top of page
Ciudad futurista

BLOG

Hacia dónde va la Inteligencia Artificial : Perspectivas 2023 – 2024

Por: Eddy Silvera

Asesor Financiero | Panamá




Durante la última década, se ha acelerado la democratización de la inteligencia artificial (IA) en el espacio empresarial.


Muchas organizaciones están madurando cada vez más sus actividades de IA. Curiosamente, a medida que la IA se integra cada vez más en el panorama empresarial y surgen nuevos casos de uso.


Aquí se presentan algunas tendencias actuales del tema:

1. La IA para texto, voz y visión continuará su camino hacia la corriente principal


Hay un tesoro de inteligencia enterrado profundamente en las conversaciones que los clientes tienen con los ejecutivos del centro de contacto. Estas conversaciones no estructuradas basadas en voz y texto se están convirtiendo rápidamente en una de las fuentes de inteligencia más fáciles. En algunos escenarios, es posible obtener información crucial del consumidor para mejorar los productos y servicios, diseñar asistentes virtuales para ayudar al personal a abordar problemas complejos de los clientes y mejorar la satisfacción del cliente. Otra inteligencia que puede ser valiosa es la identificación de preguntas frecuentes y la creación de canales de autoservicio adecuados para ellas, aumentando el compromiso del cliente e identificando y prescribiendo oportunidades para ventas cruzadas y ventas adicionales y una gran cantidad de otras oportunidades aliadas.


También, Hay varios obstáculos existentes en la construcción de estas soluciones, como lograr una transcripción limpia de diferentes idiomas, diversos dialectos y acentos, identificar diferentes tipos de vocabularios contextuales, eliminar el ruido ambiental y usar diferentes canales como mono o estéreo para grabar las conversaciones.


A lo largo de los años, los grandes actores tecnológicos han ideado muchas soluciones. Han construido poderosos modelos patentados con muy altas precisiones. Pero el principal desafío es que los datos deben enviarse a través de la nube, lo que puede entrar en conflicto con las preocupaciones de confidencialidad y privacidad. Además, estos modelos patentados tienen un alcance limitado en el entrenamiento para personalizaciones específicas de dominio.


Lo que será un diferenciador en los próximos días es el uso de un poderoso aprendizaje profundo para construir redes de transformadores de codificador y decodificador usando componentes pre-entrenados y aprendizaje de transferencia. Estos modelos computacionalmente intensivos aprovechan la aceleración de hardware de la computación GPU de alto rendimiento para sortear los desafíos con las traducciones y los matices del habla.


Los modelos de idiomas grandes como BERT y GPT-3 se volverán mucho más sofisticados en los próximos días, ampliando sus capacidades para procesar diferentes similitudes semánticas y relaciones contextuales y mejorando las aplicaciones existentes en resumen y generación de texto, chatbots, aumentando la precisión de la traducción y mejorando el sentimiento. minería, búsqueda, generación de código, etc.


En el campo de la visión por computadora, se están construyendo modelos más nuevos y potentes para la detección, segmentación, seguimiento y conteo de objetos que ofrecen niveles de precisión nunca antes imaginados . Mejorados por una GPU extraordinariamente poderosa, estos modelos se volverán cada vez más comunes.

Podemos esperar ver soluciones híbridas que aprovechen todos los avances anteriores para dar vida a la próxima generación de asistentes de IA. Estas soluciones tendrán el toque cálido de las conversaciones humanas junto con la ejecución rápida y las capacidades de inferencia, lo que en última instancia dará como resultado costos operativos más bajos y un gran aumento en la satisfacción del cliente.



2. IA Generativa en el arte y el espacio creativo



Atraer y retener la mente compartida de su base de clientes es un desafío con el que la mayoría de las empresas luchan constantemente. Para mejorar el recuerdo de su marca, debe generar constantemente contenido de calidad que sea relevante y atractivo y apropiado para su circulación en una variedad de puntos de venta. Aquí viene la IA generativa, que ofrece nuevas capacidades para aumentar la creación de contenido. Con la inteligencia artificial generativa, las empresas pueden crear una variedad de contenido, como imágenes, videos y material escrito, y reducir el tiempo de respuesta. Las redes generativas de IA emplean aprendizaje de estilo de transferencia o redes antagónicas generales para crear contenido inmersivo de diferentes fuentes. Además de los casos de uso obvios en marketing, puede revolucionar potencialmente la industria de los medios. Realización y restauración de películas antiguas en alta definición.


Aquí, los grandes modelos de lenguaje como GPT-3 volverán a entrar en juego para crear contenido atractivo en artículos académicos, de ficción y no ficción. En muchos sitios web disponibles públicamente, ya es posible generar imágenes de calidad de ideas abstractas que se representan a partir de indicaciones escritas simples del usuario. Es posible crear narraciones y voces en miles de tonos y frecuencias en áreas como la síntesis de audio. Una de las aplicaciones maliciosas que pueden surgir y de las que debemos estar atentos es la creación de deepfakes (imágenes y videos falsos generados artificialmente) que darán lugar a amenazas emergentes como la proliferación de noticias falsas y el fomento de la propaganda dañina. Techno Por lo tanto, la IA generativa será una fuerza de transformación importante que aumentará nuestra creatividad innata en diversas actividades comerciales.



