[26/02/2016] Después de un largo invierno congelado en el permafrost tecnológico, vuelve la primavera al campo de la inteligencia artificial (IA, por sus siglas en inglés).
IA está a punto de despegar en este 2016, a medida que las empresas empiezan a incluir algunos elementos en sus portafolios de aplicaciones. Para el 2018, la inteligencia artificial estará incorporada en, aproximadamente, la mitad de todas las aplicaciones desarrolladas, según la firma de investigación IDC; y en el 2020, se espera que los ahorros impulsados por IA -por ejemplo, la reducción de los costos del personal y el aumento de la eficiencia del flujo de trabajo- equivalgan a un total de aproximadamente 60 mil millones de dólares para las empresas estadounidenses.
Además, el director de sistemas cognitivos y análisis de contenidos de IDC, David Schubmehl, predice que las plataformas de IA como IBM Watson, Intel Saffron, Google Tensorflow y Microsoft Cortana generarán alrededor de 1,4 mil millones de dólares en ingresos este 2016.
Dentro de la empresa típica, la mayoría del tiempo, IA toma la forma de aprendizaje automático -es decir, el desarrollo y la implementación de algoritmos que pueden aprender de, y hacer predicciones sobre, grandes conjuntos de datos.
El aprendizaje automático debería estar en la parte superior de cada lista de vigilancia de los ejecutivos de nivel C, jefes y proveedores del área de negocios, señala Schubmehl. "Puede que los CIOs no tengan que hacer nada en el 2016, pero definitivamente deberían pensar en ello", añade.
¿Por qué IA ahora, cuando se consideraba muerta y enterrada hace una década? La respuesta es la potencia de procesamiento informático barata y el encanto de los secretos enterrados en medio de un torrente de datos que no existían en tales cantidades enormes en ese entonces.
"Durante el 'invierno de IA', no disponíamos de suficiente potencia de procesamiento informático y de datos" para que el campo fuese práctico tecnológica o económicamente, comenta Schubmehl. Más o menos en el 2013, las cosas empezaron a cambiar. "Ahora tenemos un montón de potencia informática y más datos de los que necesitamos", agrega. "Todavía estamos comenzando, pero contamos con mejores algoritmos de aprendizaje automático. El Siri de hoy en día es mucho más inteligente que hace cinco años. Y, Siri en cinco años estará ligado a varios asistentes digitales y hará aún más cosas".
Pitney Bowes hace mejores envíos con IA
Mientras que algunos ejecutivos de nivel C todavía están considerando el potencial de IA, Pitney Bowes no está esperando que la competencia comience.
"Nosotros [funcionamos como] un Uber para las parcelas de negocios transfronterizas en 100 países de todo el mundo", explica el jefe de innovación de Pitney Bowes y EVP Roger Pilc. "No conducimos camiones y volamos los aviones; en cambio, [facilitamos] un conjunto muy complicado de actividades. No podríamos hacerlo sin el aprendizaje automático ni IA".
Roger Pilc, director de innovación y EVP en Pitney Bowes, señala que la compañía transportista no podría hacer lo que hace sin inteligencia artificial.
Pitney Bowes utiliza algoritmos de aprendizaje automático para calcular con precisión el costo de envío más bajo posible, junto con los impuestos y derechos, para clientes como Target, Harrods y Macy. Eso incluye la clasificación de mercancías mediante los códigos del Sistema Armonizado internacional (HS, por sus siglas en inglés), que determinan las tarifas en 200 países para más de cinco mil artículos.
El envío es una de las partes más críticas de cualquier transacción en línea, pues dos tercios de los consumidores se retiran cuando ven que los gastos de envío son demasiado altos, señala Pilc. Teniendo en cuenta la flexibilidad de los precios, es crítico para Pitney Bowes llegar a un precio de envío que sea lo suficientemente bajo como para retener al cliente sin que el transportista pierda dinero en la transacción.
Ahí es donde el aprendizaje automático entra en acción. Antes de IA, a un par de lentes de sol se le asignaba un peso, impuesto y tasa; mientras que hoy, estos cargos pueden variar ampliamente dentro de una misma categoría, dependiendo de las dimensiones, el peso y el envasado del producto, entre otros factores.
"Estamos facilitando el comercio y el volumen de los envíos; y eso crea datos que ingresamos de nuevo en nuestros algoritmos", comenta Pilc. "Cuantos más datos tengamos, más precisos seremos".
