Comprender la diferencia entre la Inteligencia Artificial y las técnicas tradicionales
La reciente popularidad de la Inteligencia Artificial, junto con el hecho de que el campo es novedoso y atractivo, ha llevado a muchas organizaciones a afirmar que sus proyectos utilizan los últimos avances en el campo de la AI cuando en su mayoría solo utilizan lógica condicional estándar, probabilidad y estadística. Esto da como resultado que las organizaciones no se den cuenta de los beneficios que la AI tiene para ofrecer.
Una comprensión general de la Inteligencia Artificial por parte de la población en general es esencial para garantizar un consenso preciso y que la tecnología se desarrolle de manera segura y responsable. Si bien hay muchas razones y presiones internas para afirmar el uso de AI cuando dicha afirmación es inexacta, las organizaciones, como resultado, tampoco se benefician de los avances reales. La lógica condicional, las técnicas probabilísticas y estadísticas sustentan a la mayoría de las organizaciones hoy en día y, si bien son complejas y sofisticadas por derecho propio y proporcionan beneficios significativos, difieren de lo que comúnmente se conoce como Inteligencia Artificial en la actualidad.
La mayoría de las aplicaciones empresariales modernas se basan en la lógica condicional. En el contexto de los lenguajes de programación contemporáneos y los motores de fórmulas, la lógica de negocio hoy se expresa comúnmente como lógica booleana, declaraciones If-Then-Else y declaraciones Case. La lógica de negocio organizacional puede capturarse y expresarse en razonamiento condicional. Aunque ha demostrado ser sumamente valiosa, difiere de lo que comúnmente se conoce hoy como Inteligencia Artificial. Las técnicas probabilísticas y estadísticas que a menudo se utilizan intensamente para pronósticos y predicciones, aunque también confiables y sólidas, de hecho, no son Inteligencia Artificial. Estas construcciones matemáticas se definen más o menos de antemano de manera racional, con pocas constantes que cambiar o variar, mientras que la Inteligencia Artificial se basa en la dinámica.
En cambio, la Inteligencia Artificial, como se describe brevemente, generalmente se basa en modelos que aprenden de los datos y determinan la lógica por sí mismos a partir de los datos. Desde que se presentó la prueba del Teorema de Aproximación Universal en 1999, demostrando cómo una red neuronal puede aproximar cualquier función, ahora se dirige más esfuerzo hacia la resolución de programas mediante Inteligencia Artificial en lugar de otros paradigmas. Aunque teóricamente es posible aproximar cualquier función, la capacidad de procesamiento y las técnicas para lograrlo fueron un factor limitante en la práctica. Sin embargo, los avances recientes han logrado grandes progresos en cerrar la brecha entre la teoría y la práctica.
La Inteligencia Artificial moderna utiliza técnicas que incluyen el Aprendizaje por Refuerzo Profundo, el Procesamiento de Lenguaje Natural, las LSTMs y los modelos Generativos-Adversarios con frameworks que incluyen TensorFlow y PyTorch utilizados en las implementaciones. Una buena prueba de si su proyecto utiliza Inteligencia Artificial es observar los kits de herramientas utilizados activamente dentro de los proyectos. Es probable que no sea un proyecto impulsado por AI si no utiliza herramientas del campo, con la obvia excepción de depender de kits de herramientas personalizados que realizan tareas cotidianas de AI como la multiplicación de matrices.
Aplicaciones Basadas en Inteligencia Artificial y Aplicaciones que No Están Basadas en Inteligencia Artificial
Aquí hay algunos ejemplos genuinos de Inteligencia Artificial que se utilizan en el mundo real:
- Sistemas de Visión por Computadora que aprenden a detectar y rastrear objetos a partir de datos etiquetados;
- Los sistemas de procesamiento del lenguaje aprenden a responder preguntas y mejoran con el tiempo, como los Chat-Bots;
- Agentes de juego que, solo a partir de la entrada de píxeles, pueden aprender a jugar juegos como Space Invaders, Pacman y Tetris.
Por el contrario, aquí hay algunos ejemplos que se afirman comúnmente como ejemplos de Inteligencia Artificial cuando no lo son y no deberían afirmarse como tales:
- Modelos de pronóstico que se basan en Probabilidad y Estadística;
- Consultas SQL que recuperan datos de una base de datos y realizan algún tipo de agregación u ordenamiento;
- Paneles de análisis basados en reglas creados en Tableau o Microsoft Power BI;
- Hojas de cálculo de Excel que utilizan fórmulas simples;
- Libros de trabajo impulsados por macros de Excel que contienen código VBA;
- Los sistemas de sensores envían una señal a un centro de control que un experto humano interpreta.
Direcciones Futuras para las Organizaciones que Buscan Adoptar Inteligencia Artificial
En muchos casos, la inteligencia artificial puede resolver problemas complejos, pero existen limitaciones donde la lógica condicional estándar, la probabilidad y la estadística serían superiores. Un ejemplo son las exenciones que requieren una fiabilidad del 100%, en las que los sistemas de AI a veces pueden producir resultados inconsistentes. En el caso de las técnicas tradicionales, sería beneficioso indicar cómo se implementaron en lugar de afirmar que estaban basadas en inteligencia artificial, ya que esto mejoraría el flujo del conocimiento.
La Inteligencia Artificial evoluciona constantemente, con mejoras que llegan rápidamente, filtrándose lentamente en la vida cotidiana al ser implementada sobre plataformas tecnológicas e infraestructuras ya existentes. A medida que se vuelve más omnipresente, la precisión es más importante que nunca, y es crucial considerar cómo se aplica y se explica. A medida que el campo se vuelva inevitablemente más regulado, ciertas libertades tomadas al afirmar falsamente el uso de AI se resolverán con el tiempo. Sin embargo, las organizaciones pueden adelantarse adoptando definiciones precisas de AI desde el presente.
Los beneficios de la Inteligencia Artificial genuina son vastos, y Telemus AI puede trabajar con su organización para impulsar resultados tangibles que van mucho más allá de las técnicas tradicionales.
Contáctenos hoy para una consulta gratuita sobre cómo Telemus AI™ puede integrarse en su organización.
