Archivo de la etiqueta: Inteligencia artificial

Principios de Inteligencia Artificial

Principios de Inteligencia Artificial. Madrid: Funación Telefónica, 2018

Texto completo

Infografía

Tanto el Big Data como la Inteligencia Artificial (IA) están ayudando a las personas, equipos y organizaciones a tomar decisiones más objetivas basadas en grandes cantidades de datos y algoritmos complejos.

Hay buenos ejemplos que muestran como la IA ha ayudado a mejorar el mundo de los negocios, la vida y la sociedad, así como los diagnósticos médicos, la conducción automática, la traducción de textos, la personalización de productos y servicios, la optimización de la cadena de suministro, la gestión de desastres humanitarios y el cambio climático, entre otros muchos.

1.- Inteligencia Artificial “justa”: Las aplicaciones de la tecnología de IA deben dar resultados justos, sin impactos discriminatorios en relación con la raza, el origen étnico, la religión, el género, la orientación sexual, la discapacidad o cualquier otra condición personal.

2.- “Transparente y explicable”: El objetivo es que los usuarios sepan que están interactuando con un sistema de IA, qué datos suyos se usan y para qué. Telefónica se asegurará de comprender la lógica que hay detrás de las decisiones del sistema.

3.- “Centrada en las personas”: La IA debe estar al servicio de la sociedad y generar beneficios tangibles para las personas, cuyos derechos humanos no pueden verse vulnerados. Además, la compañía se ha propuesto ayudar a cumplir los Objetivos de Desarrollo Sostenible (ODS) con la IA.

4.- “Privacidad y seguridad desde el diseño”: Las Políticas de Privacidad y Seguridad de la Compañía cobran en estos Principios especial relevancia para preservar los datos tanto personales como anónimos y agregados.

5.- “Trabajando con socios y terceros”: Telefónica se compromete a verificar la lógica y los datos utilizados por los proveedores.

Un laboratorio de IA en una biblioteca ¿Por qué es importante la inteligencia artificial?

uri20ai20lab

 

 

Más post en UA sobre  

Tradicionalmente, los laboratorios de inteligencia artificial (IA) que disponen los campus se han ubicado en edificios de ciencias, ingeniería o informática, proporcionando un espacio para que los investigadores y estudiantes de posgrado desarrollen algoritmos informáticos que puedan aprender o exhibir un comportamiento inteligente. Sin embargo, en otoño de 2018 se abrirá en la Universidad de Rhode Island el primer Laboratorio de Inteligencia Artificial (IA) integrado en una biblioteca universitaria, que estará disponible para todos los profesores y estudiantes en la Biblioteca Robert L. Carothers de la universidad.

 

Para los gestores de la University of Rhode Island (URI), la ubicación de este laboratorio en la biblioteca es clave, ya que se trata de un lugar central compartido, que impulsará la conciencia de la importancia de la Inteligencia Artificial a toda la comunidad universitaria, más allá de los profesores y estudiantes de las áreas tradicionales que habitualmente utilizan la IA. En su opinión, la biblioteca, como espacio interdisciplinario que tiene como objetivo la inclusión, es el lugar ideal para que las personas de todos los orígenes aprendan sobre la IA,

Antes de tomar esta decisión, se hizo una encuesta en la que se preguntó a los estudiantes de University of Rhode Island sobre qué asuntos deseaban que incluyeran en su currículo. La IA estaba entre los más solicitados. Esto impulsó a iniciar una reflexión sobre la creación de un  laboratorio de IA en la universidad.

La IA comenzó a utilizarse más en la década de 1980, cuando se desarrollaron sistemas expertos para imitar el proceso de toma de decisiones humanas. Sin embabrgo, en los últimos años, la tecnología ha avanzado considerablemente, porque Internet permite una mayor escala de datos, y la informática de alta velocidad ha multiplicado el poder de procesamiento. Los avances en las redes neuronales artificiales han producido una técnica llamada aprendizaje profundo, que ha permitido desarrollar una serie de tecnologías tales como coches sin conductor, recomendaciones de Netflix, traducciones en tiempo real, reconocimiento facial, e imágenes médicas que pueden superar a la radiología tradicional. Pero en muchos casos, las herramientas de IA son propietarias, complejas y no pueden ser utilizadas por cualquiera que no trabaje en una compañía o laboratorio.  Por ello es importante que estos tipos de proyectos se ubiquen en un lugar público como las bibliotecas, en el que todos tienen la posibilidad de acceder a los conocimientos en el mismo plano de igualdad.

