Machine Learning, perspectivas y aplicaciones actuales

Machine Learning, perspectivas y aplicaciones actuales

Las tecnologías de Machine Learning as a Service (MLaaS) o aprendizaje automático como servicio, generarán un crecimiento global desde los 614.3 millones de dólares hasta los 3.755 millones de dólares entre 2015 y 2021.

Lo anterior supone un crecimiento medio anual del 43.7% durante dicho periodo, de acuerdo con un estudio reciente elaborado por Markets&Markets.

Machine Learning nació como una idea ambiciosa de la Inteligencia Artificial (IA) en la década de los 60.  Lo que esta rama pretendía estudiar era el reconocimiento de patrones (en los procesos de ingeniería, matemáticas, computación, etc.) y el aprendizaje por parte de las computadoras.

Los investigadores estaban ávidos por encontrar una forma en la cual las computadoras pudieran aprender únicamente basándose en datos. En los años 90, se convierte en una disciplina por sí sola. Ahora, el principal objetivo del Machine Learning es abordar y resolver problemas prácticos en cualquier disciplina.

 

¿Cuáles son sus perspectivas y aplicaciones actuales?

Para el consumidor moderno, Machine Learning es un facilitador clave de muchas de sus tareas cotidianas. Desde servicios de traducción, a predicciones climáticas, hasta adivinar lo que los usuarios quieren con base en sus actividades recientes; las prestaciones que ofrece son incomparables. En lo que respecta a los negocios, muchas compañías han empezado a incorporar esta tecnología a sus sistemas operativos, con grandes expectativas de mejorar y automatizar sus procesos.

De acuerdo con la encuesta Global Digital IQ de 2017, 54% de las organizaciones entrevistadas están haciendo inversiones significativas en IA y se prevé que ese porcentaje incremente a 63% en menos de tres años.

Dado que Machine Learning es un sistema basado en el procesamiento y análisis de datos que son traducidos a hallazgos, se puede aplicar a cualquier campo que cuente con bases de datos lo suficientemente grandes.

De momento, algunos de sus usos más populares y desarrollados son:

  • Clasificación de secuencias de DNA
  • Predicciones económicas y fluctuaciones en el mercado bursátil
  • Mapeos y modelados 3D
  • Detección de fraudes
  • Diagnósticos médicos
  • Buscadores en Internet
  • Sistemas de reconocimiento de voz
  • Optimización e implementación de campañas digitales publicitarias

Un ejemplo del último punto es ADEXT, una plataforma de IA que, con tecnología Machine Learning, es capaz de crear, implementar, analizar, y aprender, para así optimizar campañas digitales en los principales medios de Internet.

Gracias a sus algoritmos inteligentes es capaz de detectar patrones de éxito de campañas digitales alrededor del mundo, para tomar las decisiones de inversión más redituables, optimizando el presupuesto y dirigiéndolo únicamente a los medios que más ventas generen.

Leer más

La automatización del Servicio al Cliente mejora la experiencia

La automatización del Servicio al Cliente mejora la experiencia

La ciencia ficción durante décadas ha hablado de un futuro lleno de robots inteligentes que ayudan a la humanidad a resolver toda clase de problemas, y pareciera que eso todavía es muy lejano, pero ya es una realidad. Hoy en día existen robots que pueden hacer una diversidad de tareas tan complejas y difíciles como ensamblar un avión hasta resolver las inquietudes de un cliente que insatisfecho con un producto o servicio.

La automatización y el uso de inteligencia artificial de los procesos productivos de los grandes corporativos se ha incorporado desde hace más de medio siglo, sin embargo, la atención al cliente en las empresas siempre ha sido relegada debido a la compleja tarea que implica enfrentarse a un ser humano con un sin fin de dudas y preguntas, muchas de ellas impredecibles.

  • Automatización y humanización

Para automatizar el proceso de atención al cliente se han creado asistentes virtuales, los cuales son programados con base en la información que desean atender las empresas. En muchas ocasiones se integran las preguntas más hechas por los clientes (FAQ’s), y las respuestas más adecuadas y resolutivas.

Para un óptimo entendimiento, un buen asistente virtual debe entender el lenguaje natural, lo que incluye regionalismos, sinónimos, abreviaciones, etc., para ofrecer una mejor experiencia y los usuarios sientan que están hablando con una persona empática y servicial. Por ejemplo, el AgentBot creado por AIVO interpreta en las consultas regionalismos, jergas, expresiones, errores gramaticales e incluso estados de ánimo.

