Skip to Content

4 tendencias en el desarrollo de IA para este año

4 tendencias en el desarrollo de IA para este año

Conoce las cuatro áreas principales que le darán a tu empresa una ventaja competitiva al aplicar un enfoque de escala.

Conoce las cuatro áreas principales que le darán a tu empresa una ventaja competitiva al aplicar un enfoque de escala.

En un mundo en el que hay al menos 175 mil millones de matices en el habla humana, la forma en que hablamos, y no solo lo que decimos , se vuelve más importante. En el ámbito de la robótica y el procesamiento del lenguaje natural, estos matices marcan la diferencia entre el éxito y la entrada en el valle inquietante.

Esta es una de las muchas tendencias que se avecinan en el nuevo año. Otras, relacionados con la inteligencia artificial (IA), transformarán profundamente la forma en que vivimos, trabajamos e interactuamos con la tecnología.

Brad Porter, director de Tecnología de Scale AI y Corey Patton, cofundador y director ejecutivo de Pramana Labs están trascendiendo nuevas fronteras de lo que es posible en la IA; por ello les pedimos que nos contaran sobre las tendencias que afectan al sector. Para escuchar sus episodios completos y estar al día de otras tendencias emergentes, puedes suscribirte a nuestro podcast gratuito IT Visionaries presentado por Albert Chou.

1. MÁS ES MÁS: La IA de precisión se logra al disponer de un contexto abundante

«Paris Hilton es el nombre de una persona», dijo Chou. Pero ¿qué sucede cuando alguien quiere alojarse en un hotel Hilton durante sus vacaciones en París, Francia? «En realidad, estas herramientas se pueden adiestrar para reconocer estas diferencias, reconocer que en un caso se trata de una entidad», explicó.

La respuesta es: lo ideal es hacer ambas cosas. Intentar obtener muchos datos e intentar etiquetarlos increíblemente bien.”

BRAD PORTER, CTO SCALE AI

Vea Salesforce Platform en acción

Descubre cómo Salesforce Platform agiliza el desarrollo y la implementación de aplicaciones.

Porter estuvo de acuerdo. «Los modelos de aprendizaje profundo, a fin de cuentas, lo que hacen es razonar de forma estadística a partir de los ejemplos anteriores que han visto. Hay que alimentarlos con ejemplos. Por ello, el desafío del aprendizaje automático es que hay que encontrar personas que puedan hacer el trabajo de etiquetar este París».

«Así que este es el equilibrio clásico», continuó, «entre cuánto inviertes en obtener más datos y cuánto inviertes en la calidad de los datos que estás etiquetando y anotando. La respuesta es: lo ideal es hacer ambas cosas. Intentar obtener muchos datos e intentar etiquetarlos increíblemente bien».

Por supuesto, existen situaciones puntuales en las que la IA no puede simplemente seguir las tendencias. Si un vehículo autónomo ve una borrosidad blanca, puede interpretarla como una bolsa de plástico. Sin embargo, tus datos deben ser lo suficientemente afinados para dar cuenta de las diez veces que la bolsa de plástico podría ser en realidad una gaviota. «Lo que quieres es poder dar cuenta de estos eventos poco frecuentes», dijo. «Cuanto más preciso sea el modelo, más precisos serán los datos; cuanto más precisos sean los datos, más precisos serán los resultados».

2. REFLEJAR LA FORMA EN QUE HABLAMOS: Prever el flujo de conversación

«Los seres humanos aprenden a través de tener muchas conversaciones diferentes», explicó Patton. Obtienen información, aprenden, hacen una pregunta de continuidad. La IA de Pramana ayuda a sintetizar resultados de una manera que ya prevé las necesidades de la persona. En lugar de solo dar una respuesta única o monosilábica, Pramana responde en varios párrafos, con gráficos y estadísticas que proporcionan un contexto con una narrativa natural y cotidiana. «Proporcionamos ambos extremos del espectro para los usuarios de la herramienta», afirmó Patton.

