Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ARTIFICIAL
Pasado,
presente
y futuro.
Índice.
01 3-7 03 10 - 22 05 60 - 75
Introducción a la Tecnologías Aplicaciones
Inteligencia Artificial relacionadas con la sectoriales de la
Inteligencia Artificial Inteligencia Artificial
Evolución de la
Inteligencia Banca.
Artificial en el último Computación
Cognitiva.
siglo. Retail.
Data Science.
Turismo
Lenguaje,
creatividad y Machine Learning
y Deep Learning. Industria
emoción.
Dispositivos Otros
Redes Neuronales robóticos.
Artificiales.
02 7 - 10 04 22 - 41 06 60 - 75
Categorías de la Aplicaciones de la Predicciones
Inteligencia Artificial Inteligencia Artificial
Reconocimiento
07
de patrones.
Vehículos
autónomos. 75 - 80
Internet de las cosas. Conclusiones
4 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 5
Introducción
a la Inteligencia
Artificial
LA INTELIGENCIA ARTIFICIAL (IA) O INTELIGENCIA COMPUTACIONAL ES LA SIMULACIÓN
DE PROCESOS DE INTELIGENCIA HUMANA POR PARTE DE MÁQUINAS. ESTOS PROCESOS
INCLUYEN AQUELLOS CAPACES DE APRENDER, RAZONAR Y MEJORARSE POR SÍ MISMOS.
EVOLUCIÓN DE LA IA
EN EL ÚLTIMO SIGLO
ORíGENES
L
os inicios de la Inteligen- sky y Claude Shannon (padre
cia Artificial se remontan de la teoría de la información)
al año 1936, cuando un acuñaron el término “inteligen-
matemático británico cia artificial” en la conferencia
llamado Alan Turing creó una de Darthmouth, para hablar
máquina capaz de hacer de la “ciencia de hacer a las
cálculos que hubiesen sido máquinas inteligentes, en
formalmente definidos y que especial aplicaciones de
se pudiesen adaptar a distin- cálculo inteligentes”. Estos
tos escenarios. Sin embargo, tres científicos previeron que
no fue hasta 1950, cuando Tu- en la década de los 70 la IA
ring escribió “Computing Machin- inundaría las vidas de la po-
ery and Intelligence” cuando la blación. No fue así. Se produjo
IA comenzó a adquirir mayor una ralentización del progreso
fama. Seis años más tarde de estas tecnologías, princi-
John McCarthy, Marvin Min- palmente por el tiempo que
6 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 7
LENGUAJE,
algoritmos y las pocas aplica-
ciones evidentes que tenían.
En la década de los 90
y principios de siglo XXI
CREATIVIDAD
llegaría la expansión de
la inteligencia artificial,
originada por dos motivos:
por un lado, se produjo un
Y EMOCIÓN
aumento de la capacidad
computacional de los LA ETAPA DE ORO
PRESENTE Y FUTURO
Como se ha comentado,
inicialmente había dos Desde el origen de la IA como trabajo “The Imitation Game”, que exista un contacto visual.
obstáculos, la capacidad disciplina hasta nuestros obra que incluia su famoso El papel del juez es realizar
de cómputo y los datos. El días se ha especulado sobre Test de Turing. preguntas al concursante
problema de la capacidad la posibilidad de que las con el fin de desafiar su
de cómputo ya está máquinas sean capaces de El Test de Turing es una inteligencia y, en base a la
superado por medio de replicar comportamientos prueba diseñada para coherencia de las respuestas
la escalabilidad vertical humanos tales como el evaluar el grado de del concursante, determinar
(hacer los ordenadores más lenguaje, la creatividad o las inteligencia de un programa si se trata de un humano o
potentes, siguiendo la Ley de emociones. de ordenador. En las no.
Moore), y posteriormente por versiones modernas del test
medio de la escalabilidad La posibilidad de que una el ejercicio consistía en lo Aunque en la actualidad
horizontal (haciendo máquina o un programa siguiente: un concursante, hay muchos programas
que varios ordenadores de ordenador adapte sus que puede ser un humano o que han conseguido
computen como uno solo). comportamientos hasta un programa de ordenador, superar el test de Turing,
el punto de hacerlos mantiene una conversación el éxito de estos robots se
indistinguibles de los de un con un juez. Ambos, juez basa en tratar, mediante
humano fue propuesta en y concursante, están en su programación previa,
1950 por Alan Turing en su habitaciones separadas, sin de engañar a su interlocutor
8 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 9
REDES NEURONALES
¿CÓMO FUNCIONA CADA NEURONA?
ARTIFICIALES
neuronas biológicas, es la parte crucial de la
conectadas entre sí y RNA, ya que marcará la
trabajando en conjunto, precisión del algoritmo.
aprendiendo sobre el Consiste en encontrar esa
proceso. Dados unos relación de pesos a través
parámetros, hay una forma de un proceso iterativo en
de combinarlos para el que, secuencialmente, se
Inspirándose en el com- endo del tipo de neurotrans- predecir un cierto resultado. va analizando cada uno de
portamiento del cerebro misor liberado, las neuronas El problema estará en saber los patrones de entrada a
humano (principalmente receptoras pueden excitarse cómo combinarlos. la red, reajustando en cada
el referido a las neuronas y o inhibirse, generando una iteración la relación de pesos.
sus conexiones), tratan de respuesta de uno u otro tipo Las redes neuronales son
crear modelos artificiales en cada caso. un modelo para encontrar
que solucionen problemas esa combinación de Es en este punto cuando
difíciles de resolver medi- De esta manera las redes parámetros y aplicarla se introducirá una función
ante técnicas algorítmicas neuronales artificiales son al mismo tiempo. El de error que irá midiendo
convencionales. capaces de extraer patrones objetivo es encontrar la el rendimiento de la red en
y detectar tramas que son combinación que mejor un momento dado, donde
El proceso de sinapsis muy difíciles de apreciar por el se ajusta entrenando el objetivo será, obviamente,
establece la posibilidad de ser humano u otras técnicas a la red neuronal. Este minimizar dicha función
“transmisión de información” computacionales, siendo la de error. El algoritmo se
entre unas neuronas y otras facilidad de implementación detendrá cuando se alcance
(desde las terminaciones en de estos métodos lo que ha la cota de error establecida
las que se ramifica el axón incrementado su popularidad. por el usuario.
de una neurona hacia las Las RNA se caracterizan por
dendritas de otra); cuando el tres partes fundamentales: la Una red ya entrenada se
estímulo (o impulso eléctrico) topología de la red, la regla de puede usar luego para hacer
llega a un terminal nervi- aprendizaje (supervisado, no predicciones o clasificaciones,
oso, hace que el nervio libere supervisado, reforzado, etc.) y es decir, para “aplicar” la
neurotransmisores. Dependi- el tipo de entrenamiento. combinación.
Categorías de
la Inteligencia
Artificial
La prueba de Turing evitó interrogador pase objetos físicos a través de la escotilla. Para pasar la prueba
COMO HUMANOS:
simulación física de una - Robótica para moverlos.
persona no es necesaria
para la inteligencia. Sin La cuestión de actuar como humano surge principalmente cuando los
embargo, la llamada prueba programas de IA tienen que interactuar con las personas, por ejemplo, cuando
total de Turing incluye una un sistema experto explica cómo llegó a su diagnóstico o cuando un sistema
señal de video para que el de procesamiento de lenguaje natural tiene un diálogo con un usuario.
interrogador pueda evaluar
las habilidades de percepción
Estos programas deben comportarse de acuerdo con ciertas convenciones
normales de interacción humana para hacerse entender. La representación
EL ENFOQUE DE
del sujeto, así como la
oportunidad para que el
y el razonamiento subyacentes en dicho sistema pueden o no basarse en un
modelo humano. MODELADO COGNITVO
Cuando se habla sobre comportamiento de entrada/ con otros investigadores
un programa que piensa salida y sincronización del de la misma época (como
como un humano, se debe programa coincide con el Wang,1960), a quienes
de tener alguna manera de comportamiento humano, les preocupaba obtener
determinar cómo piensan los eso es evidencia de que las respuestas correctas
humanos. Se necesita entrar algunos de los mecanismos independientemente
en el funcionamiento real de del programa también de cómo los humanos
las mentes humanas. Hay pueden estar operando pudieran hacerlo. El campo
dos formas de hacer esto: a en humanos. Por ejemplo, interdisciplinario de la ciencia
través de la introspección, Newell y Simon, quienes cognitiva reúne modelos
tratando de captar los desarrollaron el GPS, el de computadora de IA y
propios pensamientos a “Solucionador General de técnicas experimentales
medida que avanzan, o Problemas” (Newell y Simon, de la psicología para
mediante experimentos 1961), no se contentaron con tratar de construir teorías
psicológicos. que su programa resolviera precisas y comprobables del
problemas correctamente. funcionamiento de la mente
Una vez se tiene una Estaban más preocupados humana.
teoría de la mente lo por comparar el rastro de sus
suficientemente precisa, pasos de razonamiento con
es posible expresar la rastros de sujetos humanos
teoría como un programa que resolvían los mismos
de computadora. Si el problemas. Esto contrasta
16 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 17
esta tecnología será una de las Adaptativo: el sistema debe reflejar lacapacidad
Tecnologías
cinco principales prioridades de adaptación (como lo hace elcerebro) a
de inversión para más del 30% cualquier entorno. Debe ser dinámico en la
de los CIO en todo el mundo. recopilación de datos y la comprensión de los
objetivos y requisitos.
relacionadas con
Interactivo: el sistema cognitivo debe poder
interactuar fácilmente con los usuarios para que
puedan definir sus necesidades cómodamente.
