en los que se sustenta el aprendizaje profundo son la evolución del sistema tradicional de aprendizaje artificial, en el cual un programador introducía manualmente en el ordenador cualquier término, definición, concepto o programa. Las técnicas de Deep Learning usan la información que adquieren por diferentes métodos para crear, de forma independiente y autónoma, su realidad. A medida que se repite ese proceso se incrementa la precisión, como lo haría un cerebro humano.
La velocidad de procesamiento de información es una de las principales diferencias entre la tecnología basada en el aprendizaje automático y profundo, respecto del pensamiento de las personas. La rapidez con la que estas arquitecturas tecnológicas identifican, ordenan, relacionan y procesan la ingente cantidad de información, sobre todo no estructurada, es la gran ventaja con la que cuentan para elaborar modelos predictivos.
Gracias al Internet de las Cosas, tanto los dispositivos electrónicos como las personas generamos a diario millones de datos, la mayoría desestructurados, que han de ser analizados lo más rápido posible para generar valor.
Aquí es donde entran los procedimientos basados en Deep Learning. Son útiles para optimizar procesos cotidianos, como por ejemplo en la detección de patrones de consumo en las Smart Cities. El uso del aprendizaje profundo aplicado a las nuevas ciudades inteligentes permite reconocer hábitos de consumo de luz, agua, gas o cualquier otro suministro para optimizar en cada instante el gasto en abastecimiento, o bien para la detección de defectos o anomalías.
De este modo, si se aplica Deep Learning a la gestión de los suministros de Utilities y Smart Cities, será más eficaz y se podrán ahorran gran cantidad de recursos energéticos. Como consecuencia, este hecho también implicará un elevado ahorro económico, al ser más eficiente su uso, reducir el desperdicio de suministros y detectar fallos de operación.
EL VALOR EMPRESARIAL DEL DATA SCIENCE
Los datos son una fuente de valor muy importante para las empresas. La capacidad de convertir la información recopilada en un recurso valioso es sinónimo de tener una ventaja competitiva.
BIG DATA EN TIEMPOS DE KUBERNETES
La contenerización de aplicaciones ha proporcionado un método idóneo para la investigación, desarrollo y producción del software. ¿Cómo se adecúan las herramientas Big Data a este mundo?
TO DEEP, OR NOT TO DEEP, THAT IS THE QUESTION
El Deep Learning es un campo de investigación activo y está revolucionando otros ámbitos dentro del paraguas de la inteligencia artificial. Uno de estos ámbitos es la visión artificial o Computer Vision.
ARQUITECTURA KAPPA
La gran mayoría de los que nos dedicamos al Big Data nos habremos iniciado en este mundo habiendo escuchado el discurso de las famosas V’s. Tres eran en sus inicios: volumen, variedad y velocidad; que pasaron a ser cuatro, valor, gracias al aprendizaje automático.
LA APROXIMACIÓN TREELOGIC: WE DEAL WITH DATA
Uno de los principales objetivos que tenemos en Treelogic, para cualquiera de nuestros proyectos, es ayudar al cliente a descubrir cómo los datos otorgan valor a su negocio.
ARQUITECTURAS TREELOGIC BIG DATA
Los millones de datos que se generan actualmente en la era digital no servirían de nada sin sistemas que canalicen toda esa información. El conjunto de tecnologías que permite el tratamiento masivo de ese conjunto de datos es lo que se conoce como Big Data.
LA REVOLUCIÓN DEL INTERNET DE LAS COSAS
El Internet de las cosas, o IoT por sus siglas en inglés, engloba cualquier dispositivo que se conecte a la red y se comunique con otros objetos digitales, como una nevera, un termostato o la alarma de seguridad de nuestro hogar.
INDUSTRIA 4.O, LA ÚLTIMA REVOLUCIÓN
Big data, Inteligencia Artificial (IA), Machine Learning, Deep Learning, visión artificial o automatización son términos que están muy de moda y que forman parte del último gran movimiento socioeconómico de nuestra era, la cuarta revolución industrial. Un cambio que ya está transformando los procesos productivos y que nos afecta en nuestra vida cotidiana.