Pitney Bowes ha estado utilizando IA y aprendizaje automático por cerca de cuatro años, de acuerdo con Art Parkos, vicepresidente de Pitney Bowes para la tecnología y la innovación estratégica. Durante ese tiempo, estima que ha habido una mejora del 25% en la exactitud de los algoritmos.
GE aprovecha su profundo conocimiento del dominio
Una de las claves para enseñarles a las máquinas a aprender, es el acceso al conocimiento profundo del dominio; por lo que algunas empresas más antiguas y experimentadas están más avanzadas en IA, que sus competidores más jóvenes - simplemente tienen un almacén de datos mayor.
Ese es el caso de General Electric (GE), uno de los principales fabricantes mundiales de equipos industriales. GE es pionero en el concepto del "gemelo digital", donde el modelo digital de un motor a reacción, locomotora o turbina grande, por ejemplo, está construido para predecir con precisión cuando un mantenimiento o reemplazo es necesario, a través de la inteligencia artificial -un proceso que puede ahorrar miles de millones, según Colin Parris, vicepresidente de investigación de software de GE.
"Cada vez que inspecciono un activo, lo [tengo que] mantener desconectado. La disponibilidad se pierde, y tengo que pagarle a gente para inspeccionarlo, para que [luego encuentren] que no hay ningún problema", explica Parris. "En lugar de ello, con un gemelo digital del activo que me diga cuándo inspeccionarlo, no perderé el tiempo de manera innecesaria".
Además, " puede tener muchos gemelos digitales asociados a activo, cada uno enfocado en un resultado financiero diferente", explica Parris.
GE ha construido gemelos digitales para su motor a reacción GE90 y dice que ha ahorrado millones al evitar reparaciones innecesarias. Los gemelos digitales para su línea Evolution de locomotoras, ahorra un promedio de 32 mil galones de combustible al año, por unidad, y disminuye las emisiones de carbono en 174 mil toneladas.
Para la construcción de gemelos digitales, los empleados de GE primero recogen los datos relevantes y luego construyen un modelo. Una vez puesto en marcha, este se adapta a las condiciones cambiantes que afectan a las turbinas de gas, motores a reacción, máquinas de resonancia magnética, locomotoras o equipos de perforación de petróleo de GE. Aquí es donde la inteligencia artificial entra en acción.
"Cuando recopilo los datos, faltan muchos de ellos. Una porción ha sido dañada debido a que un servidor o red no funcionó, o los sensores estaban apagados o ausentes. Usamos IA y aprendizaje automático para limpiar e imputar esos datos, pues así [rellenamos] los puntos que faltan", explica Parris. Además, dice que la recompensa de los gemelos digitales puede ser, literalmente, miles de millones, si no son billones, de dólares.
"El poder del 1% es la escala en la que nos fijamos", señala Parris. El caso concreto: GE señala que un gemelo digital para su 6FA Turbine Combined Cycle [Power] Plant ha dado como resultado un aumento del 1% en la eficiencia. "A esta escala, un aumento del 1% representa miles de millones de dólares en ahorros".
Las máquinas son una de las tres áreas en las que GE considera la inteligencia artificial como crítica. Las otras dos son los humanos y robots. "Tenemos mucha IA en las máquinas, un poco en los humanos, y mucho menos en la robótica. Este es un viaje para nosotros y estamos recién comenzando", anota Parris.
Los robots, por ejemplo, utilizan la visión por computadora asistida por IA para posicionar de manera precisa las cámaras, y determinar si una pala de turbina está agrietada o simplemente sucia o manchada de aceite. Dejar una turbina de la planta de energía fuera de servicio para reparar un problema que no existe es muy costoso. GE también está utilizando IA para crear robots con dedos que detectan la presión y pueden trabajar junto a los humanos.
En el lado humano, las aplicaciones infundidas con IA ayudan a los técnicos a encontrar los recursos que necesitan más rápido, mediante el monitoreo de todo (desde sus expresiones faciales hasta su búsqueda) y la recomendación del contenido en base a esos datos.
"Si nos fijamos en IA en este momento, está evolucionando a un ritmo fantástico", anota Parris.
Twitter adapta sus feeds con IA
La red social Twitter está utilizando IA para profundizar la experiencia del usuario. Exactamente, Twitter ha desarrollado algoritmos de aprendizaje automático que destacan y desplazan tweets basándose en lo que los usuarios individuales han visto o hecho clic según su historial.
Eso es un reto cuando el timeline o newsfeed de un solo usuario consiste en miles de tweets sobre todos los temas imaginables; y cuando, según Twitter, unos 320 millones de usuarios están activos todos los meses en la red.