CARACTERÍSTICAS REQUERIDAS Del mismo modo, también debe interactuar con
PARA UN SISTEMA COGNITIVO otros procesadores, dispositivos yservicios en
la Inteligencia
la nube.
Artificial
computación cognitiva debe tener
las siguientes características: proporcione al sistema la información
suficiente y que las fuentes de datos
en las que opera brinden información
confiable y actualizada.
Contextual: C a p a c i d a d p a r a
comprender,identificar y extraer
elementos contextuales como el
significado, la sintaxis, el tiempo, la
ubicación, el dominio apropiado, las
regulaciones, el perfil del usuario,
el proceso, la tarea y el objetivo.
Debe recurrir a múltiples fuentes
de información, incluidas la digital
COMPUTACIÓN
estructurada y la no estructurada.
COGNITIVA
ESCENARIO ACTUAL DE
LOS SISTEMAS COGNITIVOS
IMB WATSON
DATA
PYTHON
SCIENCE
interpretado, de alto nivel y orientado a
objetos. El enfoque de Python está en la
legilibidad y la velocidad. Su sintaxis simple
y fácil de usar enfatiza la legibilidad, su
amplia biblioteca de módulos y paquetes
conlleva la velocidad de desarrollo y
la orientación a objetos fomenta la
modularidad del programa y la reutilización
del código. Al ser un lenguaje de código
abierto, tiene una gran comunidad y es
ampliamente adoptado. Gracias a esto se
ha convertido en uno de los lenguajes de
más rápido crecimiento. Python también
admite visualizaciones de datos y trazado
basados en datos reales.
PLATAFORMA SAS
La Ciencia de Datos o La Ciencia de Datos está
Data Science es un campo en continúa evolución y
interdisciplinar enfocada a actualmente, está ganando
La plataforma SAS hace
extraer conocimiento de los tracción rápidamente
que el análisis sea accesible
datos en sus diferentes formas, gracias al desarrollo de la
para cualquiera que busque
estructurados o no estructurados. inteligencia artificial que ofrece
información a partir de datos,
oportunidades desafiantes a esta
independientemente de
Las disciplinas involucradas son ciencia.
su habilidad o experiencia,
varias, matemáticas, estadística,
a través de una interfaz
aprendizaje automático,
completa.
programación, minería de datos,
analítica, visualización de datos,
También maneja problemas
reconocimiento y aprendizaje de
analíticos de cualquier
patrones, almacenamientos de
tamaño o complejidad
datos, computación en la nube, ...
con un amplio conjunto
de métodos probados. Se
ejecuta en una nube, en el
sitio o en un entorno híbrido.
Se implementa sin problemas
en cualquier infraestructura o
ecosistema de aplicaciones,
y se adapta al espectro
completo de desafíos de
datos y análisis que enfrenta,
SOLUCIONES DE DATA SCIENCE
y adopta la tecnología de
código abierto con interfaces
para código gobernado
PROGRAMACIÓN EN R consistente.
MACHINE LEARNING
filtrado de SPAM de Google: incluyen caras: se introducen recompensas, y penalizaciones.
el usuario ayuda a identificar fotografías con o sin caras Creará la mejor estrategia
a Gmail cuáles son los para que la máquina sea posible (políticas) para obtener
correos electrónicos que capaz de diferenciarlas. la mayor recompensa posible
contienen SPAM. Llegado a un en tiempo y forma. Estas
relevantes para la campaña clientes se establecen modelos Análisis en tiempo real: con
en cuestión y aprender del que estiman la probabilidad el objetivo de obtener una
perfil y del producto o servicio de que una transacción respuesta inmediata ante
anunciado para establecer las sea fraudulenta, basándose un disparador externo. La
MACHINE LEARNING O
características que aumentan en transacciones similares información puede provenir
APRENDIZAJE AUTOMÁTICO la tasa de acierto para cada realizadas anteriormente. de sensores, reacción ante
usuario. un evento de compra,
Optimización de precios: por incidencia en una planta de
Motores de recomendación: ejemplo, en el sector financiero, generación de energía, etc.
el uso de machine-learning con el fin de establecer una Si, además, se tiene acceso al
Las máquinas son capaces Learning o Aprendizaje de datos). El algoritmo de proporciona una mejor tasa de interés acorde a seguimiento de los resultados,
de aprender por sí solas dirigido: en el que los Aprendizaje automático recomendación sobre los cada cliente en concreto, se se pueden modificar/
y auto programarse datos utilizados para el (y más concretamente de productos y una personalización estudia el histórico de tasas reentrenar los algoritmos
aprendiendo de su propia entrenamiento de la máquina Aprendizaje supervisado) lo de la oferta. Para ello, es aceptadas o rechazadas por semiautomáticamente
experiencia, combinando incluyen la solución deseada, procesa y extrae un modelo. necesario basarse en el histórico ese cliente en particular, y para adecuarse a nuevas
datos de entradas y llamada “etiquetas” (labels). Con este modelo, cada vez de transacciones, opiniones, se cruza dicha información condiciones. Este caso de uso
situaciones del mundo real. Mediante este método, el que se introduce un nuevo frecuencia de compra, gustos, con su posición financiera y puede servir, por ejemplo, para
Dentro del Machine Learning sistema de IA recibe un dato la máquina es capaz de etc. del usuario y enriquecer con datos macroeconómicos incrementar la productividad
hay que diferenciar entre estímulo o ejemplo (lo que dar una respuesta. la información con datos de y sociodemográficos que en el sector industrial. También
varios métodos: Supervised se conoce como parseo Un caso práctico sería, usuarios similares en cuanto ayuden a establecer las se está aplicando en otros
a perfil de consumo y perfil correlaciones entre las sectores como el energético,
sociodemográfico. variables. con el fin de prevenir posibles
Fraude y seguridad: mediante picos de consumo y actuar en
el histórico de transacciones de consecuencia.
26 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 27
DISPOSITIVOS
ROBÓTICOS
La robótica (ciencia encargada
de los dispositivos robóticos)
y la inteligencia artificial
tienen propósitos diferentes,
pero pueden coincidir en
un punto intermedio, donde
se encuentran los Robots
Inteligentes.
Artificial
Robotics
Intelligence
EJEMPLOS DE
Artificially PROYECTOS ROBÓTICOS
Intelligente
Robotics
Aplicaciones
recuperar información sobre experiencias sensoriales para
un entorno determinado. adaptarse a su entorno y así
Normalmente suelen poder encontrar soluciones a
traducir esa información, los desafíos que presenta la
que los humanos perciben realidad que perciben.
de la Inteligencia
a través de sus sentidos, a Esta capacidad de
un lenguaje entendible por improvisación es
máquinas. Los sensores y los fundamental en el siguiente
sistemas que integran son tipo de robots: los médicos o
el primer paso para crear quirúrgicos.
Artificial
sistemas automatizados Partiendo del axioma de
más eficientes, gracias al que no hay enfermedades
análisis del entorno, pero los sino enfermos y que cada
sensores, en combinación caso médico es diferente
con la inteligencia artificial al anterior, programar una
pueden tener más intervención quirúrgica es
aplicaciones. algo bastante complicado,
por no decir imposible. Y sin
Gracias a la tecnología de embargo existen robots que
sensores las inteligencias asisten a personal médico en
ROBÓTICA
artificiales pueden sentir, algunas de las intervenciones
ver, oler, oír o saborear casi más problemáticas, no
como lo haría un humano porque estén programados
y reconducir sus tareas de para ello sino porque saben
acuerdo a su experiencia reaccionar a los entornos
sensorial. cambiantes.
Los seres humanos, como
SIMULACIÓN
submarinos.
En este caso, las inteligencias
artificiales les ayudan a
orientarse en el entorno o a
EXPERIMENTAL
mantener el equilibrio cuando
así lo requieran.
