No hay fuego sin oxígeno, ni Inteligencia Artificial sin Datos
Postado em 9 de May de 2018 Noticias

* Por Amanda Matos Cavalcante

 

 

Sin un volumen de datos adecuado, es simplemente imposible entrenar algoritmos con los datos reales de la empresa y hacer análisis predictivos… mucho menos trabajar con Inteligencia Artificial.

 

 

Estos días, navegando por LinkedIn, encontré un artículo de Cezar Taurion, uno de los gurúes de la Transformación Digital, y el asunto tratado me intrigó tanto como a él: “Un malentendido es que los algoritmos sofisticados de IA pueden, por si solos, ofrecer soluciones de negocio valiosas sin un volumen de datos adecuado.”

 

He notado un interés muy grande del mercado cuando el asunto es Inteligencia Artificial. No son pocas las empresas que buscan incluir, de alguna manera, la IA en su cartera. Sin embargo, no todas entienden que hay un camino a recorrer y que la base del entrenamiento de los algoritmos y de la implantación de la IA son los datos.

 

No fue por casualidad que Gartner diseñó una pirámide que sirve bien como guía para la Transformación Digital. Aquí los datos son la base de todo, y sólo es posible subir los escalones Analítica, Aprendizaje Automático y llegar a la cima de la IA cuando las bases (o datos) existen en volumen y consistencia. Sin un volumen de datos adecuado, es simplemente imposible entrenar algoritmos con los datos reales de la empresa y hacer análisis predictivos… mucho menos trabajar con Inteligencia Artificial.

 

 

¿Por qué la combustión se produjo sólo ahora, si el tema ya es estudiado desde hace más de 50 años?

 

 

Hace mucho tiempo, yo me preguntaba por qué la Inteligencia Artificial se hizo realidad sólo ahora. Afortunadamente, encontré la respuesta para mi duda y me gustaría compartirla con usted.

 

Para entender mejor, es importante que recordar que el concepto de IA apareció en 1956, citado por el profesor y científico John McCarthy en la conferencia de Dartmouth. En 1950, el matemático Alan Turing publicó el artículo “Computing Machinery and Intelligence” (Maquinas de Computación e Inteligencia), que también fue un marco histórico para la zona. En la década de 1980, el tema volvió a la superficie con el interés en estudios y discusiones sobre redes neurales y conexionismo, pero se enfrió nuevamente después de un tiempo. No fue hasta hace unos años que la IA sufrió el “boom” que hemos observado. Y la pregunta que queda es: ¿por qué solamente ahora?

 

Mi investigación sobre el tema me llevó hasta un artículo publicado en el sitio web de Salesforce² que explica que, aunque existen modelos teóricos sobre IA desde hace muchos años, para evolucionar de computación simple a una IA real y consistente son necesarios tres elementos clave que aún no eran realidad hace algún tiempo: (1) Computación de gran potencia, con costo accesible, para que sea posible el procesamiento rápido y eficiente;  (2) Buenos modelos de datos para clasificar, procesar y analizar los datos de forma inteligente; (3) Acceso a una gran cantidad de datos no procesados para alimentar los modelos, para que continúen mejorando.

 

Es decir, podemos considerar que la Inteligencia Artificial finalmente se hizo realidad debido a los avances a continuación:

– Un volumen de datos que sólo está disponible mediante big data, que crece cada día, sobre todo debido a la explosión de datos de, por ejemplo, las redes sociales, las tecnologías de IoT, como sensores y dispositivos wearable, así como las empresas públicas y privadas que han pasado a facilitar datos e información antes no tan accesibles;

– Modelos de datos bien fundamentados que hoy están preparados para procesar y analizar un nivel de terabytes (o más) por segundo y entregar insights consistentes para las estrategias de negocio;

– Crecimiento de la infraestructura, tales como procesadores más robustos, tecnologías de almacenamiento y computación en la nube, junto con capacidades de virtualización, lo que permite un diseño dinámico capaz de soportar y tratar grandes volúmenes de procesamiento y almacenamiento.

 

También vale citar una inherente interconexión con las Ciencias de la Complejidad, que une las Ciencias Exactas con las Ciencias Naturales y trata, entre otros aspectos, de modelos matemáticos y compresión de la información.

 

 

Sin oxígeno no hay fuego

 

 

He vuelto mi atención a la cuestión de IA sobre todo porque la empresa donde trabajo ha desarrollado el data lake más grande de Latinoamérica. Trabajar con datos y crear la base de la pirámide que va a llevar a una de las mayores operadoras de telecomunicaciones de Brasil a alcanzar la cima, mediante la Inteligencia Artificial, ha sido un trabajo nada trivial, pero muy desafiador y gratificante. Inclusive, hemos desarrollado una herramienta que da una mayor velocidad en la ingestión de los datos para el data lake de la operadora con un mejor tiempo de comercialización y calidad para que los científicos de datos exploren la Analítica.

 

Entiendo que las empresas deben prestar más atención a la base de la pirámide para que, con datos calificados y de gran capacidad, puedan crear análisis predictivos, trabajando con machine learning, deep learning y PLN y luego ofrecer soluciones de Inteligencia Artificial pertinentes para su mercado de actuación. Son justamente los datos que apoyan y posibilitan conclusiones de patrones y predicciones de comportamiento, por ejemplo, factor que es primordial para el proceso de IA.

 

Así como no hay fuego sin oxígeno, no existe Inteligencia Artificial exitosa sin los datos. Según las palabras del propio Cezar Taurion, “ninguna sofisticación algorítmica superará la falta de datos”.  Volvemos a la frase de Harvard que cité en uno de los artículos que escribí el año pasado: “Dentro de poco, los datos serán tan importantes para nosotros como el petróleo lo fue para las empresas del siglo 20.” A lo que todo indica, ese “muy pronto” ya ha llegado.

 

 

*Amanda Matos Cavalcante es Gerente de Marketing de Triad Systems y especialista en Conducción de Estrategias Digitales por Harvard Business School.

 

¹ https://www.linkedin.com/feed/update/urn:li:activity:6385489455158947840

² https://www.salesforce.com/br/products/einstein/ai-deep-dive/

 

 

En la prensa

 

09 may 2018 – ComputerWorld

retorno

Busca

Youtube

Siga nuestras redes sociales