3. IA explicable para hacer realidad la IA ética y responsable


Cada vez más, las empresas se dan cuenta de la necesidad de una IA explicable para mejorar la transparencia, establecer responsabilidades y exponer sesgos en los sistemas automatizados de toma de decisiones. La IA explicable también es un instrumento importante para mitigar los riesgos inherentemente asociados con la IA empresarial. También está comprobado que la IA explicable también aumenta la adopción de IA en toda la empresa, ya que las personas se sienten más cómodas cuando los modelos de IA brindan justificaciones y fundamentos junto con sus predicciones. En entornos como los servicios de atención médica o financieros, esto ganaría mucho impulso, ya que necesitaría comprender y articular la justificación para recomendar un tratamiento o diagnóstico o por qué se rechazó una solicitud de préstamo.


Varias técnicas, como LIME, aumentan la interpretabilidad del modelo al perturbar las entradas y evaluar los impactos en la salida. Otra técnica popular, SHAP, utiliza un enfoque basado en la teoría de juegos mediante el análisis de una combinación de características y sus efectos correspondientes en el delta resultante. Crea puntajes de explicabilidad para resaltar los aspectos de la entrada que contribuyeron más a la salida. Por ejemplo, en las predicciones basadas en imágenes, se puede resaltar el área dominante o los píxeles que resultaron en la salida.


A medida que el impacto de la IA continúa aumentando en los negocios y la sociedad, también nos exponemos a varios problemas éticos que surgen de estos casos de uso complejos. Se están analizando marcos de gobierno de datos adecuados, herramientas para exponer sesgos y factores de transparencia para cumplir con las estructuras legales y sociales. Los modelos se someterán a pruebas exhaustivas en busca de desviaciones, humildad y parcialidad. Los mecanismos adecuados de validación y auditoría de modelos con explicabilidad incorporada y controles de reproducibilidad se convertirán en la norma, para salvaguardar contra fallas éticas.



4. Mejora de la inteligencia artificial adaptativa y mejora de las experiencias de los clientes y las marcas


Los minoristas líderes están invirtiendo significativamente en mejorar la eficiencia operativa y las experiencias de los clientes a través de la IA. Cada vez más, las tiendas minoristas se convertirán en el punto focal para impulsar el conocimiento de la marca y la experiencia del cliente en lugar de simples centros de transacciones, y Adaptive AI será la fuerza detrás de esta transformación. Las experiencias de compra sin fricciones basadas en la visión por computadora y los sistemas de inteligencia artificial basados ​​en el borde que reducen los tiempos de espera y reducen las molestias serán un área de crecimiento importante. Las futuras tiendas minoristas también podrán ofrecer recomendaciones hiperpersonalizadas y crear viajes de clientes fluidos basados ​​en información en tiempo real generada a través de análisis de video impulsados ​​por la infraestructura local.


El análisis en la tienda brindará información inteligente basada en el tiempo de permanencia en los diferentes pasillos de una tienda. La integración con los historiales de compras anteriores a través de múltiples canales y la consideración del perfil demográfico enriquecerá la experiencia del cliente y hará que las compras experienciales sean muy inmersivas y agradables. La gestión omnicanal se mejorará a través de la IA adaptativa, que brindará una asistencia altamente contextual. La IA conversacional, junto con tecnologías emergentes como AR y VR, aumentará la capacidad de los empleados de las tiendas para redefinir la experiencia de compra por completo en las tiendas físicas.



5. Edge AI se volverá más omnipresente


Edge AI tiene un poder inmenso para transformar nuestra vida diaria al hacer que los dispositivos de consumo comunes sean conscientes del contexto a través de un poderoso aprendizaje profundo. La IA basada en Edge será más asequible debido a los modelos más livianos y la accesibilidad a la computación de GPU de alto rendimiento. Los modelos Edge utilizan el aprendizaje local basado en el contexto y se sincronizan con el modelo central en los momentos apropiados, lo que resulta en un menor ancho de banda y requisitos de energía. Estos dispositivos asequibles e inteligentes revolucionarán varios segmentos como el comercio minorista, la fabricación y los servicios públicos de energía para casos de uso como inspección de calidad, mantenimiento predictivo y salud y seguridad.


La caída de los costos debido a los menores requisitos informáticos dará lugar a un mercado de dispositivos inteligentes y receptivos. Los requisitos de datos menores serán de gran ayuda para sectores como la atención médica y las finanzas, donde la gestión de datos está estrictamente regulada. En cada dispositivo perimetral, los modelos se personalizan para el entorno perimetral específico y los datos críticos nunca salen de la red perimetral. Edge AI se generalizará en áreas como almacenes inteligentes, fabricación y servicios públicos. A medida que las empresas sean más conscientes de los enormes requisitos de energía de los modelos voluminosos, se adoptará la IA basada en el borde para reducir la huella de carbono de la IA y cumplir los objetivos de sostenibilidad.


