Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com
Conclusión
Hasta hace unos años, los robots se destinaban principalmente a la fabricación de alta
gama, como la de automóviles. Pero con el crecimiento de la IA y los menores costos de
construcción de dispositivos, los robots se están generalizando en una variedad de
industrias. Como se ve en este capítulo, existen casos de uso interesantes con robots que
hacen cosas como limpiar pisos o brindar seguridad a las instalaciones.
Conclusiones clave
• Los costos de los robots son una de las principales razones de la falta de
adopción. Pero empresas innovadoras, como Cobalt Robotics, están
utilizando nuevos modelos de negocio para ayudar, como las
suscripciones.
Implementación
de IA
Moviendo la aguja para su empresa
En una publicación de blog, el vicepresidente de gestión de productos de Facebook, Guy Rosen, señaló:
1www.cnbc.com/2019/03/21/why-facebooks-ai-didnt-detect-the-new-
zealandmosque-shooting-video.html
Tampoco ayudó que hubiera varios malos actores que volvieron a subir versiones editadas del
video para frustrar el sistema de inteligencia artificial de Facebook.
Por supuesto, esta fue una gran lección sobre las deficiencias de la tecnología y la
compañía dice que está comprometida a seguir mejorando sus sistemas. Pero el estudio de
caso de Facebook también destaca que incluso las empresas tecnológicamente más
sofisticadas enfrentan grandes desafíos. Por eso, cuando se trata de implementar la IA, es
necesario haber una planificación sólida y comprender que inevitablemente habrá
problemas. Pero puede resultar difícil, ya que los altos directivos de las empresas están
bajo presión para obtener resultados con esta tecnología.
2https://newsroom.fb.com/news/2019/03/technical-update-on-new-zealand/
Conceptos básicos de la inteligencia artificial 145
• Análisis de los sentimientos: Esto proporciona una manera de tener una idea de
cómo las personas ven su marca y sus productos mediante el análisis de las redes
sociales.
Sin embargo, si bien estas funciones prediseñadas facilitan el uso de la IA, todavía existen
problemas potenciales. "Hemos estado incorporando funciones de IA en nuestras
aplicaciones durante los últimos años y esta ha sido una gran experiencia de aprendizaje",
afirmó Ricky Thakrar, evangelista de la experiencia del cliente de Zoho. “Pero para que la
tecnología funcione, los usuarios deben utilizar el software correctamente. Si el personal de
ventas no ingresa la información correctamente, es probable que los resultados no sean
correctos. También descubrimos que deberían haber al menos tres meses de uso para que
los modelos se capaciten. Y además, incluso si sus empleados están haciendo todo bien,
esto no significa que las predicciones de la IA serán perfectas. Tómate siempre las cosas
con cautela”.3
Ahora bien, en cuanto a construir sus propios modelos de IA, este es un compromiso importante
para una empresa. Y esto es lo que cubriremos en este capítulo.
Para dar una idea de cómo es un programa de formación corporativa, considere Adobe. Aunque la
empresa cuenta con ingenieros increíblemente talentosos, todavía hay un gran número de ellos que no
tienen experiencia en IA. Es posible que algunos de ellos no se hayan especializado en esto en la escuela
o en su trabajo. Sin embargo, Adobe quería asegurarse de que todos los ingenieros tuvieran una
comprensión sólida de los principios básicos de la IA. Para ello, la empresa cuenta con un programa de
certificación de seis meses de duración, que capacitó a 5.000 ingenieros en 2018. El objetivo es liberar al
científico de datos que hay en cada ingeniero.
El programa incluye tanto cursos en línea como sesiones presenciales, que no solo cubren
temas técnicos sino también áreas como estrategia e incluso ética. Adobe también brinda
ayuda de científicos informáticos experimentados para ayudar a los estudiantes a dominar
los temas.
3Esto se basa en la entrevista del autor, en abril de 2019, con Ricky Thakrar, evangelista de la
experiencia del cliente de Zoho.
146 Capítulo 8 | Implementación de IA
En este caso, la cuestión no se trataba sólo de tomar decisiones basadas en premisas erróneas.
Amazon.com probablemente también se exponía a posibles responsabilidades legales, como por
ejemplo con demandas por discriminación.
Dados los complicados problemas que plantea la IA, cada vez más empresas están formando
comités de ética. Pero incluso esto puede estar plagado de problemas. Oye, lo que puede ser
ético para una persona puede no ser gran cosa para otra, ¿verdad? Definitivamente.
Por ejemplo, Google cerró su propia junta de ética aproximadamente una semana después
de su lanzamiento. Parece que la razón principal fue la reacción que surgió al incluir a un
miembro de la Heritage Foundation, que es un grupo de expertos conservador.5
4www.reuters.com/article/us-amazon-com-jobs-automation-insight/ amazon-
scraps-secret-ai-recruiting-tool-that-showed-bias-against-
womenidUSKCN1MK08G
5www.theverge.com/2019/4/4/18296113/google-ai-ethics-board-
endscontroversy-kay-coles-james-heritage-foundation
Conceptos básicos de la inteligencia artificial 147
Es un gran consejo. Por eso, especialmente para las empresas que están comenzando en el
camino de la IA, es esencial adoptar un enfoque experimental. Piense en ello como si
estuviera armando un programa piloto; es decir, está en la “fase de gatear y caminar”.
• Los chatbots pueden ser otra forma de empezar con la IA. Son
relativamente fáciles de configurar y pueden servir para casos de
uso específicos, como el servicio al cliente. Puedes aprender más
sobre esto en el Capítulo6.
6Esto se basa en la entrevista del autor, en marzo de 2019, con Kalyan Kumar,
vicepresidente corporativo y CTO global de HCL Technologies.
148 Capítulo 8 | Implementación de IA
Al analizar esta fase, también vale la pena evaluar el “tango” entre empleados y
máquinas. Tenga en cuenta que esto a menudo se pasa por alto y puede tener
consecuencias adversas en un proyecto de IA. Como hemos visto en este libro, la IA es
excelente para procesar grandes cantidades de datos con pocos errores y a gran
velocidad. La tecnología también es excelente con predicciones y detección de
anomalías. Pero hay tareas que los humanos hacen mucho mejor, como ser creativo,
abstraerse y comprender conceptos.
7https://hbr.org/2019/02/how-to-choose-your-first-ai-project
Conceptos básicos de la inteligencia artificial 149
A continuación, asegúrese de tener claros los KPI y medirlos con diligencia. Por
ejemplo, si está desarrollando un chatbot personalizado para servicio al cliente, es
posible que desee compararlo con métricas como la tasa de resolución y la
satisfacción del cliente.
