En los últimos años el término “Inteligencia Artificial” parece estar perdiendo fuerza a favor de otros términos como “Inteligencia Cognitiva”, o “tecnologías smart”, “predictivas” etc. En este post analizamos el porqué de esta tendencia y el significado real de ambos términos para poder hacernos una idea de las diferencias entre inteligencia artificial e inteligencia cognitiva.
¿Qué es la IA?
La Encyclopædia Britannica define el concepto de inteligencia artificial como “la habilidad de una computadora o de un robot controlado por una computadora de realizar tareas normalmente asociadas a seres inteligentes“. El término se aplica con frecuencia al desarrollo de sistemas dotados de procesos intelectuales propios de los humanos, como la habilidad de razonar, descubrir, generalizar o aprender de la experiencia”.
En pocas palabras la idea fundamental en que se basa la inteligencia artificial es en conseguir que una computadora resuelva un problema complejo como lo haría un humano.
La IA más allá de las TIC
Puede que no seamos del todo conscientes de este hecho, pero hoy en día, la inteligencia artificial es esencial para los principales sectores económicos. Por ejemplo la Tecnologías de la Información, el sector Sanitario, las Ciencias de la Vida, el análisis de datos, la transformación digital, la seguridad e incluso para el desarrollo de aplicaciones de consumidor final, gestión de edificios inteligentes, mantenimiento predictivo etc.
Por otra parte, veremos que la AI también está íntimamente ligada a los 4 pilares de la innovación y transformación digital como el Cloud Computing, la Movilidad, y las Analíticas sociales y de Big Data. Asimismo, también resulta inherente a los principales aceleradores de esta transformación como son los Sistemas Cognitivos, la Internet de las Cosas (IoT), la ciberseguridad y , nuevamente, las tecnologías y aplicaciones Big Data.
Si es tan importante, ¿Por qué parece que ya nadie quiere hablar de “inteligencia artificial” y se recurre a otros términos como “Smart”, “inteligente”, “Cognitivo”, “predictivo”?
Efectivamente, el término “Inteligencia Artificial” parece lastrado por una serie de connotaciones negativas. ¿A qué se deben?
El origen de las connotaciones negativas
En primer lugar, parece que es un término “gastado”. Se ha usado tan ampliamente (como también ha sucedido con “la nube” y “el Internet de las Cosas), que parece que todo el mundo tiene que saber y tener su opinión sobre el tema. Este uso tan masivo ha ido acompañado de una gran desinformación.
Concepciones erróneas frecuentes
Algunas personas, se quedan con la versión de Hollywood y piensan que la IA se limita a robots y superinteligencia (Strong AI—que hasta ahora no se ha hecho realidad). Otras, creen que hablan de IA cuando en realidad lo están haciendo de aprendizaje automático (“Machine Learning”). En realidad, el Machine Learning es una rama de la inteligencia artificial que permite a los investigadores, científicos de datos, ingenieros y analistas construir algoritmos que aprenden, y pueden hacer predicciones “data-driven”. En lugar de seguir un conjunto de reglas o instrucciones, estos algoritmos son entrenados para identificar patrones en grandes volúmenes de datos. El Deep Learning, por su parte, lleva esta idea aún más lejos y procesa la información en capas, de modo que el resultado obtenido en una capa sirve de input o dato de entrada para la siguiente.
(Si quieres conocer con más detalle las diferencias entre Inteligencia Artificial, Machine Learning y Deep Learning no dejes de leer este otro post de nuestro blog: )https://empresas.blogthinkbig.com/aimldldiferencias/embed/#?secret=XYJLn0SDLq
IA y la ciclo de Gartner
Por otro lado, el concepto de Inteligencia Artificial, no es un concepto nuevo, sino que lleva dando vueltas por el mundo desde 1956, y en todos estos años ha habido distintas olas (en los 50; en los 80, con el surgimiento de los sistemas expertos, el auge del PC y el modelo cliente servidor, y a finales de los 90-año 2000, con la explosión de internet), en los que las expectativas han superado la realidad y se han sucedido periodos de, lo que en un ciclo de Gartner se conoce como el “Abismo de la desilusión” (Trough of disillusionment).
En estos momentos nos hallamos nuevamente en un momento de expectativas muy altas respecto a la IA. De hecho, Gartner considera que las tres tendencias tecnológicas principales en 2017 son distintos aspectos de la IA (AI aplicado y Machine Learning avanzado, apps inteligentes y el Internet de las Cosas, IoT). Así, el Aprendizaje Profundo (Deep Learning), el reconocimiento de imágenes, la generación de hipótesis, las redes neuronales… están inmersos en nuestro día a día a través de distintas aplicaciones.
A pesar de los discursos de algunos líderes tecnológicos sobre los peligros y el impacto que puede llegar a tener sobre nuestras vidas y nuestros trabajos futuros, la automatización, el desarrollo de la robótica y la IA, cada día aparecen nuevas tecnologías basadas en ella que nos hacen la vida más fácil. Sin embargo, como hemos comentado antes, la tendencia actual consiste en no llamarlo inteligencia artificial, sino “smart”, “cognitivo” o cualquier otro término que no venga lastrado por esas connotaciones. Pero en el fondo, sigue siendo lo mismo.