RPA
también en sus potenciales
El conocimiento que la IAs almacenan aplicaciones prácticas, simular
después de miles de sesiones de el mundo real no es lo mismo
simulación puede ser trasladado que experimentar en él.
al mundo real sólo con unos leves
ajustes. Simular el mundo real en Como vemos en el siguiente Un RPA (Robotic Process Automation), es un
un entorno virtual y dejar que una IA gráfico elaborado por el equipo sistema de automatización de procesos,
interactue con el mismo con el fin de de Google de IA, las inteligencias tecnología de rápido crecimiento que
aprender a reaccionar de acuerdo que mejor comprenden la permite a las empresas implementar
con el entorno, no es una técnica realidad son aquellas que sistemas de software inteligentes o “robots”
utilizada únicamente en el campo de experimentan el mundo real en de software, que imitan las acciones de los
la conducción autónoma. De hecho, combinación con el simulado. usuarios humanos. Se puede instaurar en una
la simulación experimental es un amplia gama de industrias, en las que las
componente esencial en todo aquello Si bien es cierto que personas realizan tareas repetitivas de gran
que implique aprendizaje. existen diferencias entre volumen, liberando a estas para que puedan
la Inteligencia Artificial y la realizar tareas de mayor valor.
El ejemplo de la simulación de entornos simulación de procesos
reales por ordenador para enriquecer cognitivos, también existe una RPA engloba tres conceptos: Softwares de
inteligencias artificiales es perfecto influencia mutua entre ambas RPA, Tecnología Cognitiva e Inteligencia
para ilustrar lo que está ocurriendo disciplinas. De este modo ha Artificial. Es una gran alternativa para reducir
en el campo de la experimentación aparecido en los últimos años o eliminar cargas de trabajo de las personas
científica. Del mismo modo que una una nueva ciencia que aúna en grandes procesos de back-office (Procesos
máquina necesita experimentar ideas de ambas disciplinas: la repetitivos de finanzas, contabilidad, rrhh,
(o lo que es lo mismo: plantear una ciencia cognitiva. etc) que se puede integrar de forma poco
hipótesis, ponerla en práctica y invasiva en los entornos IT de las empresas,
medir los resultados) los humanos con casi cualquier aplicación existente en un
necesitamos de la experimentación proceso. Algunos ejemplos de uso son:
no sólo para aprender sino para
comprender nuestro entorno.
Administración de
proveedores.
36 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 37
VIRTUAL
realización de tareas repetitivas de y que pueda ayudar al usuario de
manera automática en cuestión de forma puntual sin que éste se entere
minutos o segundos. que ya no está tratando con el robot.
L
aquellos agentes humanos cuyas de este tipo de sistemas están
tareas puedan ser realizadas por la Create test,
and deliver new
Eliminate copy/
paste mistakes
Fullfill automated
tasks in seconds
Develop automations
quickly with simple
a principal función de los acostumbrados a buscar información
inteligencia artificial. El seguimiento automations in introduced by or minutes, round record/playback asistentes virtuales es ayudar por internet y a realizar la mayor parte
de las tareas de la inteligencia
days or weeks. swivel chair
integration.
the clock functions.
a los usuarios a resolver sus de tareas mediante servicios web.
artificial puede ser hacerse gracias dudas y a realizar determinadas
a la integración de una interfaz Fuente: IBM acciones como reserva de Actualmente todo esto puede
gráfica (GUI) de fácil uso. billetes, compra de productos hacerse posible gracias a los
y consulta de información de avances que se han producido
Los RPAs no sólo optimizan los cualquier tipo entre otras. en los últimos años relacionados
procesos repetitivos, sino que con la inteligencia artificial (IA), el
además permiten una mejor La interacción entre un usuario y procesamiento del lenguaje natural
Se estima que mientras en 2016 un asistente virtual debe basarse
recolección de datos sobre (NPL) y el aprendizaje de máquinas
la inversión en este tipo de en estos seis principios básicos:
los mismos. Cuando un RPA (ML).
sistemas apenas llegaba a 250
gestiona preguntas realizadas por
millones de dólares, en 2021 se - Conexión desde múltiples
clientes, peticiones del personal El procesamiento del lenguaje
multiplicará hasta los 2.9 mil dispositivos: Un cliente que
de la empresa ocualquier otro tipo natural es una rama de la
millones de dólares. utiliza un servicio basado en
de tarea, extrae información,la Inteligencia Artificial que permite
clasifica y la pone a disposición de asistencia virtual debería poder entender el significado de las frases
Mucho se ha especulado hacerlo desde cualquiera de
futuros usos,todo ello de manera pronunciadas por un usuario. Esto
sobre como los robots, las los dispositivos inteligentes que
automática, haciendoinnecesaria la tiene aún al gu n a s limita c ion e s
inteligencias artificiales y, utiliza: smartphones, tablets,
inspección, previa o posterior, de un pri nci pal m ente d e b ido a la
específicamente, las RPAs, portátiles, ordenadores, etc.
agente humano. ambigüedad inherente al
reemplazarían a los humanos
lenguaje humano.
en los puestos de trabajo menos - Atención 24/7: Los servicios
Que un RPA sea capaz de
cualificados. Sin embargo, de atención al cliente tradicion-
gestionar en cuestión de En este proceso intervienen
muchos investigadores ales tienen horarios de atención y
segundos grandes cantidades de muchas tecnologías derivadas
apuestan porque el uso de los los usuarios solicitan información
información, con el consiguiente de la inteligencia artificial como el
RPAs no supondrá una gran en cualquier momento.
ahorro en costes, ha atraído la Reconocimiento Automático del
pérdida de puestos de trabajo
atención de empresas de todos Habla (ASR – Automatic Speech
sino la reorientación de la masa - Comunicación fluida: El
los sectores. Recognition), la Comprensión del
laboral hacia tareas creativas. asistente deberá ser capaz de Lenguaje Natural (NLU – Natural
entender lo que se le está pidiendo Language Understanding), Texto a
mediante una conversación Locución (TTS – Text to Speech) o
hablada, no solo saber qué Respuesta de Voz Interactiva (IVR -
palabras han sido pronunciadas. Interactive Voice Response). Todas
Gracias a los avances en estas tecnologías llevan a crear una
Inteligencia Artificial y en NPL experiencia de usuario personalizada
(Procesamiento del Lenguaje e inteligente dando la impresión
Natural) ya no es necesario teclear de que se está tratando con una
para que un asistente entienda lo persona.
que se le pide.
Por otro lado, los avances en
- Facilidad de uso: El sistema Machine Learning consiguen que
debe ser fácil de utilizar sin las aplicaciones aprendan a medida
complicaciones para el usuario. que son utilizadas. Los asistentes
virtuales utilizan esta tecnología para
- Eficiente al encontrar aprender a realizar nuevas preguntas
las respuestas adecuadas: El y obtener más información si en
asistente virtual deberá encontrar ocasiones anteriores la necesitaban,
la información que el usuario pero no estaban en su base de
necesita o realizar las acciones conocimiento.
que éste le solicite sin errores. Si
un asistente virtual no es capaz
38 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 39
encargados del análisis de datos Aprendizaje no supervisado: presenta a la red. También se predecir un cierto resultado.
REDES
han evaluado millones de conjuntos Los datos de entrada se utilizan llama Aprendizaje por Lotes.
de datos, combinándolos entre sí, para entrenar a la red cuya Amprendizaje en linea: El Existen diferentes arquitecturas
y decidido si la imagen que se les salida se conoce. La red clasifica ajuste del peso y del umbral se para las redes neuronales que
presenta es lo que buscan o no. Sus los datos de entrada y ajusta realiza después de presentar se diferencian en como fluye la
NEURONALES
exámenes son evaluados y aquellos el peso por extracción de cada muestra de formación a información entre los tres inputs
bots de análisis con el índice de características en los datos de la red. de la red. Estos son los modelos
acierto más bajo son descartados entrada. más frecuentes:
mientras que los que aciertan más Aprendizaje de refuerzo: Por todo lo anterior se
frecuentemente son utilizados en el Aquí el valorde la salida es puede decir que las Modelo de Perceptrón en
diseño de la siguiente generación desconocido, pero la red redes neuronales han Redes Neuronales. La red
de bots analizadores. Éste es un proporciona la regeneración ido apartándose de su neuronal tiene dos unidades
proceso que se repite hasta que se si la salida es correcta o incor- concepción inicial cercana de entrada y una de salida sin
C
consigue un determinado objetivo recta. Es Aprendizaje Semi- a la biología para centrarse capas ocultas. Estos también se
omo ya se ha comentado piensan. de índice de acierto o se reduce el Supervisado. en un enfoque basado en las conocen como “perceptrones de
anteriormente, las redes Esto se debe a que el proceso índice de fallo. Debido a que todo Aprendizaje fuera de matemáticas, la probabilidad una sola capa”.