Superar las expectativas es cada vez más importante para los consumidores actuales. El procesamiento del lenguaje natural (NLP) es el camino para que esto suceda. Con estimaciones de hasta 100 billones de puntos de datos que se deben tener en cuenta, entender con precisión lo que el usuario está diciendo y, entonces, ir un paso por delante para dar la respuesta marcará la diferencia entre la IA que simplemente responde frente a la IA que impresiona.

«Es una conversación bidireccional», dijo Patton. «Permitimos que el usuario haga una pregunta en expresión libre, pero también tenemos un flujo completo de extremo a extremo… que busca en la base de datos y produce una respuesta en prosa narrativa. Hay que trabajar junto con los consumidores; todo empieza con ellos».

3. IA COMO UN ACTIVO PARA LA SOCIEDAD: Facilitar el trabajo de las personas

«Existen enormes oportunidades para ayudar realmente a las personas», dijo Porter. «Este problema de los datos de alta calidad no solo se limita a esa especie de futuros drones de ciencia ficción, sino también a desafíos diarios como el comercio electrónico».

Una mayor fidelidad de la información propicia unos mejores servicios en el mercado. Chou recurrió a la analogía con un robot aspirador Roomba: si no aprende a diferenciar entre lo que es polvo y lo que es un gato, podría recoger aquello que no toca. «Todavía está aprendiendo», dijo, al igual que todas las herramientas de iteración de la IA.

Estas mejoras no solo ayudan al consumidor; sino también al empleado. Con 4,4 millones de personas que dejaron sus trabajos en 2021, es importante tener a la fuerza laboral de tu empresa lo más contenta posible. Una manera de hacerlo es mediante la incorporación de la IA en las tareas diarias de los empleados para que puedan verse menos abrumados por lo banal y tener más confianza en sus resultados de datos.

4. IA Y CIBERSEGURIDAD: Adelántate a las amenazas

«Tienes que ver lo que se avecina antes de que te golpee», dijo Patton. Las amenazas de ciberseguridad son cada vez más avanzadas y la IA tiene que incorporarse para obtener la mejor protección contra ataques.

En una entrevista anterior con la experta en seguridad Marla Hay, nos contó sobre maneras de incorporar la seguridad en el diseño de un sistema desde su inicio. También hablamos con cuatro expertos diferentes del sector sobre cómo cooperar en programas de protección automatizados en todo el mundo. Dado que los agentes de amenazas son cada día más avanzados en el campo de la seguridad, ver venir los problemas es crucial para maximizar el potencial de la IA.

«El problema de las tendencias», explicó Chou, «era que nunca tenían la envergadura suficiente para formar parte de la conversación global que haría que [las personas] creyeran que algo estaba sucediendo». Por otro lado, la inteligencia artificial puede prever hacia dónde dirigir la conversación en materia de prevención.

La IA está en movimiento. «¿Qué problemas deseas resolver?» preguntó Chou, para «seguir impulsando el ritmo de la innovación en tu ámbito». Dentro de cada una de estas cuatro áreas focales, hay numerosos hilos de historias que permiten seguir hacia dónde se dirige la inteligencia artificial.

  • Etiquetado de datos
  • Procesamiento de lenguaje natural
  • Poco código y experiencia del empleado
  • Ciberseguridad

Cada una de estas tiene su propio nicho de experimentación y refinamiento a medida que vamos creciendo. Sin embargo, un subproceso subyacente que Patton resumió bien, independientemente del sector de que se trate, es que es esencial no perder nunca la curiosidad: «Este es un aspecto problemático para conseguir una precisión milimétrica que se puede resolver. Y la solución realmente proporcionó un beneficio inicial, luego los beneficios crecieron y se multiplicaron».

Porter abundó: «Hay que hacerlo genial para los clientes. Hay que hacerlo genial para los empleados. Y si puedes resolver todo eso y crear un negocio viable… puedes llegar a ser una empresa con un éxito enorme».

Vea Salesforce Platform en acción

Descubre cómo Salesforce Platform agiliza el desarrollo y la implementación de aplicaciones.