Archivo de la etiqueta: 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.

¿Cuáles son los beneficios y riesgos del desarrollo de la inteligencia artificial?

https3a2f2fblogs-images-forbes-com2frobertadams2ffiles2f20162f032fartificial-intelligence-is-it-dangerous-1200x1000

Risks and rewards: Scenarios around the economic impact of machine learning. [Report] The Economist, Intelligence Unit y Google, 2018.

Texto completo

Existe cierta incertidumbre en torno a los avances de la inteligencia artificial (IA) y uno de sus principales subconjuntos, el aprendizaje automático, de lo que sugiere el debate actual, en particular con respecto al impacto de la tecnología en la sociedad y la economía. Sin duda, los avances han sido increíbles y los defensores tienen razón al destacarlos. Sin embargo, no todo el mundo ve esto como un bien. De hecho, existe una gran preocupación por el hecho de que la IA represente una amenaza para el empleo, la privacidad y, con el tiempo, incluso para la humanidad.

El problema es que ambos bandos -los partidarios de la IA y sus oponentes, los partidarios y los detractores- a menudo utilizan la hipérbole para promover su punto de vista. Como resultado, gran parte del debate actual sobre IA se ha convertido en una propuesta de uno u otro tipo. O bien conducirá inexorablemente hacia un futuro utópico o será la causa de nuestra desaparición.

La verdad probablemente se encuentra en algún punto intermedio y The Economist Intelligence Unit, con el patrocinio de Google, ha llevado a cabo una investigación para identificar el punto medio mediante el desarrollo de escenarios cuantitativos y cualitativos sobre el impacto del aprendizaje automático para un número selecto de países e industrias. Los resultados se basan en modelos econométricos, investigación documental y entrevistas con expertos académicos e industriales.

 

Notas desde la frontera de la IA: Aplicaciones y valor del aprendizaje profundo

small_1420

Chui, M., J. Manyika, et al. [e-Book]  Notes from the AI frontier: Applications and value of deep learning. New York, McKinsey Global Institute (MGI), 2018

Texto completo

 

El aprendizaje profundo es parte de un conjunto más amplio de métodos de aprendizaje automático basados en asimilar representaciones de datos. Una observación (por ejemplo, una imagen) puede ser representada en muchas formas (por ejemplo, un vector de píxeles), pero algunas representaciones hacen más fácil aprender tareas de interés (por ejemplo, «¿es esta imagen una cara humana?») sobre la base de ejemplos, y la investigación en este área intenta definir qué representaciones son mejores y cómo crear modelos para reconocer estas representaciones.

Un análisis de más de 400 casos de uso en 19 industrias y nueve funciones comerciales resalta el amplio uso y el significativo potencial económico de las técnicas avanzadas de IA.

«Hable con los libros», proyecto de Google que permite encontrar respuestas en los libros utilizando lenguaje natural e Inteligencia Artificial

“Talk to Books”

https://books.google.com/talktobooks/

La asombrosa nueva herramienta de búsqueda de Google responderá a cualquier pregunta leyendo miles de libros. Se trata de una nueva forma de encontrar respuestas sobre lo que se pregunta en Internet recuperando información directamente de los libros. Simplemente escribes una pregunta en «“Talk to Books” y la herramienta, que funciona con IA, escaneará cada frase de 100.000 volúmenes de la Búsqueda de libros de Google y generará una lista de posibles respuestas con el pasaje correspondiente en negrita.

La comprensión del lenguaje natural ha evolucionado sustancialmente en los últimos años, en parte debido al desarrollo de vectores de palabras que permiten que los algoritmos aprendan sobre las relaciones entre palabras, basándose en ejemplos de uso real del lenguaje. Estos modelos vectoriales mapean frases semánticamente similares a puntos cercanos basándose en la equivalencia, similitud o parentesco de ideas y lenguaje.

 

“Talk to Books” es una manera completamente nueva de explorar los libros comenzando por el nivel de oración, en lugar del hacerlo por autor o tema. El sistema -en experimentación- es capaz descubrir libros a partir de citas que responden a las preguntas planteadas por un potencial lector, obteniendo mejores resultados que usando palabras clave.

¿Cómo funciona?

El sistema utiliza miles de millones de líneas de diálogo para enseñar a una IA cómo fluyen las conversaciones humanas reales. Una vez que la IA ha aprendido de esos datos, es capaz de predecir la probabilidad de que una declaración siga a otra como respuesta. La técnica que utiliza para enseñar el lenguaje de las computadoras se llama aprendizaje automático, de esta manera el programa construye un modelo predictivo a partir de datos de entrada. La IA simplemente tiene en cuenta lo que se escribe y analiza un conjunto de muchas respuestas posibles para encontrar las que probablemente seguirían. De este modo cuando se escribe una pregunta o una afirmación, el modelo examina cada frase en más de 100.000 libros para encontrar las respuestas que probablemente serían las siguientes en una conversación. La frase de respuesta se muestra en negrita, junto con parte del texto que aparece junto a la frase para el contexto.