neuronales vienen de la idea de diseño de redes neuronales el proceso, desde la construcción línea: El ajuste del vector de y la estadística. Se basan Función de base radial Red
de imitar el funcionamiento de las es un largo proceso basado en de los robots analizadores hasta peso y el umbral se realiza en una idea sencilla: dados neuronal. Estas redes son simi-
redes neuronales de los organismos tres entidades fundamentales. su evaluación, pasando por el sólo después de que todo el unos parámetros hay una lares a la red neuronal de ret-
vivos: un conjunto de neuronas Pongamos el ejemplo de análisis de las imágenes, es repetido conjunto de entrenamiento se forma de combinarlos para roalimentación, excepto que se
conectadas entre sí y que una red neuronal que será utiliza la función de base radial
trabajan en conjunto, sin que como función de activación de
haya una tarea concreta para estas neuronas.
cada una. Con la experiencia, Red neuronal multicapa de
las neuronas van creando y
Perceptron. Estas redes utilizan
reforzando ciertas conexiones más de una capa oculta de
para “aprender” algo que neuronas, a diferencia del
se queda fijo en el tejido, del perceptrón de una sola capa.
mismo modo que ocurre en Estas también se conocen como
los cerebros humanos. Las redes neuronales de alimentación
redes neuronales, por tanto, son profunda.
una parte fundamental de los Biological neurons or nervecells Silicon transistors
Red Neural Recurrente.
procesos basados en Machine 200 billion neurons, 32 trillion 1 billion byte RAM, trillion of byts Tipo de red neuronal en la que
Learning. interconnections in disc.
las neuronas de capa oculta
tienen autoconexiones. Las redes
La siguiente cuestión es obvia: Neuron size: 10 - 6 mm Single transistor size: 10 - 9 mm
neuronales recurrentes poseen
si una red neuronal virtual está Energy cosumption: 6 - 10 joules Energy consumption: 10 - 16 memoria. En cualquier caso, la
diseñada para replicar las per sec. joules peroperation per second
neurona de la capa oculta recibe
redes neuronales animales, la activación de la capa inferior,
Learning capability Programming capability
¿Podría una máquina pensar así como su valor de activación
como un ser vivo? Nada más anterior.
lejos de la realidad. Las redes Fuente: Xenonstack
Red Neural de Memoria a
neuronales virtuales están Largo Plazo y Corto Plazo (LSTM). El
diseñadas para analizar tipo de red neuronal en la que la
grandes volúmenes de datos, célula de memoria se incorpora
ejercicio que les sirve para a las neuronas de capa oculta se
extrapolar “enseñanzas” que denomina red LSTM.
luego aplican en sus tareas. usada para el reconocimiento millones de veces, es imposible Red Hopfield. Una red com-
Algunas de estas tareas de ciertas pautas visuales o determinar cuáles fueron pletamente interconectada de
son el análisis de imágenes, imágenes. los factores que ayudaron a neuronas en la cual cada neu-
la traducción de textos, el Para alcanzar este fin participan las inteligencias artificiales a rona está conectada a cada otra
reconocimiento del habla tres tipos de bots: uno que mejorarse a sí mismas. Aunque neurona. La red se entrena con un
y muchas tareas más. Las construye (imput layer) los este es el esquema básico patrón de entrada estableciendo
redes neuronales usan una bots que a su vez analizan los del aprendizaje en las redes un valor de neuronas al patrón
aproximación basada en el datos (hidden layer), en este neuronales hay diferentes deseado. Luego se calculan sus
ensayo y error y lo hacen de caso imágenes (el tipo de dato formas de llevarlo a cabo: pesos. Los pesos no se modifican.
manera autónoma. dependerá de la aplicación final Una vez entrenados para uno o
de la red neuronal) pudiendo los Aprendizaje supervisado: más patrones, la red convergerá
El volumen de datos que una evalúan y deciden si la imagen En el aprendizaje supervisado, hacia los patrones aprendidos. Es
red neuronal analiza es tan que ven se corresponde con lo los datos de formación se diferente de otras redes neu-
grande que los humanos no que buscan o no y finalmente introducen en la red y se ajustan ronales.
sabemos realmente cómo un bot que determina los índices los pesos de salida deseados
“piensa” una inteligencia de acierto de los bots de análisis hasta que la producción
artificial dotada de esta (output layer). produce el valor deseado.
tecnología. Lo único que
podemos hacer es validar Las redes neuronales son capas
su conocimiento. Es más, superpuestas de millones
ni siquiera las IAs con redes de tests en los que los bots
neuronales saben cómo
40 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 41
HERRAMIENTAS DE
Boltzmann. parece seguir una dirección de análisis diferente y
Estas redes son similares a la completamente original, es decir, lo que funciona
red de Hopfield excepto que para una no parece funcionar para la siguiente.
algunas neuronas son introdu-
PERSONALIZACIÓN,
cidas, mientras que otras están
ocultas en la naturaleza. Los
pesos se inicializan aleatoria-
mente y se aprenden mediante
un algoritmo de retropropa-
ENTENDIMIENTO DEL
gación.
Red Neural
Convolucional. La arquitectura
COMPORTAMIENTO
de estas redes neuronales
está diseñada para imitar a las
neuronas de la corteza visual
primaria de un cerebro animal.
HUMANO,
Red Neural Modular.
Es la estructura combinada de
diferentes tipos de la red neuronal
como el perceptrón multicapa,
SEGMENTACIÓN
lared Hopfield, la red neuronal
recurrente, etc., que se incorporan
como un único módulo a la red
para realizar.
RECONOCIMIENTO
DE PATRONES
Uno de los usos más extendidos de la que el 50% de los consumidores cambiaría
inteligencia artificial es el análisis de grandes de marcas si éstas no saben anticipar sus El reconocimiento de patrones es la ciencia Reconocimiento de caracteres escritos a
conjuntos de datos con el fin de extraer preferencias de consumo. que se ocupa de los procesos sobre mano o a máquina.
patrones de comportamiento humano que ingeniería, computación y matemáticas
permitan segmentar la oferta de productos o Así pues, es fundamental para las empresas relacionados con objetos físicos o
servicios de una determinada compañía. de hoy en día conocer a sus clientes, así como abstractos, con el propósito de extraer Reconocimiento de voz.
generar medios para relacionarse con ellos o información que permita establecer
Los consumidores, al interactuar online, personalizar su oferta. En la práctica esto se propiedades de entre conjuntos de dichos Aplicaciones en medicina: análisis de
generan datos que pueden ser recolectados, traduce en la recomendación personalizada de objetos. biorritmos, detección de irregularidades en
clasificados y usados. Dado que la cantidad productos, la optimización de las campañas de imágenes de rayos-x, detección de células
de conjuntos de datos y el volumen de marketing, la programación de campañas de Dentro del ámbito de la inteligencia infectadas, marcas en la piel...
estos no paran de crecer, la asistencia de publicidad de acuerdo con los horarios de sus artificial, el reconocimiento es utilizado por
Inteligencias Artificiales se está convirtiendo clientes, incentivos de compra individualizados tecnologías como el procesamiento del
en indispensable. De hecho, se estima que o el uso de asistentes virtuales o humanos a lenguaje natural y la visión computacional, Reconocimiento de huellas dactilares.
las técnicas de computación basadas en IA los que se les provee de antemano de toda la con el fin de automatizar la identificación de
se convertirán en un importante factor en información que necesitan. patrones simples o estructurados y modelar Reconocimiento de caras: utilizado para
la toma de decisiones, quizá el que más. Las diversos procesos perceptuales como lo son contar asistentes en una manifestación o
inteligencias artificiales no sólo permiten el El modo en que la IA puede conseguir estos la visión y la audición. simplemente para detectar una sonrisa.
análisis de patrones de comportamiento y, por resultados es mediante la recolección de datos,
tanto, el diseño de perfiles de usuarios, sino que su curación, análisis y uso. Las IA son capaces El uso de reconocimiento de patrones se Interpretación de fotografías aéreas y
también pueden servir para sugerir campañas de recolectar datos sobre compras pasadas, ha visto reflejado en terapias de lenguaje de satélite: gran utilidad para propuestas
de publicidad personalizadas y crear datos públicos de redes sociales tales como mediante el reconocimiento de la voz y militares o civiles, como la agricultura,
experiencias de consumo satisfactorias para las opiniones sobre un producto o servicio, sonidos, en las imágenes de rayos X, de geología, geografía,planificación urbana...
los clientes. Son los propios consumidores los historiales de navegación, por citar unos pocos positrones y de resonancia magnética
que demandan una oferta más personalizada. ejemplos. nuclear (RMN), de ultrasonido. Predicción de magnitudes máximas de
De hecho, un informe de SalesForce señala terremotos.