El laboratorio de Inteligencia Artificial funcionará como un espacio de colaboración entre los estudiantes que están trabajando en sus proyectos finales o de clase. Se requerirá que los estudiantes se registren y hagan previamente varios cursos de aprendizaje, desde los más básicos hasta los más avanzados, que los prepararán para aplicar la IA en sus proyectos.

El laboratorio de IA ocupará una sala de 500 metros cuadrados, que tendrá tres zonas.

Zona 1: Estaciones de trabajo de AI para el aprendizaje individualizado

El laboratorio contendrá ocho estaciones de trabajo idénticas donde un estudiante o un equipo de estudiantes pueden aprender cosas sobre IA y otras áreas temáticas relevantes. Cada estación de trabajo dispone de una supercomputadora donde los estudiantes -comenzando con ejercicios introductorios-, pueden fácilmente hacer la transición a proyectos prácticos en el siguiente nivel.

Zona 2: Banco de Proyectos Práctico

Después de que los estudiantes reciban la formación básica sobre IA y ciencia de datos, trabajarán con herramientas avanzadas para diseñar proyectos prácticos en los que pueden aplicar algoritmos de IA a diversas aplicaciones:

  • Robots de Aprendizaje Profundo: para que los estudiantes programen robots móviles instrumentados con cámaras, radares, y sensores para construir algoritmos de Inteligencia Artificial.
  • Internet de las cosas para las ciudades inteligentes: Se desarrollará un modelo físico en Rhode Island. El modelo contendrá sensores distribuidos para que los estudiantes puedan diseñar proyectos algorítmicos inteligentes para controlar los espacios de la ciudad tales como iluminación, tráfico, tránsito y estacionamiento.
  • Análisis de datos de investigación (Big Data): Un entorno de aprendizaje con otros profesores para que los estudiantes puedan acceder y analizar varios tipos de datos masivos disponibles en el dominio público.

 

Zona 3: AI Hub para el pensamiento colaborativo

En el centro del Laboratorio de Inteligencia Artificial, se ubicará un centro de Inteligencia Artificial donde los estudiantes con expertos pueden seguir un pensamiento colaborativo, que incluirá pensamiento de diseño y lluvia de ideas sobre la Inteligencia Artificial.

 

 

Aprendizaje automático, mejores prácticas

43620129672_997aa34c1c_o_d

Nevala, K. (2018). [e-Book] The Machine Learning Primer: A SAS Best Practices E-Book, SAS, 2018.

Texto completo

Con la llegada de los grandes datos, tanto la cantidad de datos disponibles como nuestra capacidad para procesarlo ha aumentado exponencialmente. La capacidad de las máquinas para aprender ha aumentado proporcionalmente. Con toda la atención puesta en el aprendizaje automático, muchos están buscando una mejor comprensión de este tema candente y de los beneficios que podría proporcionar a sus organizaciones. El aprendizaje automático -así como el aprendizaje profundo, el procesamiento del lenguaje natural y la computación cognitiva- están impulsando innovaciones en la identificación de imágenes, la personalización de campañas de marketing, la genómica y la navegación en el automóvil autopropulsado. Este libro proporciona una introducción a estas técnicas innovadoras, así como 10 buenas prácticas y una lista de comprobación para la preparación para el aprendizaje automático.

Los procesos que las máquinas utilizan para aprender se conocen como algoritmos. Diferentes algoritmos aprenden de diferentes maneras. A medida que se proporcionan nuevos datos sobre las respuestas observadas o los cambios en el entorno a la “máquina”, el rendimiento del algoritmo mejora. Esto resulta en un aumento de la “inteligencia” con el tiempo. Un algoritmo de aprendizaje de una máquina es totalmente dependiente en los datos a los que está expuesto. Modificar los datos, modificar el resultado

El aprendizaje automático puede identificar oportunidades no identificadas previamente o problemas por resolver. Pero la máquina no es autónomamente creativa. El la máquina no desarrollará espontáneamente nuevas hipótesis a partir de hechos (datos) no como prueba. Tampoco puede la máquina determinar una nueva forma de responder a estímulos emergentes.

Explanation Engine: motor de búsqueda potenciado por AI de acceso abierto a 20 millones de artículos académicos

 

2018-07-08_16-24-10

Explanation Engine.

http://gettheresearch.org

Ver comunicado de prensa

El nuevo motor de búsqueda se basará en un índice abierto de 20 millones de artículos académicos de acceso abierto (OA) e incorporará una capa de interfaz que utilizará inteligencia artificial para anotar, resumir y vincular artículos utilizando un lenguaje sencillo, diseñado para ayudar a la gente a encontrar, leer y entender la investigación revisada por pares sobre cualquier tema, para cualquier persona. La solución que se platea es un fácil acceso al contenido y contexto de la literatura de investigación de forma gratuita, en un solo lugar.

