En esta publicación en el blog oficial de Google, Sundai Pichar, CEO de Google, anunciaba a finales de 2016 que la compañía abandonaba la construcción de productos “Mobile First”, que había sido la estrategia de la compañía desde hacía 10 años, para cambiar a un enfoque “AI First”. Meses más tarde, durante su presentación en el Google I/O de 2017, Sundai Pichar mostró cómo algunos de sus productos habían mejorado aplicando este nuevo paradigma:

  • Gmail, La funcionalidad de “Smart Reply” ha sido desarrollada usando “Machine Learning”.
  • Google Home permite identificar múltiples personas a través de su voz usando redes neuronales, siendo capaz de aplicar la instrucción recibida al contexto de la persona que lo hizo.
  • La aplicación de la cámara permite analizar la imagen que está tomando y automáticamente realiza la acción que da más valor al usuario. Por ejemplo, si estamos enfocando la fachada de un comercio podemos obtener la información que tiene google de él; mientras que si apuntamos a una etiqueta con el usuario y contraseña de una red Wi-Fi, la configura automáticamente.
  • Google presentó una nueva versión de sus ASICs (conocidas como “TPUs”) diseñadas específicamente para los cálculos de aprendizaje e inferencia de su framework de inteligencia artificial TensorFlow.

 

Keynote Sundar Pichai Google I/O 2017

 

Este nuevo enfoque no sólo está influyendo en el diseño de sus productos y servicios sino que también guía su estrategia de inversión ya que han abierto un programa de “Venture Capital” sólo para startups dedicadas al “Machine Learning”. Además, Jeff Dean  (una de sus personas clave en este área) reconocía en una entrevista que una de sus debilidades es que sólo el 10% de sus ingenieros tienen conocimientos en inteligencia artificial y el diseño de sus productos necesita que las personas involucradas tengan unos conocimientos adecuados en este área.

El campo de la inteligencia artificial no es nuevo en la informática; durante finales de los años 50 e inicios de los 60 ya aparece el término y se desarrollaron los primeros sistemas expertos, el perceptron etc… Sin embargo, en los últimos meses ha sufrido un nuevo impulso debido a:

  1. Avances sustanciales en la capacidad de computación: El entrenamiento de redes neuronales es muy intensivo en términos de cálculos computacionales. El desarrollo de nuevas CPUs, GPUs, ASICs con una capacidad de cálculo que se multiplica año tras año y un coste accesible está sirviendo para “democratizar” el entrenamiento y uso de redes neuronales.
  2. Acceso libre a datasets de calidad que permiten el entrenamiento de las redes neuronales. Por ejemplo, ImageNet.
  3. Mejores algoritmos de aprendizaje automático.
  4. Nuevo software e infraestructura. Los servicios en la nube permiten el acceso a gran capacidad de computación sin necesidad de poseer y mantener grandes servidores. Por otra parte, el hardware cada vez más barato, potente y con menor consumo está haciendo posible el desarrollo del “IoT”, lo que permite obtener gran cantidad de datos que convenientemente tratados pueden convertirse en datasets para entrenar sistemas de inteligencia artificial.

La aplicación de estas tecnologías en las diferentes industrias es muy amplia y cada día aparecen nuevos casos de uso. Pensemos en el ámbito financiero, los sistemas de inteligencia artificial tienen diferentes aplicaciones como son la detección de fraude, robo-advisors, la clasificación de transacciones etc.. Pero destaca uno, su uso en los motores de gestión de riesgo de crédito.

Generalmente el estudio del riesgo de crédito de un cliente se realiza usando análisis estadísticos que aplican una combinación lineal de variables independientes. Sin embargo, los sistemas de inteligencia artificial son capaces de evaluar la relación que tienen entre sí múltiples variables lo que permite mejorar la precisión en la concesión de la financiación.

Aún hay barreras que superar en el desarrollo de estos sistemas de cálculo de “scoring” de riesgo. Por ejemplo, la consideración de “caja negra” de los sistemas de inteligencia artificial basados en redes neuronales dificulta conocer el motivo de concesión/denegación de un crédito, lo que no favorece la trasparencia con el cliente y con el regulador.

Unos productos estrechamente relacionados con la inteligencia artificial son los altavoces “inteligentes” como Amazon Echo o Apple HomePod. Se están convirtiendo en productos relevantes gracias a que incorporan asistentes que permiten a los usuarios realizar acciones como comprar, controlar la domótica de su casa o precalentar el coche antes de partir de viaje sólo utilizando la voz. Las interfaces gráficas, como las de las aplicaciones móviles, están siendo sustituidas por la voz. En estos productos la inteligencia artificial se utiliza para identificar y clasificar la voz, procesar lenguaje natural e incluso el “sentimiento” de la conversación.

 

Amazon Echo

Amazon Echo

 

Comentábamos en un artículo anterior uno de los casos de uso donde la inteligencia artificial que va a tener un impacto mayor en las personas: su uso en el desarrollo de los coches autónomos. El cambio en la industria va ser tremendo ya que a largo plazo dejemos de poseer vehículos para empezar a ser usuarios de servicios de movilidad donde un “pool” de coches autónomos dará servicio a muchos usuarios.

Tal como hemos visto la inteligencia artificial va a impactar fuertemente en la industria y la sociedad en general debido a los inimaginables niveles de automatización que va a permitir. Sin embargo, uno de los mayores riesgos que tiene es no alcanzar las enormes expectativas que se están poniendo en este paradigma debido a la desinformación. Esta tecnología no va a ser capaz de resolver problemas que no se hayan dado con anterioridad, lo que si podríamos considerar como verdadera inteligencia, sino que es aplicable en la resolución de problemas que se han dado anteriormente ya que “aprende por el ejemplo”. Es por ello que muchos expertos que recomiendan el uso del término “Machine Learning” en lugar de inteligencia artificial.

En el siguiente post haremos una demo de un sencillo sistema de Inteligencia artificial.