Por ejemplo si introducimos la pregunta How do you define serendipity? en “Talk to Books” nos aparecerá lo siguiente:

google-talk-to-books

Experimenta con otros ejemplos tales como:

“How can I stop thinking and fall asleep?”

How can I stop thinking and fall asleep?
How did you meet your significant other?
How do you improve as a singer?

Bots, Machine Learning, Servicios Cognitivos. Realidad y perspectivas de la Inteligencia Artificial en España, 2018.

perspectiva-ia-espana-2018-02

“Realidad y perspectivas de la IA en España, 2018. Bots, Machine Learning, Servicios Cognitivos”. Madrid: PwC y Microsoft, 2018

Texto completo

Más infromación sobre 

La escasez de talento y la falta de un modelo de negocio claro son los dos principales obstáculos con los que se encuentran las empresas españolas a la hora de aplicar la Inteligencia Artificial (IA) en sus negocios. Esta es una de las principales conclusiones del informe «Realidad y perspectivas de la IA en España, 2018» elaborado por PwC en colaboración con Microsoft, a partir de encuestas a una treintena de grandes compañías españolas líderes en su sector.  

El documento revela que solo un 11% de las compañías entrevistadas cuenta con los profesionales y las capacidades adecuadas para poner en marcha iniciativas en el campo de la IA. Y, por consiguiente, seis de cada diez están buscando de forma activa los perfiles profesionales necesarios.

Pero a la escasez de talento se suman otros obstáculos a la hora de apostar por la IA, como la falta de un modelo de negocio que les permita saber cuál es el retorno de la inversión; las dificultades en la gestión del cambio cultural dentro de la empresa, o la ausencia de un liderazgo claro a la hora de impulsar este tipo de iniciativas.

El estudio tiene como objetivo ofrecer una perspectiva realista del nivel de desarrollo de la IA en el mercado español tomando como referencia un grupo de empresas que se pueden considerar avanzadilla en materia de digitalización. Los resultados son claros: para la mayoría de las grandes empresas participantes en el informe (80%), la Inteligencia Artificial no es un conjunto de iniciativas aisladas sino una tecnología que, en el largo plazo, supondrá cambios muy disruptivos para los negocios.

A pesar de las barreras mencionadas arriba, del selecto grupo de empresas participantes, más de la mitad ya está intentando, en mayor o menor medida, sacar partido de la IA. Un 46% tiene en marcha algún tipo de proyecto piloto o prueba, y un 11,5% ya están viendo resultados, sobre todo, en la mejora de la satisfacción del cliente, en la toma de decisiones o en la reducción de costes. Pero si vemos la encuesta de otra manera, no todo son avances: un 42,5% de las compañías todavía no han puesto de marcha ninguna iniciativa en relación con la IA o solo tienen una hoja de ruta.

¿Cuáles son las aplicaciones de la IA con más potencial para las compañías españolas? El análisis predictivo, que permite anticipar eventos, comportamientos y condiciones futuras en base a información recogida por la compañía, es la preferida por las empresas. Le sigue el reconocimiento por lenguaje y voz. En tercer lugar se sitúan el machinelearning, los chatbots y las técnicas de RPA –procesos automatizados por robótica- (ver cuadro adjunto). 

El uso malicioso de la inteligencia artificial: previsión, prevención y mitigación

 

ia

The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation” [e-Book]. Oxford, Future of Humanity Institute, University of Oxford, 2018.

Texto completo

La inteligencia artificial y las capacidades de autoaprendizaje de máquinas están creciendo a un ritmo sin precedentes. Estas tecnologías tienen muchas aplicaciones beneficiosas, que van desde la traducción automática hasta el análisis de imágenes médicas. Se están desarrollando innumerables aplicaciones de este tipo y cabe esperar que se desarrollen a largo y medio plazo. Históricamente se ha prestado menos atención a las formas en que la inteligencia artificial puede ser utilizada maliciosamente. Este informe examina el panorama de las posibles amenazas a la seguridad derivadas de los usos maliciosos de las tecnologías de inteligencia artificial y propone formas de prever, prevenir y mitigar mejor esas amenazas. Se analiza, la cuestión de cuál será el equilibrio a largo plazo entre beneficios y perjuicios del uso de la tecnología de IA.