 

Se trata de un proyecto en el que se han asociado Impactstory, Internet Archive y la British Library para construir un motor de búsqueda gratuito diseñado para ayudar a la gente a encontrar, leer y entender la investigación revisada por pares sobre cualquier tema. Estas entidades han recibido 850.000$ de subvención para el proyecto

El objetivo es satisfacer las necesidades de información de ciudadanos, científicos, pacientes, profesores, médicos, trabajadores sociales, estudiantes de colegios comunitarios, políticos y millones de personas más. Lo que todos tienen en común: son personas que se beneficiarían del acceso a los registros académicos, pero que históricamente han sido excluidos por diferentes tipos de barreras de acceso y no han tenido acceso al contenido ni al contexto de la literatura académica. Ya esta en marcha una web que tendrá una versión beta del motor de búsqueda en otoño, en la que los primeros usuarios pueden registrarse para tener acceso por adelantado en http://gettheresearch.org.  La versión beta incluirá soporte para múltiples idiomas, una API abierta y medidas altmétricas integradas.

La columna vertebral del nuevo motor de búsqueda será la base de datos de artículos de OA de Impactstory, llamada Unpaywall. Lanzada a finales de 2016, Unpaywall ofrece una extensión gratuita de Chrome que ahora utilizan 150.000 personas y una API gratuita que se utiliza en miles de bibliotecas unversitarias y maneja más de 1,5 millones de usos únicos al día. También incluirá información de Clarivate Web of Science, Digital Science Dimensions, así como información de evaluaciones científicas nacionales del Reino Unido, Suiza y otros lugares.

Según afirma Heather Piwowar, cofundadora de Impactstory,  “Hoy en día existe una oportunidad única para satisfacer esa necesidad, aprovechando dos tendencias: el crecimiento en el Acceso Abierto, y mejoras dramáticas en la traducción, resúmenes y recomendaciones impulsadas por Inteligencia Artificial”. Actualmente casi la mitad de la literatura de investigación ya es OA, y los estudios muestran que habrá un rápido aumento en este porcentaje en los últimos años. Un memorando de la Oficina de Políticas de Ciencia y Tecnología de la Casa Blanca de 2013 exige que la investigación financiada con fondos federales de EE.UU. sea de acceso abierto, mientras que en Europa un mandato ambicioso exige que el 100% de la investigación financiada con fondos europeos sea de acceso abierto para 2020. ¿No hay ya muchas herramientas de búsqueda académica? El problema es ese precisamente, que hay más de 50.000 “lugares” diferentes en los servidores web de todo el mundo, tal como apunta Jason Priem, otro de los cofundadores de ImpactStory  “La literatura de la OA está esparcida por todas partes“. así que necesitamos un índice central para encontrarlo. Nadie ha hecho un buen trabajo con esto todavía (Google Scholar se acerca, pero está dirigido a especialistas, no a gente común y basado en intereses privados). este proyecto es algo diferente. La solución que se platea es un fácil acceso al contenido y contexto de la literatura de investigación de forma gratuita, en un solo lugar.

 

 

¿De qué manera la Inteligencia Artificial está transformando las organizaciones?

 

artificial_intelligence_coverimage

Etlinger, S  [e-Book] How Artificial Intelligence is Transforming Organizations, Altimeter, Prophet, 2018

Texto completo

La idea de la IA -de máquinas que pueden sentir, clasificar, aprender, razonar e interactuar- existe desde hace décadas. Sin embargo, hoy en día, la combinación de conjuntos de datos masivos y disponibles, la computación paralela de bajo costo y los avances en algoritmos han permitido que las máquinas funcionen de maneras que antes no eran posibles.

Mientras que los ejemplos “brillantes” como la robótica, los coches sin conductor y los agentes inteligentes dominan las noticias – la inteligencia artificial tiene amplias implicaciones para todo tipo de organizaciones – no sólo para los gigantes de la tecnología de vanguardia.

Este informe presenta el estado actual de la IA para las empresas, describe casos de uso primarios y emergentes, y establece los riesgos, oportunidades y consideraciones organizativas a los que se enfrentan las empresas. Concluye con recomendaciones para las empresas que estén pensando en aplicar la IA a sus propias organizaciones, y una mirada a algunas de las tendencias empresariales, legales y técnicas que probablemente configurarán el futuro.