A continuación un mayor detalle de las diferentes aplicaciones y sectores en donde interviene la Inteligencia Artificial (IA):


Procesamiento del Lenguaje Natural (PLN):

La PNL ha sido un área de investigación de IA en rápido crecimiento, con avances en áreas como el análisis de sentimientos, la traducción de idiomas y los chatbots. Algunos avances recientes en PNL son:

GPT-3 (Generative Pre-trained Transformer 3): Se trata de un modelo lingüístico desarrollado por OpenAI que cuenta con más de 175.000 millones de parámetros, lo que lo convierte en uno de los mayores modelos lingüísticos jamás creados. El GPT-3 puede realizar una amplia gama de tareas lingüísticas, como traducir idiomas, completar textos y responder preguntas.


BERT (Bidirectional Encoder Representations from Transformers):

Se trata de otro modelo lingüístico desarrollado por Google que se ha utilizado para una amplia gama de tareas de PLN, como el análisis de sentimientos, la clasificación de textos y la traducción de idiomas.


Aprendizaje automático:

El aprendizaje automático sigue siendo un área vital de la investigación en IA, con avances en el aprendizaje profundo, el aprendizaje de refuerzo y el aprendizaje no supervisado.


Aprendizaje federado:

Este es un enfoque de aprendizaje automático que permite el entrenamiento de modelos de aprendizaje automático utilizando datos de múltiples fuentes, sin requerir que los datos estén centralizados.


GAN (Redes Generativas Adversariales):

Son un tipo de modelo de aprendizaje profundo que se puede utilizar para generar datos sintéticos, como imágenes o texto. Las GAN se han utilizado para una amplia gama de aplicaciones, incluida la síntesis de imágenes y vídeos, la transferencia de estilos y el aumento de datos.


Robótica:

La robótica es otro campo que ha experimentado un crecimiento significativo en los últimos años, con el desarrollo de robots dotados de IA para una amplia gama de aplicaciones, como la fabricación, la atención sanitaria y la educación. Algunos avances recientes en robótica son:


Robótica blanda: Es un campo de la robótica que se centra en el desarrollo de robots fabricados con materiales blandos, como la silicona o el caucho. Los robots blandos tienen varias ventajas sobre los robots rígidos tradicionales, entre ellas la capacidad de interactuar de forma más segura con los humanos.


Robótica de enjambre: Es un campo de la robótica que se centra en el desarrollo de robots que puedan trabajar juntos de forma coordinada para lograr un objetivo común. Los robots enjambre se han utilizado para aplicaciones como búsqueda y rescate, vigilancia medioambiental y agricultura.


Ética y prejuicios en la IA:

A medida que la IA se va imponiendo en la sociedad, se presta cada vez más atención a las consideraciones éticas y a los posibles prejuicios de los algoritmos de IA. Algunos avances recientes en este campo son:

IA explicable (XAI): Se trata de un campo de la IA que se centra en el desarrollo de sistemas de IA que puedan explicar sus decisiones y acciones a los humanos. La XAI es importante para aumentar la transparencia y la responsabilidad de los sistemas de IA.


Equidad, responsabilidad y transparencia (FAT) en la IA:

es un campo de investigación que se centra en el desarrollo de sistemas de IA que sean justos, responsables y transparentes. La IA FAT es importante para garantizar que los sistemas de IA no sean parciales contra determinados grupos de personas.


Vehículos autónomos:

El desarrollo de vehículos autónomos ha sido uno de los principales focos de investigación de la IA, con importantes inversiones realizadas por empresas como Google, Tesla y Uber. Algunos avances recientes en vehículos autónomos son

LiDAR (Light Detection and Ranging): Se trata de una tecnología que utiliza láseres para medir distancias y crear un mapa en 3D del entorno que rodea a un vehículo. LiDAR es importante para que los vehículos autónomos naveguen con seguridad en entornos complejos.


Simulaciones:

Muchas empresas utilizan simulaciones para entrenar y probar sus sistemas de vehículos autónomos. Las simulaciones permiten a las empresas probar sus sistemas en un entorno seguro y controlado antes de desplegarlos en carreteras reales.


En general, la Inteligencia Artificial es un campo en rápida evolución, con nuevos desarrollos y avances que se producen con regularidad. Es un momento apasionante para dedicarse a la Inteligencia Artificial, y hay muchas oportunidades de innovación y crecimiento en los próximos años.





 

Para mayor información o asesorías, contáctame:

Eddy Silvera | eddysilvera@gmail.com o mi WhatsApp: +507 66741344

 

 

 

Commentaires


bottom of page