Los sistemas de reconocimiento de patrones
tienen diversas aplicaciones. Algunas de las Reconocimiento de objetos: con
más relevantes y utilizadas actualmente son: importantes aplicaciones para personas con
discapacidad visual.
Previsión meteorológica: poder clasificar
todos los datos meteorológicos según diversos Reconocimiento de música: identificar el tipo
patrones. de música o la canción concreta que suena.
VEHÍCULOS
AUTÓNOMOS
la idea de un vehículo autónomo fue en la Exposición universal de 1939, donde Norman Bel
Geddes, mostró un vehículo eléctrico que era controlado por un circuito eléctrico embebido en el
pavimento de la carretera.
Desde ese día hasta la actualidad el concepto de vehículo autónomo ha evolucionado mucho y
es que hoy en día la mayoría de las compañías automovilísticas ya trabajan en sus propios mod-
elos autónomos. Se espera que para 2030 los vehículos autónomos sean mayoría, al menos en vías
rápidas y entornos urbanos. Su llegada supondrá una transformación revolucionaria no solo de la
44 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 45
movilidad, sino también de la legislación, de la fisonomía de las ciudades o incluso del con-
cepto que se tiene de propiedad.
autonomous
created an autonomous at a maximum speed dotar de sentido a conjuntos de datos
cars had already
car that was equipped of 180km/h, with 95%
La mayor parte de los dispositivos de inteligencia que de otra manera no serían más que
informaciones inconexas.
of the drive being fully
artificial poseen la capacidad de recolectar datos
with two cameras that
started.
used analogue computer autonomous.
system.
of other sensors and software,
del consumidor es esencial para aumen-
tar las ventas.
drove more than 90km/h for
roughly 20km.
Pero el uso de la inteligencia artificial en
combinación con los dispositivos IoT no
se limita al campo del análisis del com-
portamiento del consumidor ya que los
dispositivos IoT también pueden ser
1920’s 1939 1953 1958 1977 1979 1987 1994 1995 1995
utilizados para monitorizar pro-
cesos industriales.
University
de suministro. Mediante el análisis
a 1958 Chevrolet with
achieving an
consiguen los siguientes beneficios.
wire embedded in the manoeuvre trough in simulated traffic;
idea public exposure.
a chair-filled room autonomous
road and would adjust and could recognize
for about 5 hours droving
the steering wheel road markings, it’s
with out human percentage
accordingly. relative position
intervention. of 98%
in the lane, the
presence of other
it was safe to
change lanes.
Optimización de las funciones
Fuente: Get of road individuales de la cadena de suministro.
BANCA
APLICACIONES
SECTORIALES DE
Métodos como el machine GESTIÓN DE FRAUDE la enorme cantidad de datos
learning o el Deep learning que fluyen, evitar las pérdidas de
están ayudando a las manera más efectiva y brindar
entidades en numerosos una mejor experiencia al cliente,
campos operativos. Y La crisis internacional de 2007 ya que se rechazan o retrasan
LA IA
lógicamente, las APIs tuvo consecuencias importantes menos pedidos.
especializadas son el punto en la forma en la que las enti-
de partida de cualquier dades financieras, de inversión Hay una gran cantidad de datos
transformación. Gracias a o comerciales, medían el riesgo adjuntos a cada transacción,
ellas los bancos pueden en sus operaciones de negocio. hay fuertes tendencias que se
crear productos finalistas Mientras que hoy en día sólo un pueden encontrar en patrones
que aporten valor a la 15% del control de riesgo bancario de compra y hábitos, y hay
entidad y sus clientes: recae en la analítica, en 2025 ese una respuesta al final del día:
permiten extraer datos porcentaje crecerá hasta el 40%. una transacción se cobrará de
LA IA VA A TRANSFORMAR ESTRATEGIAS Y MODELOS OPERATIVOS DE COMPAÑÍAS, relevantes de Big Data, nuevo, o no. Esto significa que
búsqueda de patrones Forrester ya publicó un informe etiquetar los datos y dar retroal-
CON MEJORAS SIGNIFICATIVAS EN LOS MODELOS DE PRODUCTIVIDAD COMO
que faciliten ofertas más en 2015 titulado “Stop Billions imentación a la máquina, que es
IMPACTO INICIAL DE SU APLICACIÓN. personalizadas, ajustes in Fraud Losses with Machine la forma en que aprende a ser
de precios o detección de Learning” donde decía que “los más preciso con el tiempo.
procesos de fraude bancario. mecanismos heredados de Como la máquina se acerca a
gestión del fraude fracasan en la los datos de forma objetiva y, por
Las tres preguntas clave en el economía actual”. naturaleza, está equipada para
uso de la inteligencia artificial El machine learning hace que la manejar grandes cantidades de
y en concreto del machine detección de fraudes sea más datos, puede detectar tenden-
learning, para la definición precisa, más escalable y mu- cias y enlaces que los humanos,
de productos y servicios y cho más rápida. Las empresas cuya visión es más limitada, no
la necesaria segmentación pueden mantenerse al día con pueden ver.
de los clientes es de dónde
vienen, dónde están y hacia
dónde van los usuarios de
banca. Para ello es obligada
la creación de un modelo
predictivo que sea interpret-
able por los equipos de
operaciones, con el cliente en
el centro de la lógica de ne-
gocio y que motive acciones
concretas. La idea es definir
Un 45% de las ganancias encuentran en fases de desarrollo servicios que se ajusten a las
económicas proyectadas para poco maduras, la IA es percibida necesidades e intereses de los
2030 van a venir derivadas por prácticamente la totalidad de clientes, tanto en el estudio de
de la aplicación comercial de los directivos de las compañías los hábitos de consumo como
soluciones de IA, a través de como una herramienta de los canales donde los usu-
mejoras y mayor variedad en fundamental para obtener una arios de banca muestran un
productos, y modelos de marketing ventaja competitiva respecto a los mayor compromiso.
y comercialización mucho más competidores.
personalizados y efectivos que
los actuales. A nivel global, el 72% En los próximos años se prevé
de los directivos cree que la IA será que, gracias al desarrollo de
la ventaja competitiva del futuro nuevos algoritmos, emergerán
y más de un 60% anticipa que la modelos de negocio
aplicabilidad de estas tecnologías disruptivos que forzarán a las
sobre la experiencia de cliente es empresas a comprender que
mayor que sobre el resto de las la trasformación digital no es
iniciativas en su organización. tan solo una tendencia, sino que
Pese a que la mayoría de los es esencial para seguir siendo
negocios no tienen implantados competitivos.
sistemas de IA complejos o se
48 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 49
GESTIÓN DE RIESGOS
OFICINAS VIRTUALES
RETAIL
la próxima revolución digital
(como ya ocurrió en su mo-
mento
con los smartphones) y los
bancos no quieren quedarse
atrás en este nuevo paradig-
ma. De hecho, se espera que
el uso de chatbots y asistentes En el mundo del retail, la automatización inteligente basada en la IA ya
virtuales sea una de las palan- está generando crecimiento gracias a una serie de características que
cas más importantes emplea- tienen poco en común con las soluciones de automatización tradicion-
das este año por el área de ales.
marketing de los bancos. La primera de esas características es su capacidad de automatizar
COMO ACTÚAN complejas tareas del mundo físico que requieren adaptabilidad y agili-
LAS REGTECH dad.
El 51% de los consumidores
tienen asistentes de voz y, de La segunda característica de la automatización inteligente basada en la
ellos, el 28% realiza pagos y IA es su capacidad de resolver problemas relacionados con diferentes
Cumplimiento normativo: tanto regulaciones envía dinero a través de este industrias y tipos de trabajo.
al sector, como normas de la propia entidad. sistema.
Detectando posibles faltas y generando Y finalmente, la tercera característica de la automatización inteligente
informes de cumplimiento. La tendencia va a ir en rápido (y la más potente) es el autoaprendizaje, algo que se consigue mediante
aumento pues el 31% de la reproductibilidad a escala. La capacidad de autoaprendizaje de la
Análisis de transacciones y prevención de los consumidores usará IA supone un cambio fundamental: mientras que el capital de automa-
fraudes: asistentes de voz en lugar tización tradicional pierde rendimiento con el tiempo, los activos de
de visitar una tienda o una automatización inteligente no dejan de mejorar.