Hallazgos clave

  • Algunos de los usos más prometedores de la IA en la actualidad son altamente especializados y altamente verticales, desde la agricultura hasta la automoción, pasando por el análisis predictivo y la medicina de precisión.
  • En muchos casos, los despliegues más exitosos identificarán las señales de compra y las señales de pérdida de clientes y automatizarán procesos complejos.
  • La IA se convertirá en una función forzada para una estrategia de datos organizacionales.
  • La IA aprende de grandes cantidades de datos. Los datos limpios y accesibles son la base sobre la que se construye una IA exitosa. Esto significa que la disponibilidad y accesibilidad de los datos deben ser consideraciones tempranas a la hora de determinar dónde construir y dónde no construir la IA en los sistemas.
  • En última instancia, la oportunidad (y el riesgo) de los sistemas basados en el aprendizaje automático radica en su capacidad de sentir, comunicar, aprender, actuar y adaptarse a lo largo del tiempo, y de conectarse con otros sistemas.
  • El gobierno, la privacidad, la ética y la confianza son fundamentales para la experiencia del cliente. Incluso con una IA relativamente “estrecha”, es importante entender que permitir que las máquinas aprendan y actúen basándose en datos y experiencias pasadas tiene implicaciones significativas.
  • Es fundamental planificar escenarios para las implementaciones de IA, no sólo por razones legales y reglamentarias, sino también para proteger y mejorar la experiencia del cliente.

Cómo la inteligencia artificial puede generar crecimiento en Sudamérica

captura-14

Ovanesso, A. and E. Plastino (2016). [e-Book] Cómo la inteligencia artificial puede generar crecimiento en Sudamérica, Accenture Institute for High Performance, 2016.

Texto completo

 

El fin del último boom económico en Sudamérica, a principios de esta década, expuso una vez más la dependencia que tiene la región de las exportaciones de productos básicos y una incapacidad de abordar su persistente déficit de productividad. Nuestro estudio revela que la capacidad que tiene la inversión de capitales de impulsar el progreso económico está declinando y que el crecimiento de la mano de obra es cada vez más lento.

Estas dos palancas son los determinantes tradicionales de la producción; sin embargo, no pueden proporcionar el crecimiento y la prosperidad duradera que buscan las economías sudamericanas. Aun así, el pesimismo a largo plazo es injustificado. Dada la reciente convergencia de un conjunto transformador de tecnologías, las economías están ingresando a una nueva era en la cual la inteligencia artificial (IA) tiene el potencial de superar las limitaciones físicas del capital y la mano de obra, generando nuevas fuentes de valor y crecimiento. En efecto, Accenture analizó 5 economías sudamericanas, así como de varios otros países desarrollados y emergentes, y encontró que la IA  tiene el potencial de agregar hasta un punto porcentual a los índices de crecimiento económico anual de la región para el año 2035. Sudamérica ya está tomando a la IA muy seriamente.

Las empresas mineras ya están utilizando máquinas autónomas en las minas de Perú; los reclutadores de personal aprovechan los algoritmos de “emotion analytics” en Chile y los clientes de los bancos, de las aerolíneas y de los retailers en toda la región están hablando con “chatbots” (programas que “conversan” con las personas al proveer respuestas automáticas a entradas hechas por el usuario).

Inteligencia Artificial, El Futuro Del Crecimiento

 

ai-y-el-futuro-del-crecimiento-1-638

Purdy, M. and P. Daugherty (2016). [e-Book]  Inteligencia Artificial, El Futuro Del Crecimiento, Accenture Institute for High Performance, 2016.

Texto completo

Los datos revelan una verdad descorazonadora sobre el crecimiento actual: un marcado descenso en la capacidad de las inversiones de capital y trabajo para impulsar el progreso económico. Estos dos factores son los motores tradicionales de la producción, pero hoy en día se muestran incapaces de sostener los niveles de prosperidad de los que han gozado durante décadas la mayor parte de las economías desarrolladas. Pero no hay motivos para instalarse en el pesimismo. Gracias a la reciente convergencia de tecnologías transformadoras, las economías están entrando en una nueva era en la que la inteligencia artificial (IA) podría superar las limitaciones físicas del capital y el trabajo para abrir nuevas fuentes de valor y crecimiento. En efecto, según un análisis de 12 economías desarrolladas realizado por Accenture, la IA podría doblar sus tasas de crecimiento en 2035. Si no quieren dejar pasar esta oportunidad, los líderes empresariales y políticos deberían prepararse para (y preparar) un futuro marcado por la inteligencia artificial. Sería erróneo pensar que la IA no es más que otro factor de productividad. Por el contrario, la IA debe ser considerada como la herramienta que puede transformar nuestra forma de pensar sobre cómo se genera crecimiento.