Inteligencia Artificial (IA)

CONTEXTO

La Inteligencia Artificial es una disciplina basada en la construcción de artefactos computacionales que aprenden de la experiencia gracias al uso de datos y que se aplica en diversos problemas: información estructurada en tablas, predicción de series temporales, visión artificial, procesamiento del lenguaje natural, sistemas de recomendación y análisis clúster. 

En líneas generales, pretende dar solución a las siguientes necesidades: automatización de un procedimiento realizado por un humano, realización de una tarea con mayor precisión que un humano, reemplazo de un proceso computacionalmente costoso y extracción de conocimiento de datos.

Un punto clave es que el aprendizaje tiene lugar gracias al uso de datos, por lo que éstos conforman una parte crucial e imprescindible en cualquier proyecto. Por consiguiente, se suelen identificar varios subcampos dentro de la Inteligencia Artificial en relación con el tipo de dato utilizado.

En primer lugar, y posiblemente el más común en la industria, es el de los datos tabulares. Tal y como su nombre indica, se apoya en datos estructurados en forma de tabla, siendo el principal objetivo predecir el valor de una columna en función de los valores de las otras columnas. Algunos ejemplos de casos de uso serían la predicción de la calidad del aire, la evaluación de riesgos o la detección de fraude.

Dentro de los datos tabulares es posible diferenciar otro subconjunto: las series temporales. Una serie temporal no es más que una secuencia de datos que han sido recolectados a lo largo del tiempo. Por tanto, la finalidad en este tipo de problemas suele ser la predicción del valor de una variable en el futuro. Algunos ejemplos concretos de uso pueden ser la predicción de tráfico, la fuga de clientes o la predicción de la demanda de ciertos productos.

Probablemente la punta de lanza del Deep Learning actualmente es la visión artificial, una rama que se encarga de enseñar a los ordenadores a “ver” y entender el contenido de las imágenes digitales. Es por ello por lo que comprende todas aquellas tareas que parten de datos en formato imagen y cuyo objetivo es predecir distintas variables relacionadas con la misma, como la detección de objetos. Son muchos los casos de uso de la visión artificial basada en Deep Learning, pero destacan algunos como la detección de anomalías en imágenes radiológicas, los sistemas de reconocimiento facial o la interpretación de imágenes satelitales y de drones.

Si existe otro campo dentro de la Inteligencia Artificial que se ha beneficiado tanto de la eclosión del Deep Learning como la visión artificial es el del Procesamiento del Lenguaje Natural (NLP), el cual trata de la interacción entre los seres humanos y las computadoras mediante el uso de lenguajes naturales. Algunas de las aplicaciones más extendidas del NLP dentro de la Inteligencia Artificial son las que involucran textos, como pueden ser la generación de texto, el análisis de sentimiento o los populares chatbots.

Otro campo muy utilizado por algunas empresas es el de los sistemas de recomendación basados en Inteligencia Artificial. Ejemplos de ello serían las plataformas de contenido multimedia o los portales de e-commerce, cuyo objetivo principal es que las sugerencias que hacen a sus clientes se ajusten lo máximo posible a cada perfil de usuario. En general, el empleo de sistemas de recomendación se puede extender a todos aquellos sistemas en los que se requiera de consejos para un tratamiento individualizado de sus usuarios, como el diseño de una enseñanza personalizada.

Por último, debido a su impacto en distintos negocios, merece la pena mencionar el análisis clúster. A grandes rasgos, trata de ganar conocimiento acerca de los datos mediante la identificación de grupos o patrones. Entre sus aplicaciones se podrían citar la segmentación de clientes con el fin de realizar campañas adaptadas, el análisis de datos biológicos o la extracción de tópicos en conjuntos de documentos.