  • Machine Learning

El machine learning permite a los agentes aprender por sí mismos con base en patrones, ejemplos y búsquedas. El reconocimiento de patrones permite obtener información que establece características o propiedades comunes entre datos diversos. De esta manera, se abre la posibilidad de analizar patrones con cantidades mínimas de información. Un agente virtual como AgentBot aprende de las interacciones de los usuarios y crea una experiencia evolucionada, diferenciada, omnicanal, integrada con la información de la empresa y resuelve en tiempo real lo que los clientes necesitan.

  • Menos esfuerzo, menos tiempo

El mayor número de consultas que los usuarios hacen en un centro de contacto, se refieren a cuestiones básicas como pagar facturas o consultar su saldo. Las respuestas para este tipo de consultas requieren poco esfuerzo de los colaboradores, pero debido al gran volumen que representan, consumen la totalidad de su tiempo. Esta situación impide a las compañías atender las consultas más especializadas por la gran carga de trabajo que conforman las de primer nivel. Al automatizar estas consultas, las de nivel básico se reducen hasta 80%, según la industria, permitiendo a los colaboradores enfocarse en responder a situaciones complejas de servicio al cliente, incrementando así la productividad, eficacia y el nivel de atención de la compañía.

  • Todo el día, todos los días

Las ventajas de los agentes virtuales se incrementan considerando que la inteligencia artificial trabaja 24/7 los 365 días del año. Cualquier tipo de cliente tendrá una respuesta completa y consistente sin importar que lo haga un domingo por la noche, un día inhábil o en horarios de oficina.

Además, uno de los principales objetivos de los asistentes virtuales, como el AgentBot, es acelerar y enriquecer el servicio al cliente permitiendo que los empleados aprovechen su experiencia en tareas mucho más complejas y específicas. Esto ayuda a complementar los procesos de atención al cliente tradicionales, pues responde todas las preguntas frecuentes y libera al personal humano para resolver otros problemas de más complejidad.

La comunicación entre usuarios y empresas se ha vuelto más compleja debido a las nuevas exigencias de los clientes y la era del móvil. Por ejemplo, en México el internauta promedio pasa 8 horas con un minuto conectados al internet y el 90% usa el smartphone como dispositivo de conexión, de acuerdo con el 13º Estudio sobre los Hábitos de los Usuarios de Internet en México 2017 de la Asociación Mexicana de Internet.  Para estos cambios de conducta es importante para las marcas usar tecnología que ayude a los colaboradores de los centros de contacto a reducir su carga de trabajo respondiendo solicitudes básicas o de primer nivel, para poder concentrarse en tareas más especializadas, incrementando así la productividad de la compañía.

Leer más

10 tecnologías de Inteligencia Artificial que dominarán en 2017

10 tecnologías de Inteligencia Artificial que dominarán en 2017

Las tecnologías de Inteligencia Artificial (IA) están revolucionando diversos ámbitos de la vida cotidiana de las personas, y el ámbito empresarial no es una excepción.

De acuerdo a un reporte de Narrative Science, en el 2016 el 38% de las empresas a nivel munidal utilizaba inteligencia artificial, porcentaje que se elevará a 62% para el 2018.

Otro estudio realizado por Forrester Research predijo que habría un incremento de más del 300% en la inversión que se realizará en inteligencia artificial en 2017, en comparación del año pasado.

Ante este panorama, múltiples compañías mexicanas se preguntan cómo pueden integrar estas tecnologías para aumentar el rendimiento de sus ventas. ADEXT, una startup de inteligencia artificial que impulsa el crecimiento de miles de negocios en Internet, proporciona las 10 principales tecnologías de inteligencia artificial que dominarán este año:

 

1. Generación de lenguaje natural: Es un subcampo de la inteligencia artificial que consiste en crear texto a partir de datos obtenidos. Esto permite que las computadoras puedan comunicar ideas con gran precisión y exactitud. Se utiliza actualmente en servicio al cliente, generación de reportes y en el resumen de hallazgos de inteligencia de mercado.

2. Reconocimiento de voz: Siri no es el único agente que te entiende. Cada vez más sistemas incorporan la transcripción y transformación del lenguaje humano a formatos útiles para las computadoras. Actualmente se implementa en sistemas interactivos voice response (reconocimiento de voz) y en aplicaciones móviles.

3. Agentes virtuales: ‘La diva actual de los medios’, según Forrester. Un agente virtual es una computadora o programa capaz de interactuar con humanos. El ejemplo más común de esta tecnología son los chatbots. Actualmente se utiliza en servicio y atención al cliente y para la administración de las casas inteligentes.

4. Plataformas Machine Learning: El aprendizaje automático o aprendizaje de máquinas (Machine Learning) es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. Proporcionando algoritmos, APIs (interfaces de programación de aplicaciones), herramientas de desarrollo y entrenamiento, así como el procesamiento y análisis en tiempo real de Big Data, las plataformas con Machine Learning están cobrando día con día mayor relevancia… Actualmente, se utilizan en gran variedad de aplicaciones empresariales, principalmente para realizar predicciones o clasificaciones.

