Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CHATBOT Machine Learling
CHATBOT Machine Learling
1. Introducción
El desarrollo de la inteligencia artificial cada vez está más presente en nuestras
vidas y con el paso del tiempo su presencia irá en aumento gracias al impulso
que actualmente están aportando los gigantes tecnológicos.
Precisamente, hace unos meses Facebook anunció oficialmente en su
conferencia anual de desarrolladores F8 la llegada de los bots a Messenger,
pero ¿qué es un bot y para qué sirve?, ¿cuándo surgieron?, ¿qué compañías
los fabrica?, ¿podrán reemplazar a las aplicaciones de mensajería? ¿Por qué
se han puesto de actualidad?, etc.
En el presente trabajo trataremos de explicar con claridad acerca de los bot.
2. Concepto
Un bot es un software de inteligencia artificial diseñado para realizar una serie
de tareas por su cuenta y sin la ayuda del ser humano como hacer una reserva
en un restaurante, marcar una fecha en el calendario, separar una cita con
clientes, realizar una venta online, recoger y mostrar información a los usuarios
etc.
El modelo más frecuente es el del chatbot, un robot capaz de simular una
conversación con una persona y por ello cada vez están más presentes en las
aplicaciones de mensajería.
3. Qué hace un bot.
Los bots son utilizados principalmente para llevar a cabo las funciones de
atención al cliente, por lo que pueden resolver las necesidades de una persona.
Un ejemplo de esta actividad lo aporta la compañía mexicana Taco Bell, la cual
ha incorporado un chatbot gracias al cual se pueden gestionar los pedidos de
comida a través de una conversación con el bot automatizado. De tal forma que
cuanto más mejore la tecnología, mejor será el servicio que ofrezca un chatbot
llegando a automatizar todo tipo de cosas.
4. Dónde operan.
Los bots desarrollan su actividad fundamentalmente en las aplicaciones de
mensajería y para lo cual incorporan una interfaz conversacional. Por ejemplo
en Slack, el servicio de mensajería para la comunicación interna en empresas,
los chatbots ayudan a gestionar tareas relacionadas con el trabajo, como
gastos o tareas pendientes.
Por su parte, la plataforma Kik Mssenger, que cuenta con 275 millones de
usuarios, acaba de lanzar una tienda de bots, entre los que destacan un bot
para enviar a los internautas Vines y otro que manda notificaciones a los
usuarios sobre la compañía de maquillaje Sephora. Mientras que Twitter
también ha incorporado bots en su plataforma como es el caso de uno que
tuitea en el momento en que se registra un terremoto. Otra de las plataformas
sociales que también ha incorporado esta tecnología es Telegram.
9. chatbots en el futuro
MACHINE LEARNING
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.
En los albores de la IA, los investigadores estaban ávidos por encontrar una
forma en la cual las computadoras pudieran aprender únicamente basándose
en datos.
Sucedió con el paso de los años que el machine learning comenzó a enfocarse
en diferentes tareas, tales como el razonamiento probabilístico, investigación
basada en la estadística, recuperación de información, y continuó
profundizando cada vez más en el reconocimiento de patrones (todos estos
asuntos aplicados a procesos de ingeniería, matemáticas, computación y otros
campos relacionados con objetos físicos o abstractos).
El propósito del machine learning es que las personas y las máquinas trabajen
de la mano, al éstas ser capaces de aprender como un humano lo haría.
Precisamente esto es lo que hace los algoritmos, permiten que las máquinas
ejecuten tareas, tanto generales como específicas.
Haciendo que repliquen las facultades cognitivas del ser humano, formando
modelos que "generalicen" la información que se les presenta para realizar sus
predicciones. Y el ingrediente clave en toda esta cuestión son los datos.
En realidad, el origen y el formato de los datos no es tan relevante, dado que
el machine learning es capaz de asimilar una amplia gama de éstos, lo que se
conoce como big data, pero éste no los percibe como datos, sino como una
enorme lista de ejemplos prácticos.
En otras palabras, son problemas que ya hemos resuelto, pero que seguirán
surgiendo en un futuro. La idea es que las computadoras aprendan de una
multitud de ejemplos, y a partir de ahí puedan hacer el resto de cálculos
necesarios para que nosotros no tengamos que volver a ingresar ninguna
información.
Aunque conoce los resultados desde el principio, no sabe cuáles son las
mejores decisiones para llegar a obtenerlos. Lo que sucede es que el algoritmo
progresivamente va asociando los patrones de éxito, para repetirlos una y otra
vez hasta perfeccionarlos y volverse infalible.
Existen otros enfoques más complejos para tareas más específicas, pero no
vale la pena ahondar en éstos. De momento no queremos complicar las cosas.
De cualquier forma, si estuvieras interesado en conocer más acerca de
éstos, puedes ver algunos ejemplos más concretos aquí.
Una vez que compruebas lo fácil y práctico que resulta aplicar las técnicas
de machine learning a problemas que creías serían imposibles, es cuando
empiezas a creer que podría resolver prácticamente cualquier problema* -
siempre y cuando existan suficientes datos-.
Mapeos y modelados 3D
Detección de fraudes
Diagnósticos médicos
Buscadores en Internet
Y si quisieras saber con mayor detalle cómo Adext utiliza Machine Learning
para encontrar la mejor audiencia para cada anuncio, asegurando los mejores
costos por conversión, esta guía detallada es perfecta para ti. ¡Te encantará
saber todo lo que hay detrás!
Si bien es cierto que esta enorme cantidad de datos la volverá mucho más
eficiente, requerirá necesariamente de mucho talento humano para
perfeccionarse, ya que finalmente las computadoras no tienen un dominio tan
elevado del lenguaje aplicado al razonamiento. O lo que es, no son
precisamente hábiles para determinar contextos.
Lo que significa que para que el machine learning se desarrolle en estas áreas,
los expertos en cada campo de trabajo tendrán que tomarse el tiempo para
entrenar a las máquinas e irlas incorporando paulatinamente a cada uno de los
procesos que deseen afinar.
Finalmente, como sucede con todas las tecnologías, los negocios tendrán que
empezar por entender los principios básicos de esta tecnología, para poder
usarla a su favor. Por lo pronto, se estima que ésta -como muchos otros
derivados de la IA- va a transformar por completo el mundo como lo
conocemos...
Como verás, esto fue sólo una introducción al intrincado mundo del machine
learning. En una época donde emergen tecnologías innovadoras cada vez que
parpadeamos, es fácil perderse en la avalancha de información y nuevos
conceptos.
Esperamos que este artículo haya aclarado algunas de tus dudas, para que ya
no te sorprendan la próxima vez que hablen del tema.