Áreas que abarca la IA
Hemos visto que el concepto de IA es muy amplio y abarca áreas distintas. En realidad, podríamos definirlo como un ecosistema, donde podemos encontrar desde tecnologías de minería de textos o procesamiento de lenguaje natural (text mining-NLP), Deep Learning, Analíticas Predictivas y Prescriptivas, sistemas de Machine Learning, los sistemas de recomendación que están por todas partes, o esas apps como Uber o AirBnb que te conectan con el conductor más próximo o te buscan un alojamiento acorde con tus necesidades, y que también se basan en IA.
Todas estas tecnologías se caracterizan por tener algo en común: generan datos en cuya interpretación reside el valor y el conocimiento. Por eso se dice que la inteligencia artificial está en el centro de todas estas soluciones, en el punto donde todo converge.
La IA y la transformación digital
Los 4 pilares de la transformación digital
El sector de la tecnología se está transformando en un sector de conocimiento. Pero para sacar partido de este conocimiento es fundamental que haya una profunda interconexión de tecnologías y procesos en aplicaciones de la vida real. Es lo que llamamos la economía digital. Como hemos adelantado antes, esta transformación se basa en 4 pilares fundamentales:
• La nube (Cloud Computing)
• La “movilidad” (Mobility)
• Analíticas Sociales (Social Analytics)
• Analíticas Big Data (Big Data Analytics)
Estas tecnologías e innovaciones son los auténticos impulsores de la transformación digital y están tan integrados en las IA que a veces se les confunde con la misma. Y sobre estos 4 pilares se sustentan lo que llamamos “aceleradores” de la innovación.
Los aceleradores de la innovación
¿Cuáles son estos aceleradores?
Los principales aceleradores de la innovación son:
• Los servicios cognitivos
• La ciberseguridad
• El Internet de las Cosas
• Big Data
Todos ellos están omnipresentes en nuestro día a día.
Los servicios cognitivos
Los servicios cognitivos buscan imitar los procesos racionales humanos. Analizan grandes cantidades de datos generados por sistemas conectados (no exclusivamente IoT), y ofrecen herramientas con capacidades diagnósticas, predictivas, prescriptivas, capaces de observar, aprender y ofrecer Insights, sugerencias o incluso acciones automáticas. Están muy orientados a la interacción contextual y humana. Por ello, para los expertos, el reto de la inteligencia artificial es adaptar la tecnología para que las personas puedan interactuar con ella de una forma natural y cotidiana. Se trabaja en dar a las aplicaciones capacidades de cognición humana, tales como:
- La escucha y el habla, o capacidad de transformar audio en texto y texto en audio
- Procesamiento de lenguaje natural, texto no es solamente un conjunto de palabras clave, sino que el computador entiende, es capaz de comprender conexiones gramaticales, contextuales y otros.
- Comprensión de emociones y sentimientos (“sentiment analysis”). Crear sistemas empáticos capaces de conocer el estado de ánimo de una persona y tomar decisiones en base a esto.
- Reconocimiento de imágenes
La ciberseguridad
La ciberseguridad, también está cambiando hacia un enfoque más holístico que tiene en consideración el entorno y la dimensión humana. Y, sobre todo, se está volviendo más proactiva. ¿Cómo hace para, por ejemplo, prevenir ciberataques? De nuevo, aplicando IA para detectar patrones en los datos y entrar en acción cuando a partir de ellos se generen alertas.
Internet de las Cosas y Big Data
¿Y qué ocurre con Internet de las Cosas y Big Data? En este caso es evidente la gran cantidad de datos que se generan día a día, a gran velocidad y son, en su mayoría, no estructurados. Datos de sensores IoT, datos de redes sociales, ficheros de texto, imágenes, vídeos, archivos de sonido…Nuevamente, son técnicas y herramientas de IA como la minería de texto, la inteligencia de reconocimiento de documentos, el machine Learning, el PNL y otras técnicas de computación cognitiva las que hacen posible convertir todos estos datos en información útil.
Inteligencia Artificial vs Inteligencia Cognitiva
Después de este breve análisis, ya podemos volver y responder la pregunta que nos hemos planteado.
La Inteligencia Cognitiva es una parte, si bien una parte importante de la Inteligencia Artificial, que abarca principalmente las tecnologías y herramientas que permiten a nuestras apps, websites y bots ver, oir, hablar, comprender e interpretar las necesidades del usuario por medio del lenguaje natural.
Es decir, son las aplicaciones de la IA que permiten a las máquinas aprender el lenguaje de los usuarios para que éstos no tengan que aprender el lenguaje de las máquinas. Pero la Inteligencia Artificial es un concepto mucho más amplio, que incluye otras tecnologías o innovaciones como la robótica, el Machine Learning, el Deep Learning, las redes neuronales, el PNL etc. que, como hemos visto, resultan críticas tanto para los pilares, como para los principales aceleradores de la transformación digital.
Post original publicado en Think Big Empresas
TIC, TAC, TEP: Aprender en el siglo XXI 
Pingback: ¿Qué es eso del “TIC, TAC, TEP”? | TIC, TAC, TEP: Aprender en el siglo XXI
Pingback: ¿Qué son y cómo funcionan los sistemas de recomendación? | TIC, TAC, TEP: Aprender en el siglo XXI