5. Hardware optimizado con IA: El hardware tiene que comenzar a ser más amigable con las tecnologías de inteligencia artificial, y esto concibe la creación de unidades procesadoras de gráficos y dispositivos específicamente diseñados y estructurados para ejecutar tareas orientadas a la IA.

6. Manejo de decisiones: Las máquinas inteligentes ya insertan normas y lógica a los sistemas de inteligencia artificial, y se utilizan para la instalación inicial, mantenimiento y ajustes de cualquier sistema u operación empresarial. Es utilizada en una amplia variedad de aplicaciones empresariales, asistiendo o ejecutando la toma de decisiones automatizadas.

7. Plataformas de aprendizaje profundo: Un tipo especial de Machine Learning que consiste en circuitos neuronales artificiales con múltiples capas de abstracción. Esta tecnología imita las funciones del cerebro humano para procesar datos, y crea patrones que utilizará en la toma de decisiones, como también ocurre en el ejemplo antes mencionado. Actualmente se utiliza principalmente para reconocer patrones y clasificar aplicaciones únicamente compatibles con conjuntos de datos a gran escala.

8. Biométricas: Esta tecnología contempla la identificación, medición y análisis de las características físicas (forma o composición del cuerpo) y de comportamiento de las personas. Esto permite interacciones más naturales entre humanos y máquinas, incluyendo –pero no limitado a– reconocimiento de tacto, imagen, habla y lenguaje corporal.

9. Automatización de procesos robóticos: Esta automatización se da al integrar scripts y otros métodos para imitar y automatizar tareas humanas que apoyen en los procesos empresariales. Actualmente es utilizado en casos donde resulta muy costoso o ineficiente que los humanos ejecuten una determinada tarea o proceso. Eso sí, la inteligencia artificial no viene a reemplazar la capacidad humana, sino a complementarla y a potencializar todo el talento humano.

10. Analíticas de texto y NLP: El procesamiento de lenguaje natural (NLP por sus siglas en inglés) utiliza analíticas de texto para facilitar el entendimiento estructural de los enunciados, así como su significado, entonación y lo que pretenden decir a través de métodos estadísticos y de Machine Learning. Actualmente, se utiliza en sistemas de seguridad y detección de fraudes, y en una amplia gama de asistentes automatizados y aplicaciones para la extracción de datos no estructurados.

 

Para concluir, es clave recalcar que la inteligencia artificial no es exclusiva de las grandes empresas que disponen de altos presupuestos. Herramientas como ADEXT surgieron justamente para hacer accesibles tecnologías como estas a pequeñas y medianas empresas que deseen tener presencia significativa en Internet para crecer sus negocios y ser más competitivas.

Leer más

Machine learning aplicado en la experiencia del cliente

Machine learning aplicado en la experiencia del cliente
Uno de los mayores y principales retos en el mundo empresarial reside en satisfacer las necesidades del consumidor. Esto se vuelve cada vez más difícil debido a la constante evolución del mismo con la existencia de más y muy diversos canales de comunicación e interacción con los usuarios.

Esta transformación, que parte de los avances tecnológicos, obliga a las empresas a realizar innovaciones y actualizaciones en diversas materias. Una de ellas consiste en la introducción de la robótica, incluida no sólo en tareas de producción, sino en trabajos que siempre se pensaron que serían desempeñados por humanos, como la atención al cliente.

De esta forma, la inteligencia artificial (IA) comienza a ser más importante y trascendente dentro de las empresas porque al considerar que la IA puede evitar la realización de tareas repetitivas y que maximiza la productividad de los profesionales en las áreas de atención al cliente, se presenta una gran oportunidad para que los empresarios conjuguen ambas actividades para sacar más provecho a sus operaciones.

 

Innovación paulatina

Una pregunta obligada es cómo incorporar el aprendizaje automático (machine learning) en la atención al cliente para mejorar su experiencia. En principio, debemos comprender que el machine learning permite a los dispositivos aprender por sí mismos con base en patrones, ejemplos y búsquedas.

Este reconocimiento de patrones permite extraer información que establece características o propiedades comunes entre datos diversos. De tal forma, se abre la posibilidad de analizar patrones con cantidades mínimas de información.

El machine learning conoce el detalle del comportamiento de los usuarios y detecta qué contenido se debe optimizar o agregar para mejorar la experiencia del cliente. Se pueden derivar reportes cuantitativos y cualitativos con información de alto valor para conocer qué es lo más importante para los clientes y cómo puede mejorarse.