- Cumplimiento de normativas KYC oficina bancaria en el plazo
(Know Your Customer): conocer al cliente y la de tres años. Para entonces,
procedenciade sus fondos. los asistentes por voz serán la
- Cumplimiento de normativas AML (Anti
ENRIQUECIMIENTO
forma dominante de consumo
Money Laundering): evitar blanqueo de capitales y los compradores se gastarán DEL CAPITAL
y financiación de terrorismo. hasta un 500 por ciento más
que ahora por esta vía.
Análisis de clientes y movimientos: mejorar la Una buena parte del crecimiento económico
experiencia de usuario. basado en la IA no se deberá a la sustitución
del capital y el trabajo existentes, sino al hecho
Flexibilidad: las aplicaciones RegTech deben ser de que permite usarlos con mucha más efica-
rápidamente actualizables a los futuros cambios cia. Por ejemplo, la IA permite que las personas
normativos. se concentren en aquellos aspectos de su
trabajo que generan más valor. Además, de
Análisis de riesgo: predecir cambios bruscos ser una tecnología que enriquece el trabajo, ya
en los precios de los activos, anticipándose a que complementa las capacidades humanas
posibles amenazas en los mercados. y ofrece a los empleados nuevas herramientas
con las que pueden aumentar su inteligencia
natural.
52 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 53
VENTA ONLINE
RECOMENDACIONES
SERVICIO AL CLIENTE
APOYADO POR
CHATBOTS
Ligado al apartado
anterior, se encuentran las
recomendaciones y es que,
personalizar el website en Actualmente, los bots
tiempo real cuando el cliente
conversacionales ya apoyan Conforme las tecnologías de procesamiento
está navegando, generando
recomendaciones de a algunas empresas en áreas de lenguaje natural se van refinando, los bots
productos según sus gustos como servicio al cliente o conversacionales son cada vez más capaces
y ofreciendo una respuesta actuando como asistentes de de sostener conversaciones fluidas con
efectiva e inmediata desde ventas en redes sociales. usuarios humanos, ofreciendo una alternativa
los centros de atención al más eficiente y económica a los call centers e
cliente. implementando nuevos canales de venta.
LA IMPORTANCIA DE LA IA EN
CUSTOMER EXPERIENCE
TURISMO
A LOS CLIENTES
Además del ahorro de costes, los chatbots La inteligencia artificial (IA), a través del una huella digital cada vez más completa. Cada
también ahorran tiempo, una media de 4 “machine learning” y de la técnica conocida interacción en las redes sociales, en la web o en los
minutos por consulta en comparación con las como “deep learning”, permite crear sistemas de mensajería aportan datos que permiten
formas tradicionales de atención al cliente. algoritmos que replican la lógica que se sigue conocer gustos, tendencias, preferencias, etc.
en la vida antes de tomar una decisión. La
También están cambiando las formas en que gran diferencia es que en lugar de preguntar Todos esos datos entrenan en los algoritmos para
las marcas se mantienen en contacto con a dos o tres personas, la inteligencia artificial que encuentren patrones, aprendan de ellos y sean
sus clientes y fomentan la lealtad de marca permite hacer consultas que equivaldrían a capaces de hacer nuevas relaciones. En el caso
entre los clientes. Además, usan su inteligencia hablar con más de una persona. de los sistemas de recomendación aprenden a
en la misma medida mientras ayudan a los encontrar y escoger una nueva propuesta para
clientes con la mejor respuesta posible, y es Los sistemas de recomendación, como cada usuario. La mayoría de las recomendaciones
que los clientes buscan soluciones rápidas y todos los sistemas de inteligencia artificial, funcionan principalmente de acuerdo con tres
sin fricción, y los chatbots ayudan en el mismo se alimentan de datos. El hecho de que hoy modelos basados en: la popularidad, en el contenido
contexto. la IA sea más tangible que nunca se debe y en el histórico de los usuarios.
precisamente a que los usuarios generan
56 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 57
OPTIMIZACIÓN DE LOS
RECURSOS DE LA CIUDAD
CONTROL DE LA
INDUSTRIA
CONTAMINACIÓN
En el ámbito industrial, la robótica y la
implantación de sistemas basados en Inteligencia
Artificial continúan lo que otras tecnologías de
El crecimiento explosivo del desarrollados aprovechan en cada una de las posibles automatización ya han hecho en el pasado. El
número de habitantes de los datos obtenidos de la red modalidades de transporte uso de máquinas y ordenadores para sustituir el
las ciudades plantea un móvil para estimar los niveles se convierten en “sensores” trabajo humano, en una gama cada vez mayor de
enorme desafío para las de emisiones de carbono y la que facilitan información de tareas y procesos industriales.
infraestructuras urbanas, que contaminación del aire en las gran utilidad. Esta metodología Pero, estos sistemas no se limitan a sustituir
están llegando a sus límites ciudades, a partir del análisis permitió a los científicos tareas que requieren la fuerza humana, si no que
en muchos lugares. de los patrones de movilidad calcular la concentración de actualmente las tecnologías impulsadas por IA
El objetivo es predecir y de los ciudadanos que utilizan contaminantes atmosféricos pueden recuperar información, coordinar logística,
anticiparse a los primeros sus dispositivos móviles. en las zonas urbanas con un manejar inventarios, proporcionar servicios,
desencadenantes 77% de precisión. escribir informes comerciales, etc.
ambientales en la mayor De esta forma, las personas
brevedad posible. Los pilotos que circulan por la ciudad
AUTOMATIZACIÓN
DE TAREAS
FMS
(Flexible Manufacturing Systems)
(Computer-aided manufacturing)
CAM
FMS(Flexible Manufacturing Systems)
Los sistemas de fabricación flexible integran
numerosas herramientas de automatización
industrial como la robótica, los sistemas de
control y similares para desarrollar un sistema
práctico.
inspección CMM…
SEGURIDAD -Capacidad de integración con otros sistemas
CAM(Computer-aided manufacturing) DNC para la entrega y gestión de archivos
La fabricación asistida por ordenadores (CAM) en máquinas CNC.
comúnmente se refiere al uso de aplicaciones de
El objetivo de la IA en este ámbito, es la de encontrar software de control numérico (NC) para crear -Se trata de un sistema de automatización que
vulnerabilidades y corregirlas, de una manera más eficiente instrucciones detalladas (código G) que dirigen ayuda a crear, verificar y optimizar programas
y rápida a la que podría requerir hacerlo una persona máquinas para la fabricación de piezas. NC para una productividad de mecanizado
manualmente. Pero, la implementación de la inteligencia artificial La implementación de este tipo de tecnología en óptima, asícomo automatizar la creación de
en el ámbito de la seguridad puede chocar directamente con la la automatización de las tareas conlleva ciertos documentación.
privacidad de las personas. La recopilación de datos, el análisis beneficios para las compañías:
de estos, la utilización que pueda darse de estos análisis, unidos a
-Los sistemas CAM avanzados conintegración
las posibles fugas de información que puedan producirse, crean
de gestión del ciclo de vida del producto (PLM)
un gran debate ético, que necesitará respuestas con normativas -Ampliación de los diferentes tipos pueden proporcionar a los empleados de
y regulaciones que, por un lado, permitan mantener un grado de de equipos que se pueden utilizar planificación y producción de manufactura
privacidad adecuado y, por otro, preservar la privacidad de los para la producción, que incluyen la administración de datos y procesos para
individuos. máquinas de alta velocidad, garantizar el uso de datos correctos y recursos
multifuncionales,equipos de estándar.
60 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 61
Robótica industrial
La norma ISO 8373 define a la robótica Al mismo tiempo, el riesgo laboral baja al existir menos contacto directo
industrial como un manipulador con la maquinaria. Todo esto contribuye a un flujo de producción seguro y
multifuncional, controlado continuo.
automáticamente, reprogramable en
tres o más ejes, que puede estar fijo Además, los datos generados a través de tareas potenciadas digitalmente
o móvil para uso en aplicaciones de abren nuevos caminos para el enriquecimiento laboral y la retroalimentación
automatización industrial. positiva. La IA se pueden aplicar a los datos para comprender y mejorar las
tareas y los resultados del trabajo de los empleados.
OPTIMIZACIÓN PROCESOS
NUEVOS ENFOQUES PRODUCTIVOS
TECNOLÓGICOS
Paralelos a los tipos de automatización MAYOR PRODUCTIVIDAD En un sector tan innovador como el
clásicos, están surgiendo nuevos tipos industrial, parece que queda poco
de tecnología, que ayudarán en el por mejorar para conseguir una
desarrollo de las tareas, permitiendo a transformación digital definitiva.
La automatización de tareas
los empleados realizar mejor su trabajo. En muchos casos la inversión
permite a las empresas mejorar
el rendimiento, reduciendo en I+D se centra en la creación
Realidad mixta. de nuevos productos, y no tanto
errores y mejorando la calidad y
La realidad mixta está preparada en la optimización de procesos
la velocidad, y en algunos casos
para ayudar a los trabajadores productivos que puedan llevar a
logrando resultados que van
a completar tareas cruciales de aumentar el margen de beneficios,
más allá de las capacidades
manera más rápida, más segura y un precio competitivo a los clientes,
humanas.
más eficiente, y también servirá como y alcanzar altos estándares de
Por otro lado, la automatización,
un catalizador para la innovación calidad.
permitirá a los trabajadores
libera parte de su tiempo para
que se centren en actividades Un proceso productivo consiste en
en industria a medida que la mezcla una secuencia de actividades o etapas.
de mayor valor, identifiquen los
física y digital se combinen. Es típico hablar de procesos de
desafíos de clientes y negocios y
encuentren soluciones creativas producción en el ámbito industrial.
La realidad mixta también permite Pero además de en las fábricas,
e innovadoras que ofrezcan
la creación de programas este tipo de operaciones también
las mejores experiencias de
personalizados de capacitación con se tienen muy en cuenta en otras
los clientes que impulsan a las
una perspectiva de primera persona empresas.
organizaciones.
e instrucciones paso a paso sobre
nuevos productos, procesos y equipos. Cuando se habla de optimización
de procesos productivos,
La automatización de tareas, busca habitualmente se piensa en
el ahorro de tiempo y de costes, la sistemas como Six Sigma o Lean.
agilización del trabajo y la facilitación Metodologías utilizadas para
para la toma de decisiones. mejorar los procesos de negocio
mediante la utilización de análisis.
Este tipo de metodología se ha
implementado dentro de una
gran variedad de industrias para
lograr ahorro de dinero y al tiempo
aumentar la satisfacción del
cliente.
62 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 63
IOT
OTROS
tecnologías en el sector de
la manufactura permite a Los servicios en la nube permiten
las empresas ser competi- a las empresas de cualquier
tivos en un terreno de lucha sector monitorizar y automa-
constante por ofrecer la tizar en tiempo real tareas de
mejor calidad y fidelizar al dispositivos como máquinas o
consumidor. Un ecosistema robots, entre otros. Hace posible OCIO
dominado también por una una reducción significativa del
profunda globalización. Las tiempo de pedido, la manipu-
BIG DATA principales industrias pasan lación y los costes de transporte Actualmente, existen dos grandes fuerzas que
por la disminución de errores y proporciona una visualización están impulsando la IA en el sector del ocio.
en procesos de fabricación instantánea de problemas reales.
y la creación de fábricas También asegura una mejor co-
más eficientes. municación con todas las partes
El proceso de transformación hacia una interesadas a través de la planifi-
industria moderna y eficiente supone la cación de ventas y operaciones.
LA DEMANDA
Existen varias estrategias que
digitalización de los procesos productivos y, impulsarán el crecimiento y
como consecuencia, la generación de una gran mejorarán resultados financi-
cantidad de datos a explotar. La utilización de Big eros gracias al IoT: Lo que está promoviendo el cambio en la industria es
Data supone transformar esos datos en valores el deseo de los consumidores de vivir en un mundo con
que permitan anticipar posibles ineficiencias o -Evitar las interrupciones en el mayor espontaneidad y personalización en la manera
anomalías en la producción con su consecuente procesode producción. en que consumen contenido, se comunican y se relacio-
impacto en la reducción de costes y la mejora nan con las compras.
de los tiempos productivos. -Adaptarse con mayor EL SUMINISTRO DE Más de la mitad (55%) de los millennials escogerían su
agilidad a las demandas del NUEVOS PRODUCTOS, menú de entretenimiento y medios a partir de una lista
Permite comparar el funcionamiento y mercado. SERVICIOS Y basada en recomendaciones de Inteligencia Artificial o
problemas comunes que surgen durante PLATAFORMAS seleccionada totalmente por un robot virtual. Los avanc-
la fabricación en masa para su detección, -Diversificar los productos. es llegan justo a tiempo para responder a la demanda
asilamiento y eliminación. Pasando por de nuevas formas de experiencias digitales, a la cre-
la innovación y evolución de productos, -Mejorar la visibilidad y el ciente
optimización de la maquinaria productiva y Por otro lado, la inteligencia artificial no solo ha llegado complejidad de seleccionar y acceder a medios digitales,
control deprocesos.
niveles de calidad ofrecidos al ofertarse en para cubrir las necesidades de los usuarios sobre que y a las preocupaciones sobre seguridad y privacidad.
el mercado. Y con un continuado contacto música escuchar o que película ver si no, para ofrecer-
-Reducir los costes de pro-
a nivel de incidencias y satisfacción con los les otras oportunidades creativas, a través de las cuales
ducción
consumidores de dichos productos. puedan proyectar sus mejores habilidades por ejemplo
en el sector del diseño..
Por lo que, en definitiva, los beneficios para
empresas son empíricamente enormes y En el sector de los videojuegos también se están con-
por extensión, aplicables en la totalidad de siguiendo grandes avances gracias a la inteligencia
departamentos que conforman las mismas. artificial. Un equipo de investigación del Instituto de
Tecnología de Georgia ha desarrollado un sistema de
inteligencia artificial capaz de estudiar cada uno de los
frames de un videojuego 2D, y con esto construir una
réplica completa del motor de ese videojuego con sólo
mirar dos minutos del gameplay.
64 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 65
CIBERSEGURIDAD
Predicciones
En la actualidad existen dos tipos de esquemas de Los principales fabricantes, especialmente
inteligencia artificial y ciberseguridad que predomi- los emergentes, están apostando por la In-
nan: los definidos por analistas y los definidos por teligencia Artificial para mejorar las capaci-
máquinas. dades de sus productos, ya sean antivirus,
sistemas de detección de intrusiones, siste-
Sistemas de ciberseguridad definidos por los mas de gestión de eventos de seguridades,
especialistas. cortafuegos, detectores de spam, etc., pero
Los esquemas de seguridad definidos por los por el momento son fundamentalmente
analistas aplican protocolos y reglas creadas pequeñas funcionalidades construidas sobre
con base en la experiencia de especialistas hu- el núcleo de sus productos.
manos en el tema, sin embargo, pueden fallar
sobre todo cuando se enfrentan a vulnerabili- Los algoritmos de Inteligencia Artificial, por
dades de día 0, es decir, nuevas amenazas que su capacidad de aprendizaje, se presen-
no habían sido detectadas con anterioridad. tan como una tecnología idónea para un
problema, los ciberataques, que evolu-
cionan constantemente para evadir las
MITOS
herramientas de detección. Buscamos,
Sistemas de ciberseguridad definidos por por tanto, invertir el paradigma clásico de la
máquinas. ciberseguridad según el cual las medidas
Por su parte, los protocolos de seguridad defensivas siempre van por detrás de los
definidos por máquinas corresponden a atacantes.
tecnologías como Machine Learning y Deep
Learning, con las cuales es posible detectar Cada persona tiene su propia
patrones de comportamiento en las redes y idea en torno a la inteligencia
predecir ataques futuros, sin embargo, esto artificial concebida a partir LA INTELIGENCIA ARTIFICIAL
favorece los falsos positivos, provocando que de libros, películas, series o SON SOLO ROBOTS
al final, dichos esquemas también requieran de noticias. Sin embargo, esto
cierta interacción humana y de monitoreo. también ha dado lugar
a ciertos mitos que son
necesarios para entender que
Es cierto que el concepto de IA es algo difuso,
es y que supone realmente la
pero desde un punto de vista científico se
Inteligencia Artificial, algunos
puede definir como la tecnología encargada
de estos mitos son:
de imitar el cerebro de una persona -no el
cuerpo- en todas sus funciones.
La conciencia es uno de los santos griales para todos los entusiastas de la IA. Crear
una máquina capaz, de manera autónoma e independiente, de mostrar creatividad,
emociones o libre voluntad puede parecer que está solo a unos pocos pasos de
convertirse en realidad.