Y por último, deberás realizar una evaluación informática. Si tiene principalmente sistemas
heredados, entonces podría resultar más difícil y costoso implementar la IA, incluso si los
proveedores tienen API e integraciones. Esto significa que deberá moderar sus
expectativas.
A pesar de todo esto, las inversiones realmente pueden marcar la diferencia, incluso para las
empresas más antiguas. Para ver un ejemplo de esto, consideremos Symrise, cuyas raíces se
remontan a más de 200 años en Alemania. En el momento de escribir este artículo, la empresa es
un productor mundial de sabores y fragancias, con más de 30.000 productos.
Hace unos años, Symrise se embarcó en una importante iniciativa, con la ayuda de IBM, para
aprovechar la IA para crear nuevos perfumes. La empresa no sólo tuvo que reestructurar su
infraestructura de TI existente, sino que también tuvo que dedicar un tiempo considerable a
ajustar los modelos. Pero fue de gran ayuda que ya contaba con un amplio conjunto de datos, lo
que permitía una mayor precisión. Tenga en cuenta que incluso una ligera desviación en la
mezcla de un compuesto puede hacer que un perfume falle.
8Esto se basa en la entrevista del autor, en abril de 2019, con Erik Schluntz, cofundador y
director de tecnología de Cobalt Robotics.
9www.symrise.com/newsroom/article/breaking-new-fragrance-groundwith-
artificial-intelligence-ai-ibm-research-and-symrise-are-workin/
150 Capítulo 8 | Implementación de IA
Formando el equipo
¿Qué tamaño debe tener el equipo inicial para un proyecto de IA? Quizás una buena guía sea
utilizar la “regla de las dos pizzas” de Jeff Bezos.10En otras palabras, ¿es esto suficiente para
alimentar a las personas que participan?
Ah, y no debería haber prisa por formar el equipo. Todos deben estar muy
concentrados en el éxito y comprender la importancia del proyecto. Si hay poco que
mostrar del proyecto de IA, las perspectivas de futuras iniciativas podrían estar en
peligro.
Más bien, busque personas que tengan experiencia en ingeniería de software o ciencia de
datos. Sin embargo, como se señaló anteriormente en este capítulo, es posible que estas
personas no tengan una sólida formación en IA. Debido a esto, puede ser necesario que
dediquen algunos meses de capacitación a aprender los principios básicos del aprendizaje
automático y el aprendizaje profundo. También debería centrarse en comprender cómo
utilizar las plataformas de inteligencia artificial, como TensorFlow.
Dados los desafíos, puede ser una buena idea buscar la ayuda de consultores, que puedan
ayudar a identificar las oportunidades de IA pero también brindar asesoramiento sobre la
preparación de datos y el desarrollo de modelos.
Dado que un piloto de IA será experimental, el equipo debe contar con personas dispuestas a
asumir riesgos y de mente abierta. De lo contrario, el progreso podría ser extremadamente
difícil.
10www.geekwire.com/2018/amazon-tops-600k-worldwide-employees-1st-time-13-
jump-year-ago/
Conceptos básicos de la inteligencia artificial 151
Algo más: ¡puede darse cuenta de que su empresa ya está utilizando múltiples herramientas y
plataformas de IA! Esto puede causar problemas con la integración y la gestión del proceso con
proyectos de IA. En vista de esto, una empresa debería desarrollar una estrategia para las
herramientas. Piense en ello como su pila de herramientas de inteligencia artificial.
Bien, entonces echemos un vistazo a algunos de los lenguajes, plataformas y herramientas más
comunes para la IA.
Lenguaje Python
Guido van Rossum, que obtuvo su maestría en matemáticas e informática en la
Universidad de Amsterdam en 1982, trabajaría en varios institutos de
investigación en Europa, como la Corporación para Iniciativas Nacionales de
Investigación (CNRI). Pero fue a finales de los años 80 cuando crearía su propio
lenguaje informático, llamado Python. En realidad, el nombre proviene de la
popular serie de comedia británica.Monty Python.
Así que el lenguaje era un poco poco convencional, pero eso lo hacía tan poderoso. Python
pronto se convertiría en el estándar para el desarrollo de IA.
Parte de esto se debió a la simplicidad. Con solo unos pocos scripts de código, puede crear
modelos sofisticados, por ejemplo con funciones como filtrar, mapear y reducir. Pero, por
supuesto, el lenguaje también permite una codificación mucho más sofisticada.
11www.python.org/dev/peps/pep-0020/
152 Capítulo 8 | Implementación de IA
Otro beneficio de Python es que existen muchos recursos para aprender. Una
búsqueda rápida en YouTube mostrará miles de cursos gratuitos.
Ahora existen otros lenguajes sólidos que puedes usar para IA como C++, C# y Java. Si
bien generalmente son más poderosos que Python, también son complejos. Además,
cuando se trata de construir modelos, a menudo hay poca necesidad de crear
aplicaciones completas. Y, por último, existen bibliotecas de Python creadas para
máquinas de IA de alta velocidad (con GPU) como CUDA Python.
Marcos de IA
Existe una gran variedad de marcos de IA que proporcionan sistemas de un extremo
a otro para crear modelos, entrenarlos e implementarlos. Con diferencia, el más
popular es TensorFlow, respaldado por Google. La empresa inició el desarrollo de este
marco en 2011, a través de su división Google Brain. El objetivo era encontrar una
manera de crear redes neuronales más rápido para integrar la tecnología en muchas
aplicaciones de Google.
TensorFlow se puede utilizar para casi cualquier cosa cuando se trata de IA. Estos son
algunos de los modelos que ha impulsado:
https://medium.com/tensorflow/recap-of-the-2019-tensorflow-
12
devsummit-1b5ede42da8d
13 www.youtube.com/watch?v=p45kQklIsd4&feature=youtu.be
14 www.youtube.com/watch?v=tPb2u9kwh2w&feature=youtu.be
15 https://ai.googleblog.com/2018/03/open-sourcing-hunt-for-exoplanets. HTML
154 Capítulo 8 | Implementación de IA
Entonces, ¿cuáles son algunos de los otros marcos de IA? Vamos a ver:
Con el desarrollo de la IA, existe otra herramienta común: Jupyter Notebook. No es una
plataforma o herramienta de desarrollo. En cambio, Jupyter Notebook es una aplicación web que
facilita la codificación en Python y R para crear visualizaciones e importar sistemas de inteligencia
artificial. También puedes compartir fácilmente tu trabajo con otras personas, similar a lo que
hace GitHub.