 

Preguntas frecuentes

Una de las maneras de poder crear una base de conocimientos que sea de utilidad para el machine learning es revisando las preguntas más frecuentes que llegan al servicio de ayuda. Asimismo, redactar las respuestas para algunas de las preguntas más formuladas será de gran ayuda para limpiar o filtrar la información que las empresas desean atender de manera inmediata.

A través de la atención de un agente virtual, las compañías pueden revisar las palabras más repetidas en la interacción, o el problema más común. Por ejemplo si la palabra “factura” se repite en mayor medida en las conversaciones, se podrá analizar la problemática y dar solución de una manera más rápida y efectiva.

En México, en el sector de Telecomunicaciones, por ejemplo, la mayor cantidad de quejas e inconformidades recibidas por parte de los usuarios están relacionadas con problemas con los servicios de Internet o con aclaraciones de pagos. De acuerdo al Informe Estadístico Soy Usuario 2016 emitido por el Instituto Federal de Telecomunicaciones (IFT), respecto a las empresas que prestan servicios fijos (internet, telefonía y televisión de paga), el promedio de tiempo de respuesta para una queja es de 10.4 días hábiles.

No hay que olvidar que la asistencia virtual brinda un mejor servicio de forma personalizada y precisa, entregando mejores resultados en el corto y mediano plazo a las empresas.

Fuente: AIVO

Leer más

Amazon impulsa Inteligencia Artificial y Machine Learning

Amazon impulsa Inteligencia Artificial y Machine Learning

Amazon impulsa la Inteligencia Artificial para mejorar la entrega de sus productos, además de perfeccionar Alexa, su asistente activado por voz, así como crear nuevas herramientas en su división de computación en nube, comentó Bezos en una carta anual de accionistas.

El gigante del comercio electrónico invertirá en Inteligencia Artificial y Machine Learning, que son temas necesarios para operar un negocio que mantenga una mentalidad de iniciativa y la capacidad de actuar rápidamente sobre información limitada, para mantenerse a la vanguardia, lo que Bezzos  llama ‘tomar decisiones a gran velocidad’.

Machine Learning se conoce como la tecnología para que las computadoras puedan actuar sin ser programadas, por lo cual son utilizadas en coches autónomos, reconocimiento de voz y motores de búsqueda en Internet. La tecnología ha influido en proyectos de alto perfil de Amazon como el lanzamiento de drones; su popular altavoz activado por voz Echo y la nueva tienda de conveniencia Amazon Go sin cajero, informó Bezos.

‘Machine learning aportará mejoras significativas en las operaciones básicas, pero gran parte de lo que hacemos con esta tecnología sucede bajo la superficie. La tecnología de aprendizaje impulsa nuestros algoritmos para la previsión de la demanda, ranking de búsqueda de productos, recomendaciones de productos y ofertas, así como colocaciones en merchandising, detección de fraudes, traducciones y mucho más’, apuntó Bezos.

El ejecutivo agregó que Amazon Web Services, la división de Cloud Computing de la compañía, ofrecerá herramientas asequibles para que los clientes puedan incorporar Inteligencia Artificial y Machine Learning en sus propias operaciones. Estas herramientas ya han sido utilizadas para detectar enfermedades y aumentar los rendimientos de los cultivos.

Con información de Bloomberg

Leer más

8 tendencias de tecnología y negocios para 2017

8 tendencias de tecnología y negocios para 2017

Un cambio importante ha estado ocurriendo en los últimos años y que afecta al mundo: el rápido crecimiento de la tecnología y la rápida adopción por parte de las empresas y las personas.

La Singularity University en Estados Unidos determinó que estamos pasando de un mundo lineal a otro muy global. Esta nueva realidad nos obliga a cambiar la forma en que vemos las cosas, cómo pensamos y cómo reaccionamos.

La tecnología ha transformado la forma en que interactúan las personas, tanto en su vida personal y profesional (las posibilidades de que usted esté leyendo esto en un dispositivo móvil, ya sea smartphone o tablet son enormes). Las empresas no sólo deben estar preparadas para atraer y retener el talento y que se sienta cómodo con estas nuevas características, también tienen que aprender que su negocio puede beneficiarse de ellos.

A continuación se muestran ocho tendencias de la tecnología y negocios que ya cuentan con ejemplos prácticos en el mercado y que afectarán a todo el mercado en los próximos 12 meses.

 

  1. El crecimiento exponencial de la tecnología – Vamos a vivir de forma muy rápida, mejoras en tecnologías cada vez más accesibles a los costos más bajos. Por lo tanto, se podrán desarrollar mejores productos y servicios con un gasto menor. Algunos ejemplos de tecnologías sobre este crecimiento son: Inteligencia Artificial, impresión 3D, robots y aviones, automóviles autónomos, realidad virtual y aumentada, bitcoin y blockchain, biotecnología y otros.