"Qué es más importante para los usuarios de Twitter? [Estamos] tratando de entender lo que está sucediendo en su mundo, lo más relevante. Eso es lo más importante que Twitter necesita resolver", señala Siva Gurumurthy, gerente senior de ingeniería del equipo de recomendaciones de Twitter.
El equipo de recomendaciones utiliza algoritmos para averiguar qué temas están en tendencia; y qué tweets individuales -que puede contener enlaces, archivos GIF y videos- son los que más se ajustan a las preferencias de los usuarios, en función de su red de seguidores, ubicación e intereses. El aprendizaje automático es fundamental para este esfuerzo.
Mientras que la compañía dice que dicha personalización impulsada por IA es solo una parte de los programas especiales opt-in como While you were away; Highlights, Trends y MagicRecs, las especulaciones surgieron al momento del cierre diciendo que la tecnología podía ser aplicada al feed principal de Twitter de un usuario.
De cualquier manera, Twitter parece estar comprometido con la idea de la personalización a través de algoritmos. "La personalización profunda es el aspecto clave del aprendizaje automático. Formamos nuestros algoritmos para personalizar el contenido", señala Gurumurthy. "Si a un usuario le gustan los deportes, [los algoritmos] priorizan los contenidos deportivos en directo. Si les gusta el contenido de amigos y familiares, se le da prioridad", añade.
Uno de los retos interesantes es personalizar el contenido sin perder oportunidades, añade Gurumurthy. Los algoritmos de Twitter tienen que averiguar qué es relevante para cientos de miles de usuarios durante un evento de importancia mundial. Por ejemplo, cuando el ataque terrorista en la sala de conciertos de Bataclan estaba manifestándose en París, los usuarios dependieron de Twitter por múltiples razones. Algunos usuarios estaban tratando de localizar a familiares, amigos o compañeros de trabajo, mientras que otros querían imágenes, videos o alertas de noticias de último momento.
"El período de [tiempo] para aplicar algoritmos de aprendizaje automático se está volviendo más y más corto", anota Gurumurthy. "[Puede] destacar el contenido que le importa donde se da evento como éste. Ese es el problema que estamos resolviendo con el aprendizaje automático", agrega.
No siempre es el contenido lo que dicta aquello que los usuarios ven. En muchos casos, la consideración más importante es lo que está sucediendo dentro de la red de seguidores y la ubicación de un usuario. "El hecho de que mi amigo haya tuiteado acerca de un tema irrelevante, es más interesante que el tema en sí", explica Gurumurthy. "Si hay un incendio en Massachusetts, puede que no me interese; pero, si tres personas en mi red hablan de tal fuego, eso lo vuelve mucho más relevante para mí", explica.
"Hay una revolución en marcha en este espacio", resume Gurumurthy. "Esperamos progreso en los próximos años [respecto al] aprendizaje automático en el mundo del streaming".
CIT Group: Preparándose para IA
Aparte de las grandes organizaciones con bolsillos profundos que están jugándosela por IA, muchas otras compañías están en la fase exploratoria, buscando cuidadosamente formas de implementar IA -y de obtener financiación para ello. CIT Group, una empresa de arrendamiento y préstamos, se incluye en el último grupo.
IA "es mucho más exploratoria. No tenemos proyectos financiados, pero estamos experimentando con unos cuantos ejemplos de uso para ver si hay un caso de negocios con suficiente ROI para patrocinar una inversión", señala el director de datos del CIT, B. J. Fesq. Con la idea de unir la analítica con IA en algún momento, CIT ha dado el primer paso: revisar una gran variedad de aplicaciones analíticas tales como las herramientas gráficas de CRM de Redpoint, la plataforma de unificación de datos de Tamr para la catalogación, la conexión y el consumo de datos, y la plataforma Hadoop de Cloudera.
"Tenemos este historial de clientes de 109 años, y en realidad no lo hemos aprovechado para oportunidades de venta cruzada. Sin embargo, estamos empezando a hacerlo. Decimos que este tipo de cliente es parecido a este otro", señala Fesq. "Tiene un gran impacto en lo que llevamos a cabo todos los días".
CIT ha estado concentrado en la adquisición de OneWest Bank, así que IA no ha sido una prioridad. Pero, se espera que esto cambie en el próximo par de años. IA "es muy pequeña en este momento, pero está empezando a crecer, y va a explotar", anota Fesq. "Nuestros geeks de datos ya lo están investigando".
John Dodge, Computerworld (EE.UU.)
También puede ver: