Inteligencia Artificial: El Motor De Una Nueva Revolución Industrial

Artigo em espanhol

La inteligencia artificial divide el mundo en dos campos: los que creen y los que no, optimistas contra los pesimistas. Es hora de un poco de equilibrio. Hoy, un sistema de inteligencia artificial no supera el nivel de un niño de dos años y aún necesita una computadora central en la nube para realizar tareas complejas limitadas. Sin embargo, la inteligencia directa e inteligente de los sensores descentralizados ubicados en los puntos finales de la cadena se está acercando cada vez más. Esto asegurará que gradualmente obtengamos sistemas que puedan realizar tareas más inteligentes que los humanos.

Hoy la IA definitivamente está ganando impulso, pero al mismo tiempo necesitamos aclarar muchos puntos. La inteligencia artificial ha pasado por varias fases y actualmente enfrenta un nuevo desafío porque el almacenamiento de datos aún es muy limitado y las computadoras son muy lentas.

Los datos digitales están disponibles en grandes cantidades, clics, ubicación, sensores y más. El almacenamiento en la nube también nos permite almacenar una gran cantidad de datos, que es la materia prima de la IA. Y las computadoras se han vuelto más rápidas y potentes, lo que le permite descubrir patrones más rápido dentro de este gran volumen de datos.

La Verdad sobre la Inteligencia Artificial

La IA es el motor de una nueva revolución industrial. Las revoluciones anteriores tenían como objetivo facilitar el trabajo humano. La gran diferencia es que el objetivo de esta revolución es facilitar y mejorar el pensamiento. Esta es la primera vez La inteligencia artificial debe asumir parcialmente el pensamiento humano, ser capaz de tomar decisiones inteligentes de forma independiente en el momento adecuado. Seguimos trabajando en inteligencia aumentada. Al combinar las ideas de sensores y cámaras, queremos que los entornos sean más inteligentes que las personas. Cuando está oscuro, nuestros ojos no ven al piloto en la pista, un radar combinado con una cámara puede detectarlo. Esto es lo que se está trabajando actualmente junto con la industria, pero, por supuesto, se puede ir aún más lejos en la investigación. Analizando no solo cómo podemos permitir que los robots trabajen de manera totalmente autónoma con las personas a través de nuestro lenguaje y movimientos, sino también para comprender nuestras intenciones de cambio. Nuestro estado de ánimo.

Suena misteriosamente futurista, pero todavía no estamos allí y esa mayor inteligencia no significa que estos sistemas reemplacen o administren personas. El objetivo es que seamos más fuertes juntos. El cambio climático o el cáncer son cosas que lamentablemente no podemos controlar hoy y que la naturaleza puede controlar.

La Madurez de la Inteligencia Artificial

Hoy la IA se compara con un “hijo de dos”. Aprende cosas y puedes aplicar lo que has aprendido. Lo que queremos hacer es que la IA también aprenda cosas nuevas y use estas ideas en su pensamiento. Suponga que a un niño se le muestran dos fotos con un número diferente de gatos. Un niño de dos años aún no puede saber qué foto tiene más gatos, pero un niño de cuatro años puede elegir. Hoy, un sistema de IA contará la cantidad de gatos, pero no puede combinar este conocimiento con la lógica. El algoritmo que reconoce imágenes no tiene términos como “más” o “menos”. Los sistemas deberían poder hacer más en los próximos años que solo mirar, escuchar y aprender.

Si un sensor falla en una ciudad llena de sensores, ese sistema a menudo estará inactivo o tomará las decisiones equivocadas. El entorno en el que estos sensores están activos debe aprender independientemente a tomar decisiones y adaptarse. Incluso si un sensor falla, se agrega o reemplaza. Si cubrimos un ojo, nuestro otro ojo aún puede enviar señales a nuestros cerebros, y aún pueden tomar decisiones extremadamente rápidas. La IA también debe ir por este camino.

Inteligencia Artificial en el Límite

Un paso clave en esta evolución es llevar la inteligencia artificial “hasta el límite”, hasta los puntos finales de la cadena en sensores y cámaras inteligentes que ahora recopilan sus datos. Hoy, los dispositivos envían sus datos a una nube, bajo el algoritmo en el que se ejecutan. Al enviar estos datos, ya que las decisiones tomadas por los algoritmos se retrasan. Si un automóvil autónomo llega a una intersección en la noche y el radar detecta a un ciclista, milisegundos pueden decidir sobre la vida o la muerte. Por lo tanto, no hay tiempo para solicitar una decisión final en la nube. Esto debe ser un hecho local.

Por lo tanto, el objetivo es llevar inteligencia artificial inteligente directamente a la ubicación en los datos creados, en el automóvil, en el teléfono inteligente, en la cámara o incluso en los sensores identificados en estos dispositivos. El algoritmo de inteligencia artificial ya no funciona en computadoras y centros de datos que consumen mucha energía, sino que realizan operaciones en sensores y dispositivos individuales. La IA realmente entra en nuestra vida útil y puede eliminar la tensión actual entre la innovación y la desconfianza.

Traductor de Inteligencia Artificial – La Profesión del Futuro

Hoy en día, muchas compañías están involucradas con la IA de una forma u otra, pero a menudo se descubre que sobreestiman la tecnología.

Las empresas olvidan el desafío empresarial. ¿Qué debe hacer la IA? ¿Qué problema debería resolver la IA? ¿Qué experiencia debería mejorar la IA? Un traductor de inteligencia artificial, alguien que puede traducir el desafío comercial de una empresa en inteligencia artificial, es una profesión con un gran futuro.

Además de olvidar el desafío comercial, las empresas a menudo cometen un segundo gran error cuando quieren usar IA. Reclutan a un científico de datos que necesita implementar IA de la A a la Z. Así no es como funciona. La IA es un proceso complejo. Para completarlo con éxito, necesita diferentes perfiles. Para hacer una comparación con un restaurante, la persona que hace el horno no es la persona que preparará las comidas. Alguien a quien le apasiona crear nuevos algoritmos, el ingeniero de hornos, no siempre sabe cómo y en qué contexto los algoritmos sirven mejor al negocio, el cocinero. Estos son dos perfiles completamente diferentes.

Un científico de datos tampoco es un ingeniero de datos. No se debe pedir a un científico de datos que primero limpie los datos. Los científicos de datos usan los algoritmos junto con datos “limpios”. Este proceso determinará si todo funciona o no. Si la solución de IA agrega valor o no. Es difícil encontrar buenos científicos de datos. Las empresas intentan resolver esto comprando algoritmos entrenados o utilizando el aprendizaje automático. O subcontratan los algoritmos a científicos de datos en India o Polonia. Este enfoque puede, de hecho, producir rápidamente buenos resultados en ciertos contextos, por ejemplo, con el reconocimiento de imágenes. Pero el contexto sigue siendo crucial.

Sin conocer el contexto de los datos proporcionados, existe una buena posibilidad de que el algoritmo vuelva a tomar el control o reforzar los sesgos que contiene. Y luego el algoritmo puede tomar decisiones equivocadas.

Fonte: EuroSur News

Autor: Lenildo Morais, Maestro en Ciencia de la Computación por el Centro de Informática de la Universidad Federal de Pernambuco. Gerente de Proyectos de Ustore, empresa del Puerto Digital de Pernambuco.