 

  1. El acceso global a Internet – Internet es el principal responsable de la transformación descrita anteriormente y su crecimiento no se detiene. Se tardó 20 años en alcanzar los primeros mil millones de usuarios, sólo cinco años para llegar a los dos mil millones y otros cuatro años para tres mil millones. Para el año 2020, es decir, en tres años, se estima que más de tres mil millones de usuarios se conectarán a la red. Estas serán las personas que nunca accedieron a la web, nunca hicieron una compra en línea y que traen consigo nuevas ideas y reivindicaciones. Muchos de ellos llegarán a la WWW en 2017 y con ellos, las nuevas oportunidades de negocio. El oneweb, por ejemplo, una empresa estadounidense enfocada en proveer Internet de alta velocidad asequible para el mundo, se comprometió a acelerar el lanzamiento de “una constelación de satélites” en 2017 y 2018 con el fin de satisfacer esta demanda acumulada a través de estos dispositivos.

 

  1. Conectividad – En la década de 1960, las computadoras eran recursos raros y demasiado caros para que una sola persona los tuviera. Así es como surgió el concepto de compartir, por lo que un grupo de personas podrían acceder al mismo sistema por turnos. Hoy en día, el fácil acceso a la computadora está representado por los dispositivos conectados a Internet y entre sí. Por lo tanto, hoy muchas empresas son capaces de crear una interacción entre las personas y ofrecer cosas nunca antes pensadas – como hubs de automatización del hogar con reconocimiento de voz que reproduce música, hace listas de tareas e informa datos en tiempo real del tiempo y el tráfico.

 

  1. Inteligencia Artificial – El casi infinito acceso a la potencia de cálculo ha sido el principal catalizador de la gran evolución de la Inteligencia Artificial. Esta combinación de técnicas y algoritmos, (el más destacado es la Machine Learning y uno de sus aspectos – el Deep Learning) pretende formar a las máquinas que tienen las mismas capacidades que los seres humanos, como el razonamiento, la planificación, el procesamiento del lenguaje natural, la percepción y la inteligencia general. En este sentido, el ambiente de trabajo en varias industrias verá que la IA en realidad sucede en el año 2017, pero no para reemplazar el trabajo hecho por la gente. En esta primera etapa, la máquina servirá para aumentar nuestras capacidades cognitivas, especialmente la tecnología capaz de procesar un volumen de datos muy superiores al ser humano.

 

  1. Disrupción de la Industria – Veamos el ejemplo de la música. Hace mucho tiempo para escuchar tu música favorita en cualquier momento tenías que comprar un CD con un álbum entero –de 80 minutos porque era lo que cabía en ese dispositivo– y también tener donde reproducirlo. Para compartir esa música con alguien, había que prestarle su CD, pero después todos los aspectos de esta descripción cambiaron. Hoy tiene la demanda de servicios de música y sólo se oye un álbum completo si lo desea. Y estos cambios drásticos no son exclusivos de la industria de la música. Grandes avances en la tecnología y aplicaciones empresariales provocaron la interrupción de la experiencia de las personas. Y aquí no estoy hablando sólo de la experiencia del usuario final. La industria en su conjunto dejará de existir y, cada vez más, vemos un cambio en la forma de pensar e interactuar con los productos y servicios en prácticamente todos los segmentos. Lo que me lleva al siguiente punto.

 

  1. Evolución de los modelos de negocios – El fácil acceso a la tecnología está permitiendo a los nuevos modelos de negocio ponerse a prueba de una manera sencilla y económica. Grandes innovaciones ocurren en años y ya no en décadas –y caminamos rápido para semanas o meses. Negocios de billones de dólares serán creados en pocos meses. Cuando surgen estos nuevos modelos, la tecnología se convierte en una parte clave de la estrategia y las empresas deben replantearse las habilidades más importantes y reinventar. Las organizaciones necesitan identificar el valor de su negocio, como el precio y luego comenzar a hacer cambios en la forma en que venden y cobran por sus productos. Este movimiento no es fácil y no sucede de la noche a la mañana, sin embargo, en 2017 vamos a ver más y más empresas en busca de una cultura digital.