Durante los últimos años, también ha surgido una nueva categoría de herramientas de
inteligencia artificial llamada aprendizaje automático automatizado o autoML. Estos sistemas
ayudan a abordar procesos como la preparación de datos y la selección de funciones. En su
mayor parte, el objetivo es brindar ayuda a aquellas organizaciones que no cuentan con
científicos de datos e ingenieros de inteligencia artificial con experiencia. Se trata de la tendencia
de rápido crecimiento del “científico de datos ciudadano”, es decir, una persona que no tiene una
sólida formación técnica y que aún puede crear modelos útiles.
https://keras.io/
dieciséis
Conceptos básicos de la inteligencia artificial 155
Para ver un caso de uso de autoML, eche un vistazo a Lenovo Brasil. La empresa tenía
dificultades para crear modelos de aprendizaje automático para ayudar a predecir y
gestionar la cadena de suministro. Tenía dos personas que codificaban 1.500 líneas de
código R cada semana, pero esto no era suficiente. El hecho es que no sería rentable
contratar más científicos de datos.
Bastante bien, ¿verdad? Absolutamente. Pero todavía hay algunas advertencias. Con Lenovo
Brasil, la empresa contó con el beneficio de científicos de datos capacitados, que entendían los
matices de la creación de modelos.
Sin embargo, si utiliza una herramienta de autoML sin dicha experiencia, fácilmente podría tener
serios problemas. Existe una buena posibilidad de que cree modelos que tengan suposiciones o
datos erróneos. En todo caso, ¡los resultados pueden resultar, en última instancia, mucho peores
que no utilizar la IA! Debido a esto, DataRobot en realidad requiere que un nuevo cliente tenga
un ingeniero de campo y un científico de datos dedicados a trabajar con la empresa durante el
primer año.19
Ahora también existen plataformas low-code que han demostrado ser útiles para
acelerar el desarrollo de proyectos de IA. Uno de los líderes en el espacio es Appian,
que tiene la audaz garantía de “Idea para aplicación en ocho semanas”.
17www.aimlmarketplace.com/technology/machine-learning/the-rise-
ofautomated-machine-learning
18https://3gp10c1vpy442j63me73gy3s-wpengine.netdna-ssl.com/wp-content/
uploads/2018/08/Lenovo-Case-Study.pdf
19www.wsj.com/articles/yes-you-too-can-be-an-ai-expert-11554168513
156 Capítulo 8 | Implementación de IA
Con esta plataforma, puede configurar fácilmente una estructura de datos limpia.
Incluso existen sistemas para ayudar a guiar el proceso, como alertas sobre
problemas. Sin duda, esto proporciona una base sólida para construir un modelo.
Pero el código bajo también ayuda de otras maneras. Por ejemplo, puedes probar
varias plataformas de IA (por ejemplo, de Google, Amazon o Microsoft) para ver cuál
funciona mejor. Luego puede crear la aplicación con una interfaz moderna e
implementarla en la Web o en aplicaciones móviles.
Para tener una idea del poder del código bajo, eche un vistazo a lo que KPMG ha hecho con esta
tecnología. La empresa pudo ayudar a sus clientes a abandonar el uso de LIBOR en los
préstamos. En primer lugar, KPMG utilizó su propia plataforma de inteligencia artificial, llamada
Ignite, para ingerir los datos no estructurados y utilizar el aprendizaje automático y el
procesamiento del lenguaje natural para remediar los contratos. A continuación, la empresa
utilizó Appian para ayudar a compartir documentos, reglas comerciales personalizables y
generación de informes en tiempo real.
Un proceso de este tipo, cuando se realiza manualmente, fácilmente podría llevar miles de
horas, con una tasa de error del 10% al 15%. Pero cuando se utilizó Ignite/Appian, la
precisión superó el 96%. Ah, y el tiempo para procesar los documentos fue en segundos.
Esto requiere una gestión del cambio, que siempre es compleja y difícil. La IA es diferente
de una implementación de TI típica, ya que implica el uso de predicciones e información
para la toma de decisiones. Esto significa que las personas tendrán que repensar cómo
interactúan con la tecnología.
Considere también que lo más probable es que los usuarios finales sean personas no
técnicas, ya sean empleados o consumidores. Por eso es necesario trabajar mucho
para que el modelo de IA sea lo más sencillo posible. Por ejemplo, si ha creado un
sistema para marketing online, es posible que desee limitar las opciones para el
usuario, digamos a sólo cuatro o cinco de ellas.
¿Por qué? Si hay demasiados, los usuarios pueden frustrarse y ni siquiera saber por
dónde empezar. Todo esto es parte del llamado problema de la “parálisis del análisis”.
Cuando esto suceda, inevitablemente habrá poca adopción del modelo de IA, lo que
obstaculizará gravemente el progreso.
Otra buena estrategia es utilizar visualizaciones que sean interactivas. En otras palabras,
puedes ver fácilmente cómo cambian las tendencias ajustando algunas variables. También
puede permitir hacer clic en una determinada parte del gráfico para profundizar en más
detalles.
Conceptos básicos de la inteligencia artificial 157
También es esencial crear documentación. Pero esto debería ser algo más que materiales
escritos. Por ejemplo, un enfoque eficaz es desarrollar tutoriales en vídeo. Un esfuerzo de
este tipo contribuirá en gran medida a crear una adopción sólida.
Como práctica recomendada, la implementación inicial debe ser limitada. Quizás esto podría ser para un
pequeño grupo de usuarios beta y una pequeña sección de la base de clientes. También debería haber
advertencias de que el modelo de IA se encuentra en las primeras etapas y puede tener errores.
Por lo tanto, esta fase se trata de aprendizaje. ¿Que funciona? ¿Qué se debe eliminar?
¿Dónde se pueden mejorar las cosas?
Luego, una vez que el modelo de IA esté listo para su implementación completa,
debería haber suficiente apoyo y alguien que lidere la gestión del proyecto. También
debe haber reconocimiento al equipo por la victoria. Con suerte, los elogios
provendrán de los niveles más altos de la empresa, lo que ayudará a fomentar cada
vez más innovación.
20Esto es de la entrevista del autor, en abril de 2019, con Kurt Muehmel, vicepresidente de
ingeniería de ventas de Dataiku.
158 Capítulo 8 | Implementación de IA
Conclusión
Como se muestra en este capítulo, al abordar la implementación de la IA, es fundamental
considerar dos caminos. El primero es aprovechar al máximo los sistemas de terceros que
utilicen la tecnología. Pero también debería prestarse atención a la calidad de los datos. De lo
contrario, es probable que los resultados estén equivocados.
El segundo camino es realizar un proyecto de IA, que se base en los datos propios de su
empresa. Para tener éxito, debe haber un equipo sólido que tenga una combinación de
experiencia técnica, comercial y de dominio. Es probable que también sea necesario algún
entrenamiento en IA. Este es el caso incluso para aquellos con experiencia en ciencia e
ingeniería de datos.
A partir de aquí, no debería haber prisa en los pasos del proyecto: evaluar el entorno
de TI, establecer un objetivo comercial claro, limpiar los datos, seleccionar las
herramientas y plataformas adecuadas, crear el modelo de IA e implementar el
sistema. Con los proyectos iniciales, inevitablemente habrá desafíos, por lo que es
fundamental ser flexible. Pero el esfuerzo debería valer la pena.
Conclusiones clave
El futuro de la IA
Los pros y los contras
Pero también estaba el lado oscuro. Hawking habló de cómo la tecnología tenía el
potencial de ser el "peor acontecimiento en la historia de nuestra civilización".1
Algunos de los problemas incluyen el desempleo masivo e incluso robots asesinos. Por esta
razón, instó a buscar formas de controlar la IA.
1www.cnbc.com/2017/11/06/stephen-hawking-ai-could-be-worst-event-
incivilization.html
2www.cnbc.com/2019/03/08/softbank-ceo-ai-will-completely-change-the-
wayhumans-live-within-30-years.html
Bueno entonces ¿quién tiene razón? ¿Será el futuro distópico o utópico? ¿O estará en
algún punto intermedio? Bueno, predecir nuevas tecnologías es sumamente difícil,
casi imposible. A continuación se muestran algunos ejemplos de pronósticos que se
han equivocado:
Coches Autónomos
Cuando se trata de IA, una de las áreas de mayor alcance son los coches autónomos.
Curiosamente, esta categoría no es realmente nueva. Sí, ¡ha sido un sello distintivo de
muchas historias de ciencia ficción durante muchas décadas! Pero desde hace algún
tiempo, ha habido muchos ejemplos de innovación en la vida real, como los siguientes:
3www.msn.com/en-us/news/technology/the-best-and-worst-technology-predictionsof-
all-time/ss-BBIMwm3#image=5
4www.recode.net/2017/1/9/14215942/iphone-steve-jobs-apple-ballmernokia-
anniversary
Conceptos básicos de la inteligencia artificial 163
Pero el punto de inflexión para los coches autónomos llegó en 2004. El principal catalizador fue la
guerra de Irak, que estaba cobrando un precio terrible entre los soldados estadounidenses. Para
DARPA, la creencia era que los vehículos autónomos podrían ser una solución.
Pero la agencia enfrentó muchos desafíos difíciles. Por eso creó un concurso, denominado
DARPA Grand Challenge, en 2004, que tenía un gran premio de 1 millón de dólares para
fomentar una innovación más amplia. El evento implicó una carrera de 150 millas en el
desierto de Mojave y, desafortunadamente, no fue alentador ya que los autos tuvieron un
desempeño miserable. ¡Ninguno de ellos terminó la carrera!
Pero esto sólo estimuló aún más innovación. Al año siguiente, cinco coches terminaron la
carrera. Luego, en 2007, los coches estaban tan avanzados que podían realizar acciones
como giros en U y fusiones.
5www.politico.eu/article/delf-driving-car-born-1986-ernst-dickmannsmercedes/
164 Capítulo 9 | El futuro de la IA
Entonces, ¿cuándo podríamos ver que esta industria se generalice? Las estimaciones varían
ampliamente. Pero según un estudio de Allied Market Research, se prevé que el mercado alcance
los 556.670 millones de dólares en 2026, lo que representaría una tasa de crecimiento anual
compuesta del 39,47%.7
Pero aún queda mucho por resolver. "En el mejor de los casos, todavía estamos a años de
tener un automóvil que no requiera volante", dijo Scott Painter, director ejecutivo y
fundador de Fair. “Los coches seguirán necesitando ser asegurados, reparados y
mantenidos, incluso si regresaste del futuro en un Delorean y trajiste el manual sobre
cómo hacer que estos coches sean totalmente autónomos. Fabricamos 100 millones de
automóviles al año, de los cuales 16 millones al año están en los EE. UU. Y, suponiendo que
quisiera que todo el suministro tuviera estas características de inteligencia artificial, aún
pasarían 20 años hasta que tuviéramos más automóviles en las carreteras, incluidos todos
los diferentes niveles de IA versus la cantidad de autos que no tenían esas tecnologías”.8
6www.sec.gov/Archives/edgar/data/1759509/000119312519077391/d633517ds1a.htm
7 www.alliedmarketresearch.com/autonomous-vehicle-market
8De la entrevista del autor, en mayo de 2019, con Scott Painter, director ejecutivo y fundador de
Fair.
Conceptos básicos de la inteligencia artificial 165
Pero hay muchos otros factores a tener en cuenta. Al fin y al cabo, conducir es complejo,
especialmente en zonas urbanas y suburbanas. ¿Qué pasa si se cambia o incluso se
manipula una señal de tráfico? ¿Qué tal si un coche autónomo debe afrontar un dilema
como tener que decidir chocar contra un coche que viene en sentido contrario o tirarse a
una acera, en la que pueden haber peatones? Todo esto es extremadamente difícil.
Tareas aparentemente simples por la noche pueden resultar difíciles de realizar. John
Krafcik, director ejecutivo de Waymo de Google, señala que los estacionamientos son un
excelente ejemplo.9Requieren encontrar lugares disponibles, evitar otros automóviles y
peatones (lo que puede ser impredecible) y moverse hacia el espacio.
Pero la tecnología es sólo uno de los desafíos de los vehículos autónomos. Aquí hay
algunos otros a considerar:
Teniendo en cuenta todo esto, la fase inicial de vehículos autónomos probablemente será para
situaciones controladas, por ejemplo para transporte por carretera, minería o transbordadores. Un caso
de esto es Suncor Energy, que utiliza camiones autónomos para excavar en varios sitios en Canadá.
Las redes de viajes compartidos, como Uber y Lyft, pueden ser otro punto de partida. Estos
servicios están bastante estructurados y son comprensibles para el público.
9www.businessinsider.com/waymo-ceo-john-krafcik-explains-big-challengefor-
self-driving-cars-2019-4
10https://newsroom.aaa.com/2019/03/americans-fear-self-driving-cars-survey/
166 Capítulo 9 | El futuro de la IA
Comenzaremos dándoles a los pasajeros acceso a nuestra aplicación. Pueden usarlo para
llamar a nuestros vehículos autónomos las 24 horas del día, los 7 días de la semana.
Pueden viajar por varias ciudades en el área metropolitana de Phoenix, incluidas Chandler,
Tempe, Mesa y Gilbert. Ya sea para una noche divertida o simplemente para descansar de
la conducción, nuestros pasajeros obtienen siempre los mismos vehículos limpios y
nuestro conductor Waymo con más de 10 millones de millas de experiencia en vías
públicas. Los pasajeros verán estimaciones de precios antes de aceptar el viaje en función
de factores como el tiempo y la distancia hasta su destino.11
Waymo ha descubierto que la clave es la educación porque los pasajeros tienen muchas preguntas. Para
solucionar esto, la empresa ha integrado un sistema de chat en la aplicación para ponerse en contacto
con una persona de soporte. El salpicadero del coche también cuenta con una pantalla que proporciona
detalles del trayecto.
Según la publicación del blog, "los comentarios de los ciclistas seguirán siendo vitales en
cada paso del camino".12
11 https://medium.com/waymo/riding-with-waymo-one-today-9ac8164c5c0e
12Ibídem.
www.diamandis.com/blog/rise-of-ai-in-china
13
www.theverge.com/2019/3/14/18265230/china-is-about-to-overtake-americain-
14
ai-research
15 Nueva York: Houghton Mifflin Harcourt, 2018.
Conceptos básicos de la inteligencia artificial 167
En cuanto a Estados Unidos, el gobierno ha sido mucho más vacilante con la IA.
El presidente Trump ha firmado una orden ejecutiva, denominada “Iniciativa
estadounidense de IA”, para fomentar el desarrollo de la tecnología, pero los
términos son vagos y no está nada claro cuánto dinero se destinará a ella.
Desempleo Tecnológico
El concepto de desempleo tecnológico, que ganó notoriedad gracias al famoso economista John
Maynard Keynes durante la Gran Depresión, explica cómo las innovaciones pueden conducir a la
pérdida de empleos a largo plazo. Sin embargo, la evidencia de esto ha sido difícil de alcanzar. A
pesar de que la automatización ha afectado gravemente a industrias como la manufacturera, a
menudo se produce una transición de la fuerza laboral a medida que las personas se adaptan.
¿Pero podría ser diferente la revolución de la IA? Muy bien podría. Por ejemplo, el
gobernador de California, Gavin Newsom, teme que su estado pueda sufrir un desempleo
masivo en áreas como el transporte por carretera y el almacenamiento, y pronto.17
www.nature.com/articles/s41591-018-0335-9
dieciséis
www.mercurynews.com/2019/03/18/were-not-prepared-for-the-promise-
17
ofartificial-intelligence-experts-warn/
168 Capítulo 9 | El futuro de la IA
Aquí hay otro ejemplo: Harvest CROO Robotics ha construido un robot, llamado Harv,
que puede recoger fresas y otras plantas sin causar hematomas. Por supuesto,
todavía se encuentra en la fase experimental, pero el sistema está mejorando
rápidamente. La expectativa es que un robot haga el trabajo de 30 personas.18
Y por supuesto, no habrá salarios que pagar ni exposición a responsabilidad laboral.
Pero la IA puede significar algo más que reemplazar empleos poco calificados. Ya hay indicios de
que la tecnología podría tener un impacto importante en las profesiones administrativas. Seamos
realistas, hay aún más incentivos para automatizar estos trabajos porque generan una
remuneración más alta.
Solo una categoría que podría enfrentar la pérdida de empleos en IA es el campo legal, ya que
una variedad de nuevas empresas están apuntando al mercado como Lawgood, NexLP y RAVN
ACE. Las soluciones están enfocadas a automatizar áreas como la investigación jurídica y la
revisión de contratos.19Aunque los sistemas están lejos de ser perfectos, ciertamente pueden
procesar mucho más volumen que las personas y también pueden volverse más inteligentes a
medida que se utilizan cada vez más.
18www.washingtonpost.com/news/national/wp/2019/02/17/feature/inside-
therace-to-replace-farmworkers-with-robots/
19www.cnbc.com/2017/02/17/lawyers-could-be-replaced-by-
artificialintelligence.html
20www.pewresearch.org/fact-tank/2018/08/07/for-most-us-workers-realwages-
have-barely-budged-for-decades/
21http://fortune.com/2019/02/08/growing-wealth-inequality-us-study/
Conceptos básicos de la inteligencia artificial 169
Sin embargo, hay acciones que se pueden tomar. En primer lugar, los gobiernos pueden intentar
brindar educación y asistencia para la transición. Con el ritmo del cambio en el mundo actual, será
necesario que haya una renovación continua de habilidades para la mayoría de las personas. La
directora ejecutiva de IBM, Ginni Rometty, ha señalado que la IA cambiará todos los puestos de trabajo
en los próximos 5 a 10 años. Por cierto, su empresa ha experimentado una reducción del 30 % en la
plantilla del departamento de recursos humanos debido a la automatización.22
A continuación, hay algunas personas que defienden la renta básica, que proporciona una
cantidad mínima de compensación para todos. Sin duda, esto suavizaría parte de la
desigualdad, pero también tiene desventajas. La gente definitivamente se siente orgullosa
y satisfecha de sus carreras. Entonces, ¿cuál podría ser la moral de una persona si no
puede encontrar trabajo? Podría tener un impacto profundo.
Por último, incluso se habla de algún tipo de impuesto a la IA. Básicamente, esto
recuperaría las grandes ganancias de aquellas empresas que se benefician de la
tecnología. Aunque, dado su poder, probablemente sería complicado aprobar este tipo de
legislación.
La militarización de la IA
El Laboratorio de Investigación de la Fuerza Aérea está trabajando en prototipos de algo llamado
Skyborg. Está fuera deGuerra de las Galaxias. Piense en Skyborg como R2-D2 que sirve como
compañero de IA para un avión de combate, ayudando a identificar objetivos y amenazas.23El
robot de IA también puede tomar el control si el piloto está incapacitado o distraído. La Fuerza
Aérea incluso está considerando utilizar esta tecnología para operar drones.
Genial, ¿eh? Ciertamente. Pero hay un problema importante: mediante el uso de la IA, ¿podrían los
humanos quedar finalmente fuera del circuito a la hora de tomar decisiones de vida o muerte en el
campo de batalla? ¿Podría esto conducir en última instancia a más derramamiento de sangre? ¿Quizás
las máquinas tomarán decisiones equivocadas, causando aún más problemas?
Incluso las Naciones Unidas están explorando algún tipo de prohibición. Pero Estados Unidos,
junto con Australia, Israel, el Reino Unido y Rusia, se han resistido a esta medida.25Como
resultado, puede estar surgiendo una verdadera carrera armamentista de IA.
22www.cnbc.com/2019/04/03/ibm-ai-can-predict-with-95-percent-accuracywhat-
employees-will-quit.html
23www.popularmechanics.com/military/aviation/a26871027/air-force-aifighter-
plane-skyborg/
24www.theguardian.com/science/2018/jul/18/thousands-of-scientists-pledgenot-
to-help-build-killer-ai-robots
25www.theguardian.com/science/2019/mar/29/uk-us-russia-opposing-killerrobot-
ban-un-ai
170 Capítulo 9 | El futuro de la IA
Pero a medida que la IA se vuelve más poderosa y más asequible, es probable que veamos cómo
potencia este tipo de campañas. Por ejemplo, los sistemas deepfake pueden crear fácilmente
fotografías y vídeos realistas de personas que podrían utilizarse para difundir mensajes
rápidamente.
Descubrimiento de medicamento
Los avances en el descubrimiento de fármacos han sido casi milagrosos, ya que ahora tenemos
curas para enfermedades tan difíciles de tratar como la hepatitis C y hemos seguido avanzando
con una gran cantidad de cánceres. Pero, por supuesto, ciertamente hay mucho por hacer. El
hecho es que las compañías farmacéuticas están teniendo cada vez más problemas para
encontrar tratamientos. Aquí hay solo un ejemplo: en marzo de 2019, Biogen anunció que uno de
sus medicamentos para el Alzheimer, que se encontraba en ensayos de Fase III, no logró mostrar
resultados significativos. Tras la noticia, las acciones de la compañía se desplomaron un 29%,
eliminando 18.000 millones de dólares de valor de mercado.27
Considere que el desarrollo de fármacos tradicionales a menudo implica mucho ensayo y error,
lo que puede llevar mucho tiempo. Entonces, ¿podría haber una manera mejor?
Cada vez más, los investigadores buscan ayuda en la IA. Estamos viendo surgir una variedad de
nuevas empresas que se están centrando en la oportunidad.
26www.rand.org/news/press/2018/04/24.html
27www.wsj.com/articles/biogen-shares-drop-28-after-endingalzheimers-phase-3-
trials-11553170765
Conceptos básicos de la inteligencia artificial 171
Uno es Insitro. La compañía, que comenzó en 2019, no tuvo problemas para recaudar
la asombrosa cantidad de 100 millones de dólares en su ronda Serie A. Algunos de los
inversores incluyeron Alexandria Venture Investments, Bezos Expeditions (que es la
firma de inversión de Jeff Bezos de Amazon.com), Mubadala Investment Company,
Two Sigma Ventures y Verily.
Por último, el cuerpo humano es muy sofisticado y todavía estamos aprendiendo cómo
funciona. Y además, como hemos visto con innovaciones como la decodificación del
Genoma Humano, normalmente lleva un tiempo considerable comprender nuevos
enfoques.
28www.fiercebiotech.com/biotech/stealthy-insitro-opens-up-startinggilead-deal-
worth-up-to-1-05b
29https://khn.org/morning-breakout/ups-and-downs-of-artificialintelligence-ibm-
stops-sales-development-of-watson-for-drug-discoveryhospitals-learn-from-ehrs/
172 Capítulo 9 | El futuro de la IA
Gobierno
Un artículo de Bloomberg.com de abril de 2019 causó un gran revuelo. Describió una
mirada entre bastidores a cómo Amazon.com administra su sistema de inteligencia
artificial de altavoces Alexa.30Si bien gran parte se basa en algoritmos, también hay miles
de personas que analizan clips de voz para ayudar a mejorar los resultados. A menudo, la
atención se centra en abordar los matices de la jerga y los dialectos regionales, que han
resultado difíciles para los algoritmos de aprendizaje profundo.
Pero, por supuesto, es natural que la gente se pregunte: ¿mi altavoz inteligente realmente
me escucha? ¿Mis conversaciones son privadas?
Lo más probable es que los gobiernos comiencen a abordar los problemas de la IA. Un grupo de
congresistas ha patrocinado un proyecto de ley, llamado Ley de Responsabilidad Algorítmica,
cuyo objetivo es exigir que las empresas auditen sus sistemas de inteligencia artificial (sería para
empresas más grandes, con ingresos superiores a 50 millones de dólares y más de 1 millón de
usuarios).31La ley, si se promulga, sería aplicada por la Comisión Federal de Comercio.
Con toda esta actividad, algunas empresas se están volviendo proactivas, por ejemplo
adoptando sus propios consejos de ética. Basta con mirar a Microsoft. La junta de ética de
la compañía, llamada Aether (IA y Ética en Ingeniería e Investigación), decidió no permitir el
uso de su sistema de reconocimiento facial para detenciones de tráfico en California.33
30www.bloomberg.com/news/articles/2019-04-10/is-anyone-listening-toyou-on-
alexa-a-global-team-reviews-audio
31www.theverge.com/2019/4/10/18304960/congress-algorithmicaccountability-
act-wyden-clarke-booker-bill-introduced-house-senate
32www.wsj.com/articles/our-software-is-biased-like-we-are-cannew-laws-change-
that-11553313609?mod=hp_lead_pos8
33www.geekwire.com/2019/policing-ai-task-industry-government-customers/
Conceptos básicos de la inteligencia artificial 173
Mientras tanto, es posible que también veamos activismo de IA, en el que la gente se
organiza para protestar por el uso de determinadas aplicaciones. Una vez más,
Amazon.com ha sido el objetivo de esto, con su software Rekognition que utiliza el
reconocimiento facial para ayudar a las autoridades a identificar a los sospechosos. La
ACLU ha expresado su preocupación por la precisión del sistema, especialmente en lo que
respecta a las mujeres y las minorías. En uno de sus experimentos, descubrió que
Rekognition identificó a 28 miembros del Congreso con antecedentes penales.34En cuanto a
Amazon.com, ha cuestionado las afirmaciones.
Pero, por supuesto, hay algunos investigadores brillantes que creen que la AGI
llegará pronto. Uno de ellos es Ray Kurzweil, inventor, futurista, autor de bestsellers y
director de ingeniería de Google. En lo que respecta a la IA, ha dejado su huella en la
industria, por ejemplo con innovaciones en áreas como los sistemas de texto a voz.
Kurzweil cree que la AGI se producirá (en la que se descifrará la prueba de Turing) en
2019, y luego, en 2045, se producirá la Singularidad. Aquí es donde tendremos un
mundo de personas híbridas: en parte humanos, en parte máquinas.
¿Algo loco? Quizás. Pero Kurzweil tiene muchos seguidores de alto perfil.
34www.businessinsider.com/ai-experts-call-on-amazon-not-to-sell-
rekognitionsoftware-to-police-2019-4
174 Capítulo 9 | El futuro de la IA
Pero queda mucho trabajo por hacer para llegar a AGI. Incluso con los grandes avances logrados en el
aprendizaje profundo, generalmente todavía requiere grandes cantidades de datos y una potencia
informática significativa.
Algo más será fundamental: más diversidad dentro del campo de la IA. Según un informe
del AI Now Institute, alrededor del 80% de los profesores de IA son hombres; y entre el
personal de investigación de IA en Facebook y Google, las mujeres representaban el 15% y
el 10%, respectivamente.36
Este desequilibrio significa que la investigación podría ser más susceptible al sesgo.
Además, se perderá el beneficio de tener puntos de vista y conocimientos más amplios.
Bien social
La firma de consultoría de gestión McKinsey & Co. ha escrito un extenso estudio titulado
“Aplicación de la inteligencia artificial para el bien social”.37Muestra cómo se utiliza la IA
para abordar cuestiones como la pobreza, los desastres naturales y la mejora de la
educación. El estudio tiene aproximadamente 160 casos de uso. Así que aquí hay un vistazo
a solo algunos:
35http://fortune.com/2019/02/18/facebook-yann-lecun-lawnmowersdeep-
learning/
36www.theverge.com/2019/4/16/18410501/artificial-intelligence-aidiversity-
report-facial-recognition
37www.mckinsey.com/featured-insights/artificial-intelligence/appling-artificial-
intelligence-for-social-good
Conceptos básicos de la inteligencia artificial 175
• Los investigadores han construido una red neuronal entrenada con vídeos
de cazadores furtivos en África. Para ello, un dron sobrevuela zonas
para detectar a los infractores, por ejemplo mediante imágenes
térmicas infrarrojas.
Conclusión
Creo que este tema es un buen lugar para terminar este libro. Independientemente
de todo el potencial de daño y las consecuencias adversas, la IA realmente promete
ser transformadora para el mundo. Y la buena noticia es que hay muchas personas
que están centradas en hacer esto realidad. No se trata de ganar grandes cantidades
de dinero o conseguir fama. El objetivo es cambiar el mundo.
Conclusiones clave
A
Recursos de IA
Publicaciones y blogs que cubren la IA
• aitrends.com:www.aitrends.com/
• La Inteligencia Artificial de Berkeley
(BAIR): https://bair.berkeley.edu/blog/
• KDnuggets:www.kdnuggets.com/news/index.html
• Dominio del aprendizaje automático:https://machinelearning
mastery.com/blog/
• Revisión de tecnología del MIT:www.technologyreview.com/
• ScienceDaily—Sección de IA:www.sciencedaily.com/
news/computers_math/artificial_intelligence/
Blogs de IA de la empresa
• Baidu:http://research.baidu.com/
• Mente profunda:https://deepmind.com/blog/
• Facebook:https://research.fb.com/blog/
• Google:https://ai.googleblog.com/
•Microsoft:www.microsoft.com/enus/research/
•NVIDIA:https://blogs.nvidia.com/blog/category/
deeplearning/
• OpenAI:https://openai.com/blog/
• Fei-Fei Li:https://twitter.com/drfeifei
• Ian Goodfellow:https://twitter.com/goodfellow_ian
• Demis Hassabis:https://twitter.com/demishassabis
• Yann Lecun:https://twitter.com/ylectun?
• Andrés Ng:https://twitter.com/AndrewYNg
• Cuaderno Jupyter:https://jupyter.org/
• Keras:https://keras.io/
• Lenguaje Python:www.python.org/
• PyTorch:https://pytorch.org/
• TensorFlow:www.tensorflow.org/
Cursos online
• Coursera:www.coursera.org/
• Udacidad:www.udacity.com/
• Udemy:www.udemy.com/
GRAMO
Glosario
Función de activación: Se utiliza en modelos de aprendizaje profundo para ayudar a calcular relaciones
no lineales.
Red neuronal artificial (RNA): La estructura más básica para un modelo de aprendizaje
profundo. La ANN incluye múltiples capas ocultas que procesan datos mediante el
uso de algoritmos sofisticados.
Fatiga de la automatización: Con RPA, generalmente habrá menos mejoras a medida que
se automaticen más tareas.
Aprendizaje automático automatizado (AutoML): Una herramienta o plataforma digital que permite a los
principiantes crear sus propios modelos de IA.
Teorema de Bayes: Una medida estadística utilizada en el aprendizaje automático que ayuda a
proporcionar una visión más precisa de las probabilidades.
Corteza cerebral: Parte del cerebro humano que tiene más similitudes con la IA.
Ayuda con el pensamiento y otras actividades cognitivas.
Agrupación: Una forma de aprendizaje no supervisado que toma datos sin etiquetar y
utiliza algoritmos para agrupar elementos similares.
Automatización de procesos robóticos cognitivos (CRPA): Un sistema RPA que aprovecha las
tecnologías de IA.
Red neuronal convolucional (CNN): Un modelo de aprendizaje profundo que pasa por
diferentes variaciones (o convoluciones) de análisis de datos. Las CNN se utilizan a menudo
para aplicaciones complejas como el reconocimiento facial.
Tipo de datos: el tipo de información que representa una variable, como un número
booleano, entero, de cadena o de punto flotante.
falso: Implica el uso de modelos de aprendizaje profundo para crear imágenes o videos que sean
engañosos o dañinos.
Aprendizaje profundo: Un tipo de IA que utiliza redes neuronales que imitan los procesos del
cerebro. Gran parte de la innovación en este campo durante la última década se ha producido en
la investigación del aprendizaje profundo.
Junta de Ética: Un comité que evalúa los problemas de los proyectos de IA.
GPU (Unidades de procesamiento de gráficos): Chips que se utilizaron originalmente para videojuegos
de alta velocidad debido a su capacidad de procesar grandes cantidades de datos rápidamente. Pero las
GPU también han demostrado ser expertas en el manejo de aplicaciones de IA.
Modelo oculto de Markov (HMM): Un algoritmo que se utiliza para descifrar palabras
habladas.
Cuaderno Jupyter: una aplicación basada en web que facilita la codificación en Python y R para crear
visualizaciones e importar sistemas de inteligencia artificial.
Agrupación de K-medias: Un algoritmo que es eficaz para agrupar datos similares sin
etiquetar.
K-vecino más cercano (k-NN): Un algoritmo de aprendizaje automático que clasifica datos en
función de similitudes.
Lidar (detección y alcance de luz):Un dispositivo, que suele estar en la parte superior
de un coche autónomo, que dispara rayos láser para medir el entorno.
Regresión lineal: Muestra la relación entre ciertas variables, lo que puede ayudar con las
predicciones para sistemas de aprendizaje automático.
182 Glosario
Aprendizaje automático: Donde una computadora puede aprender y mejorar procesando datos
sin tener que ser programada explícitamente. El aprendizaje automático es un subconjunto de la
IA.
Metadatos: Se trata de datos sobre datos, es decir, descripciones. Por ejemplo, un archivo de
música puede tener metadatos como tamaño, duración, fecha de carga, comentarios, género,
artista, etc.
Datos ordinales: una combinación de datos numéricos y categóricos, como una calificación de
Amazon.com para un producto.
Red neuronal recurrente (RNN): Un modelo de aprendizaje profundo que procesa entradas anteriores a
lo largo del tiempo. Un caso de uso común es cuando una persona escribe caracteres en una aplicación
de mensajería, ya que la IA predecirá la siguiente palabra.
Base de datos relacional: Una base de datos, cuyas raíces se remontan a los años 1970, que
crea relaciones entre tablas de datos y tiene un lenguaje de programación, llamado SQL.
Automatización robótica de escritorio (RDA):El sistema RPA trabaja junto con un empleado
para gestionar trabajos o tareas.
Análisis de los sentimientos: Aquí es donde se extraen datos de las redes sociales y se encuentran las
tendencias.
Sensor: El sensor típico es una cámara o un Lidar, que utiliza un escáner láser para crear
imágenes en 3D.
Datos estructurados: datos que generalmente se almacenan en una base de datos relacional u
hoja de cálculo, ya que la información está en una estructura preformateada (como números de
Seguro Social, direcciones e información de puntos de venta).
Etiquetado de partes del discurso (POS): En el proceso de PNL, esto implica revisar el texto
y designar cada palabra en su forma gramatical adecuada, por ejemplo, sustantivos,
verbos, adverbios, etc.
TensorFlow: Una plataforma de código abierto, respaldada por Google, que permite la
creación de modelos sofisticados de IA.
Tres leyes de la robótica: Basadas en los escritos de ciencia ficción de Isaac Asimov,
estas leyes proporcionan el marco básico de cómo los robots deben interactuar con la
sociedad.
184 Glosario
Prueba de Turing: Creado por Alan Turing, esta es una forma de determinar si un sistema
ha logrado una verdadera IA. La prueba involucra a una persona que hace preguntas a dos
participantes: un ser humano y el otro una computadora. Si no está claro quién es el
humano, entonces se ha pasado la prueba de Turing.
Aprendizaje sin supervisión: Implica un modelo de IA que utiliza datos sin etiquetar. Generalmente, esto
significa que será necesario contar con sistemas de aprendizaje profundo para detectar patrones.
Problema de gradiente desaparecido: Explica cómo la precisión disminuye a medida que un modelo de
aprendizaje profundo crece.
Asistente virtual: Un dispositivo de inteligencia artificial que ayuda a una persona con sus actividades diarias.
IA débil: Aquí es donde se utiliza la IA para un caso de uso particular, como con Siri de
Apple.
I I
Índice
A C
función de activación,73, 74, 89 celonis,98
actuadores,127 chatbot,103, 104, 119, 121, 122
coches autónomos,162–166 mi
B Ellison, Larry,26
Engelberger, José,129 Modelado
propagación hacia atrás,72, 74, 75, 89
de conjuntos,54, 61, 62 junta de
renta básica,169
ética,146
Teorema de Bayes,43, 66
Gestión de excepciones,93
grandes datos,23–25
Sistemas expertos,8, 12-14
F METRO
h
Clasificador ingenuo de Bayes,55–57
I oh
IBM,7, 8, 13, 25, 26, 34, 149, 169, 171 Codificación one-hot,34
ImagenNet,51 Oráculo,23, 26, 34
Robots industriales,128–130, 132 sobreajuste,77, 88
j P, Q
cuaderno jupyter,154 Correlación de Pearson,44, 67
fonemas,111
k lenguaje pitón,151, 152
Keras,154
PyTorch,154
Agrupación de K-medias,55, 62-65 K-vecino
tokenización,106, 108
salesforce.com,144
modelado de temas,110
Samuel, Arturo L.,41
Datos de entrenamiento,49,
Searle, John,3, 4
67 Turing, Alan
Sensor,126, 127, 133, 163, 165
Prueba de Turing,2–4, 17
Análisis de los sentimientos,52, 56
Sigmoideo,74, 89
Ud.
Localización simultánea y
ruta de usuario,91, 92, 95, 98,
mapeo (SLAM),131
100 RPA desatendida,93, 102
robots sociales,136, 137
datos no estructurados,22, 24, 26,
Hijo, Masayoshi,161
27, 38
Desviación Estándar,42, 43, 66
Aprendizaje sin supervisión,50, 52–55, 67
derivación,108, 109, 124 arreglo de
puntadas,39–41
V
IA fuerte,173
Problema de gradiente que
Datos estructurados,21, 22, 27, 32, 38
desaparece,76 Asistente virtual,118,
Aprendizaje supervisado,50, 51, 54–62, 67
119 Comercio por voz,116, 117
de prueba,49 z
Tres leyes de la robótica,137 Zoho,145