E TIFICIAL
s comprensible que dado el nuevo entorno en el que se vive donde la automatización
está a la orden del día, haya profesionales preocupados por la continuidad de sus
propios puestos de trabajo. No hay que alarmarse, la idea de que la IA destruirá la
mayoría de los trabajos es un mito basado en dos falsedades: primero que la IA
puede tener la capacidad de multitarea propia de los humanos, cuando en realidad solo
puede ejecutar la tarea concreta y específica para la que ha sido diseñada; y segundo,
que los trabajos menos cualificados que pueden hacer los robots aumentarán, sí, pero se
crearán otros puestos más cualificados que tendrán que vigilar, reparar y dirigir los robots. A lo largo de su evolución el objetivo de la que las máquinas actuales sustituyan la
inteligencia artificial no ha variado, y es que inteligencia artificial especializada por una de
La robotización traerá una mejora de la productividad consecuencia de la mecanización lograr que una máquina posea una inteligencia tipo general.
a medio y largo plazo. La tecnología siempre ha generado más puestos de trabajo de los similar a la humana, es uno de los objetivos más A pesar de las dificultades, las tecnologías
que se pierden en los inicios de su adopción. ambiciosos que se ha planteado la ciencia. Por basadas en la inteligencia artificial ya están
su dificultad, es equiparable a otros grandes empezado a cambiar aspectos como la salud,
La automatización del mercado laboral de aquí a 2030 se producirá en tres grandes oleadas. retos científicos, como explicar el origen de la seguridad, la productividad o el ocio, y a
Una primera, los próximos cinco años, que denomina como algorítmica, en la que se la vida o del universo, o conocer la estructura medio plazo van a tener un gran impacto
producirá la automatización de las labores más sencillas relativas al análisis de datos. Una de la materia. en la energía, el transporte, la educación y
segunda fase de automatización de datos más sofisticada hasta mediados de la década las actividades domésticas. No obstante, por
de 2020. Y, una tercera, la propiamente autónoma, que permitirá no solo la automatización El principal problema al que se enfrenta muy inteligentes que lleguen a ser las futuras
de tareas rutinarias, sino también de destrezas manuales y de la resolución de situaciones la inteligencia artificial es la adquisición inteligencias artificiales, siempre serán distintas
y problemas en tiempo real (a partir de 2030). de conocimientos de sentido común. Esto a las humanas debido a lo determinantes que
constituye el requisito fundamental para resultan los cuerpos en los que se ubican.
70 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 71
DEBATE SOBRE LA
uso de la inteligencia artificial.
SINGULARIDAD
La prudencia: la necesidad de ser conscientes de que todavía queda por
resolver un gran número de obstáculos científicos y técnicos, en particular el
problema del sentido común.
Intelectual Level/Power
desarrollo de la inteligencia
artificial llegaría a un punto en
Trans- humans?
el que sería tan avanzado y THE SINGULARITY
rápido que ningún ser humano
sería capaz de entenderla o de
predecir su comportamiento.
Dicho evento causaría una
ruptura en la historia del ser HumanIntellect
humano tan profunda que MachineIntelligence
resultaría imposible hacer
ningún tipo de predicción 0 Time 1950 2000
sobre los cambios que se
ocasionarían a partir del
mismo. Singularity Timeline
Rise in human intellect could be driven
by integrating with machines in the future Fuente: MisteryPlanet
Son muchos los autores
que han hablado de
singularidad tecnológica,
no obstante, el primero de
ellos fue el marqués de
Condorcet en 1794, a partir
de allí, personajes diversos,
entre ellos, Alan Turing y
Von Neumann hicieron uso
del término. Actualmente su mejor momento y que la carrera hacia
el mismo, sin la necesidad la singularidad acaba de empezar. Ya no
uno de sus defensores más
de tener introducidos se trata de especulaciones ni ciencia
conspicuos es Kurzweill, quien
conocimientos previos. ficción, se trata de una realidad que
afirma que ese punto de
La responsabilidad: debe quedar claro si la interacción se hace con una Este descubrimiento abre evoluciona de forma exponencial.
inflexión, que dará paso a lo
persona ocon un sistema de inteligencia artificial, y, en el segundo caso, la puerta a numerosas
que define como la era post-
debe poderse localizare identificar a los responsables de él. cuestiones, pues demuestra Ahora el foco de la cuestión se centra
humana, será en 2045.
que los límites de la en el marco legal y ético que permitirá
inteligencia humana son controlar y regular el uso de estas
Igualmente afirma que para
mucho más reducidos que tecnologías, así como establecer las
el año 2029, como muy tarde,
La autonomía limitada de estos sistemas: se necesita disponer de reglas los de la Inteligencia Artificial, responsabilidades de los usuarios, de
la población será capaz de
claras que limiten el comportamiento de los sistemas de inteligencia artificial que no se centra en ganar los creadores y de los afectados por el
pasar el test de Turing, lo que,
autónomos para que los encargados dedesarrollarlos puedan incorporarlos sino en hacerlo de la mejor uso de las mismas y las consecuencias
indudablemente, marcaría
en sus aplicaciones. forma posible. que se deriven de las decisiones que
un antes y un después para
la IA. las máquinas inteligentes tomen por sí
En cualquier caso, el hecho mismas.
de que ya exista, al menos,
El papel que desempeña el ser humano: la capacidad humana todavía De hecho, ya hay autores
un dispositivo inerte que es El Parlamento Europeo, en sus
supera con creces la inteligencia artificial, especialmente en el tratamiento de que afirman que ese antes
capaz de aprender por sí recomendaciones a la Comisión para
casos que no han aparecido en los conjuntos de datos de ejemplo de los que y después para la IA ha
mismo y superar incluso las que regule el derecho civil sobre robótica,
aprenden los sistemas de inteligencia artificial. empezado. Algunos hacen
fronteras de la inteligencia ha establecido unas premisas básicas
referencia a la creación
humana es una señal planteadas ya a mediados del pasado siglo
de AlphaGo Zero, que ha
ineludible de que la IA está en por Isaac Asimov:
conseguido aprender por
72 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 73
Conclusiones
en la cadena de trabajo, ocupando 350
310
puestos que desempeñan tareas 300
algo más rutinarias, y aportarán
valor añadido con un mayor y mejor 250
También será útil esta tecnología 2010 2011 2012 2013 2014 2015
NO CABE DUDA DE QUE LA IA HA EXPERIMENTADO UN BOOM EN LOS ÚLTIMOS AÑOS GRACIAS A LOS para delimitar el riesgo de inversión
NUEVOS ALGORITMOS, LOS AVANCES EN SERVICIOS BASADOS EN LA NUBE, EL DESARROLLO DE NUEVOS con datos procesados de forma
DISPOSITIVOS Y DE MEJOR HARDWARE, EL AUMENTO EN LA RAPIDEZ DE LAS CONEXIONES Y LA IRRUPCIÓN trabajos asociados al transporte se vean afectados por el
inteligente, aportando predicciones auge de la conducción autónoma.
DEL INTERNET DE LAS COSAS COMO TECNOLOGÍA QUE REVOLUCIONARÁ LA RECOPILACIÓN DE DATOS más exactas.
A NIVEL GLOBAL.
No obstante, hay otro factor a tener en cuenta. Siempre
Los seguros también es un sector que la innovación abre un nuevo espacio de mercado,
Las mayores empresas interesante para esta disruptiva la lentitud con la que los actores tradicionales lo ocupan
tecnológicas a nivel global están tecnología, sobre todo para los genera contradicciones que permiten el surgimiento de
apostando sistemáticamente por productos de salud. Mediante startups, compañías que se especializan en segmentos
la IA, desde Apple hasta Google, algoritmos, la IA podrá no sólo concretos de la cadena de valor, mucho más ágiles que
tanto reforzando sus inversiones Revenues from the artificial intelligence (AI) market worldwide, recoger datos médicos del las tradicionales y que pueden llegar a disputarles cuota
propias como adquiriendo from 2016 - 2025 (In Million U.S dollars) cliente, sino que también realizar de mercado.
startups con potencial en este Artificial intelligence market revenue worldwide 2016 - 2025 predicciones de su salud y esperanza
campo tecnológico, como Turi o de vida, o incluso predecir la Este fenómeno está teniendo lugar en el campo de la
DeepMind. Pero no solo el sector 40000
36.818.16
probabilidad de suicidio. Esta inteligencia artificial, donde la inversión en startups de este
empresarial directamente 35000
información es muy útil para ajustar mercado ha pasado de 45 millones de dólares en el año
relacionado con la tecnología el precio y el producto al usuario. 2010, a 310 millones en el pasado 2015, un crecimiento del
está apostando por la IA, también 30000
El transporte tampoco se queda
Market in U.S Dollars
12,2
Video content recognition 14 producción de las empresas. Las compañías deberán
formas concretas que adopta
Domestics robots (2018)
Esntertainment and leisure (2018) 7,6 estar atentas y visualizar las posibilidades disruptivas de la
la IA son muy variadas. La que Military (2018) 7,5 Fuente: Satatista innovación, poniendo en práctica proyectos enfocados al
se prevé como más exitosa, los Rehabilitation (2021) 2,1
futuro de la IA y siendo conscientes de que esperar a que esta
robo-advisor, podrían llegar a tendencia esté madura en el mercado puede suponer que sea
generar un volumen de negocio Fuente: Satatista demasiado tarde para posicionarse estratégicamente y ser
competitivo.