 

  1. La experiencia digital – La gente ya tiene experiencias digitales en su día a día, compartiendo sus datos con aplicaciones como Uber o Waze para tener el beneficio de un mejor servicio de transporte. En el trabajo, los mensajes y aplicaciones de video y las plataformas que permiten la gestión de documentos, flujos de trabajo, entre otros, permiten una mayor interacción entre departamentos –independientemente de donde se asigna a cada equipo. Por lo tanto, el proceso de crear y compartir el conocimiento es cada vez más rápido. Con toda la información que genera la economía del compartir, las empresas necesitan –y los consumidores esperan de ellos– identificar los comportamientos y usar esto para encontrar valor en nuevos lugares. Los chatbots se adoptarán el próximo año, precisamente porque son una respuesta a esta demanda. La gente quiere responder a ciertas preguntas, buscar información o hacer sus reclamos en la misma forma en que obtuvo ese producto o servicio: digitalmente.

 

  1. Cambios en la propuesta de valor – Los datos son la fuerza impulsora detrás de la próxima gran ola en la búsqueda de la propuesta de valor. Es esta combinación de calidad de los datos y la inteligencia de que las empresas están centrando sus esfuerzos tecnológicos en aumentar el poder de sus redes, en lograr conectividad ilimitada y en utilizar la potencia de cálculo para recopilar, agregar, correlacionar e interpretar los datos y por lo tanto, aportar mejoras dramáticas en la vida de las personas.

 

El principal reto es adaptar la mentalidad y el proceso de adopción de este nuevo mundo cambiante, ya que la innovación y la irrupción pueden venir de cualquier parte, en cualquier momento. Además de centrarse en sus competencias básicas, las empresas tienen que aprender a utilizar la tecnología como un conocimiento adicional que ya tienen en casa.

Por Vicente Goetten, director ejecutivo de TOTVS Labs

Leer más

Google crea Perspective para atacar trolls en la red

Google crea Perspective para atacar trolls en la red

Google lanzó Perspective, una herramienta de inteligencia artificial para que los medios de comunicación puedan detectar de forma automática los comentarios ‘tóxicos e irrespetuosos’.

‘Perspective es una tecnología que utiliza el aprendizaje automático (machine learning) para identificar los comentarios tóxicos. Y por toxicidad entendemos aquellos comentarios que llevan a alguien a abandonar una conversación’, explicó el responsable de la iniciativa, Jared Cohen.

Para dimensionar la magnitud del problema, el 47% de los usuarios de Internet en Estados Unidos ha sufrido acoso; un 72% sido testigo de este abuso, y casi un tercio se autocensura a la hora de poner un mensaje por miedo a las consecuencias.

Perspective analiza los comentarios y detecta el grado de toxicidad de las conversaciones, ofreciéndole a medios y plataformas de internet la información detallada en un marcador que va de cero a cien.

Un algoritmo compara los comentarios analizados con otros que anteriormente fueron categorizados como tóxicos. También dispone de un sistema que se corrijan evaluaciones erróneas. Cuanta más información maneje, más atinado será su juicio.

El proceso implica primero a un grupo de personas que revisa comentarios y crea una base de datos en la que se incluyen aquellos considerados tóxicos, ya sea porque tienen insultos o serias faltas de respeto. Posteriormente Perspective, de manera autónoma, se encarga de analizar decenas de miles de comentarios de páginas webs. Para saber cuáles son tóxicos, hace una evaluación y compara con los que están en la base de datos. Si hay similitud con los que ya se consideran perjudiciales, los identifica y añade.

El nuevo proyecto de inteligencia artificial de Google pretende ser una herramienta útil para luchar contra el ‘acoso en línea‘ y la creciente toxicidad de las conversaciones en la red’.

‘Un número de individuos están dificultando la discusión civilizada y dinámica en las secciones de comentarios de plataformas y medios, lo que lleva a que mucha gente abandone la conversación. (…) Muchos medios han terminado cerrando esas secciones’, añadió Cohen.

Cohen matizó que son los medios quienes tienen que decidir cómo usarán ese marcador: por ejemplo, para detectar los comentarios que deben ser revisados a mano, para mostrar a los lectores ese grado de toxicidad o bien permitirles que filtren los comentarios en función del nivel que están dispuestos a tolerar.

La tecnológica ya ha probado el algoritmo con ‘The New York Times’, ‘The Guardian’, ‘The Economist’ y la Fundación Wikimedia, responsable de la Wikipedia.

Cualquier medio o plataforma de internet puede utilizar Perspective de forma gratuita -a través de una API-, aunque por el momento solo existe un modelo para el idioma inglés.

En el futuro, a medida que editores de otras lenguas se sumen al proyecto, la ‘aspiración’ de Google es ir ampliando el rango de idiomas disponibles.

También esperan que a lo largo del año Perspective evolucione y sirva para detectar en los comentarios ataques directos y temas que no tienen nada que ver con la discusión en marcha.

EFE

Leer más

Inteligencia artificial resuelve nuestras actividades cotidianas

Inteligencia artificial resuelve nuestras actividades cotidianas

Entendida la inteligencia artificial (IA) como una parte de las ciencias de la computación, se encarga de hacer que las máquinas repliquen las funciones cognitivas de la mente humana.

Razonar, aprender, entender y comunicarse son funciones que donde la IA convive en nuestro quehacer cotidiano.

Hace tiempo de inteligencia artificial ha dejado de ser materia de ciencia ficción o de contenidos novelescos fantasiosos; la realidad actual nos está poniendo en contacto con dispositivos y procesos que ya no sólo responden a órdenes, sino que son capaces de ofrecer resultados, procesar datos, proponer sugerencias o tomar decisiones; incluso son capaces de detectar sus propios errores y aprender de sí mismos.

Algunas de las áreas donde la inteligencia artificial ya nos está brindando beneficios son:

Diagnóstico de enfermedades

La medicina es una área donde más presencia e impacto ha tenido la IA utilizando la tecnología Deep learning, con la cual las máquinas son capaces de desarrollar métodos de aprendizaje automático complejo, para analizar mamografías, resonancias magnéticas y ultrasonidos y obtener así diagnósticos más acertados y oportunos.

Google, una de las empresas pioneras en inteligencia artificial ha detectado, por ejemplo, la retinopatía diabética, que puede hacer más y más borrosa la imagen que los ojos envían al cerebro y que podrían causar ceguera.

Con respecto a las cardiopatías, la supercomputadora Watson de IBM ofrece programas de salud cognitiva, que analizan el genoma y adapta el tratamiento de cáncer para cada paciente.

Movilidad

Un ejemplo actual y cotidiano de IA es la cada vez más utilizada Google Maps, que se basa en algoritmos de inteligencia artificial para recomendar las mejores rutas y medios de transporte hacia un destino específico. En un futuro próximo nadie tendrá que enseñar a los dispositivos a moverse por una ciudad, ya que gracias a machine learning y deep learning, podrán aprender a hacerlo solos, analizando y probando enormes cantidades de datos.

Desde luego, el auto sin conductor es otro ejemplo de la gran promesa que significa la inteligencia artificial en nuestro quehacer cotidiano, así como la eficiencia que se logra en las turbinas de los aviones, los frenos anti bloqueo que funcionan con inteligencia artificial, e incluso ‘el sistema de inyección de combustible de todos nuestros autos, que fue diseñado utilizando algoritmos de inteligencia artificial’, Según explica Ramón López de Mántaras, director del Instituto de investigación en Inteligencia Artificial.

Consumo

Una aplicación comercial de la inteligencia artificial que ha tenido un gran éxito es el uso de las apps y webs de productos y servicios, ‘gracias al machine learning, que puede detectar los hábitos y modelos de consumo de una persona, para actuar en consecuencia’, señala Ramón López.

El espectro de posibilidades de uso de esta aplicación es inmensa, ya que las empresas pueden ofrecer sus productos y servicios a través de Internet conociendo los gustos particulares de sus clientes y sus hábitos de consumo. Un ejemplo notable es Amazon, cuyas ventas responden en un tercio a recomendaciones de consumidores.

A este ejemplo se puede sumar la gestión de stocks de los almacenes, el turismo online que adapta sus ofertas a las necesidades particulares, así como la oferta de películas a partir de las elecciones y búsquedas que el usuario ha realizado. Lo mismo ocurre con los temas musicales, los idiomas, etc.

Seguridad

En la actualidad, los sistemas de los bancos, sustentados en inteligencia artificial, permiten, entre otras cosas, que puedan aprender por sí mismos con los datos que reciben y detectar oportunamente un movimiento potencialmente fraudulento. Todo esto, utilizando el conocimiento y la información acumulada en los ensayos y experiencias históricas.

Finanzas

Ahora las instituciones bancarias y de inversión pueden asesorar a sus clientes de una manera individualizada para detectar oportunidades o riesgos. Ahora es posible diseñar una cartera de inversiones a partir de las características de cada cliente, es decir: su edad, su condición social, su nivel de riesgo, etc., todo esto, filtrado con las condiciones del mercado, permite lograr una asesoría dinámica que responda a las necesidades y expectativas particulares de cada cliente.

El tiempo

La predicción del tiempo se ha vuelto cada vez más precisa utilizando machine learning. Los investigadores de Microsoft, Ashish Kapoor y Eric Horvitz, han aplicado esta ciencia con resultados más precisos.

Según estos científicos, con el tiempo los análisis serán más precisos y a más largo plazo.

Energía

La inteligencia artificial es la clave en los desafíos energéticos del futuro, asegura Ramón López Mántaras, quien comenta que Google ha conseguido ahorros de un 30% en el consumo energético de sus servidores a partir de sus investigaciones de DeepMind.

En un futuro, en los coches eléctricos y muy probablemente en los hogares se pueda almacenar y compartir energía para optimizar este consumo vital.

Con información de El País

Leer más

Apple compra Tuplejump, startup de Machine Learning

Apple compra Tuplejump, startup de Machine Learning

Apple adquiere la startup de la India Tuplejump, especializada en Machine Learning, con la intención de reforzar sus capacidades en inteligencia artificial.

Tuplejump es la tercera adquisición que hace Apple en este año; anteriormente adquirió Turi, radicada en Toronto, así como Emotient, organización que utiliza inteligencia artificial para identificar y actuar a partir de las expresiones faciales.

Todas estas operaciones revelan el gran interés y disposición de la compañía californiana por acceder y participar en la enorme oportunidad de negocio que se está generando alrededor del inteligencia artificial.

En este sentido, la inteligencia artificial se ha constituido como una inversión clave para los gigantes tecnológicos como Google, Facebook y Amazon, que compiten directamente con Apple en el desarrollo de sus asistentes virtuales.

Tuplejump dispone de un software especializado en procesamiento y análisis rápidos de grandes volúmenes de datos.

El trato se reportó recientemente por TechCrunch y el monto de la operación no fue revelado.

Apple permite que terceros utilicen Siri, su asistente virtual en sus propias aplicaciones, lo cual es visto por algunos expertos en inteligencia artificial como un paso fundamental para mejorar su producto, apoyándose en la enorme comunidad de desarrolladores que tiene la compañía.

Por su parte, Google ha recibido reconocimientos por su capacidad para comprender la intención detrás de un requerimiento; en tanto que Alexa, de Amazon, cuenta con la ventaja de entender diferentes acentos, dialectos y lenguajes. Además, Facebook está intentando construir chatbots inteligentes para su red social.

Con información de Bloomberg

Leer más

Apple compra Turi, firma de inteligencia artificial, por 200 mdd

Apple compra Turi, firma de inteligencia artificial, por 200 mdd

Apple comprará Turi, una empresa especializada en Inteligencia Artificial, por alrededor de 200 millones de dólares, con el fin de sumar capacidad de cómputo avanzado a sus productos y servicios.

Esta operación ayudará a los desarrolladores a crear y administrar software y servicios que utilicen Machine Learning.

También opera sistemas que permiten a las empresas construir motores de recomendación, detectar fraudes, analizar los patrones de consumo del cliente y direccionar los esfuerzos al mercado objetivo.

Con esto, Apple podría integrar más rápidamente la tecnología a futuros productos.

Este movimiento surge ante la necesidad de enfrentar la competencia de Google y Facebook y obtener una ventaja en el espacio de la Inteligencia Artificial, particularmente en el terreno conocido como la computación ubicua, donde el software intenta inferir automáticamente lo que la gente quiere.

Con esta tecnología, Turi podría alimentar a Siri, la asistente digital de Apple,
ayudándole a definir nuevas formas de interacción computarizada con las personas.

Con esta compra, la compañía de la manzana agrega una más a las diversas empresas que ha comprado en los últimos dos años que se especializan en Inteligencia Artificial, mismas que ha integrado a su software del iPhone y Siri.

Apple adquirió en enero a Emotient, que utiliza Inteligencia Artificial para reconocer y actuar sobre las expresiones faciales. Además el año pasado, también compró dos empresas centradas en la voz con Inteligencia Artificial: VocalIQ y Perceptio. La primera está especializada en el uso de Machine Learning para que los asistentes de voz puedan entablar una conversación más realista. Perceptio se centra en ayudar a los sistemas de Inteligencia Artificial para ejecutarse en dispositivos compartiendo cantidades limitadas de datos personales del usuario.

Machine Learning y equipos de ayuda a la Inteligencia Artificial entienden automáticamente las imágenes, videos y palabras utilizadas. La tecnología también permite que los sistemas tomen medidas o hagan recomendaciones.

Apple ya ha comenzado a mostrar los frutos de las inversiones en Inteligencia Artificial a través de un mejor reconocimiento de palabras clave por Siri.

Se espera que la compañía lance una nueva versión de su programa de gestión de fotos para los iPhones y iPads que utilizan Inteligencia Artificial para reconocer objetos en las fotos. Por ejemplo, el usuario será capaz de buscar ‘sushi’ y le aparecerán las fotografías de la comida.

Apple va a llevar también sus capacidades de aprendizaje de Machine Learning a su aplicación iMessage, mediante la adición de una característica que traduce las palabras en los textos en íconos emoji.

Con información de Bloomberg

Leer más
Página 1 de 212