Tecnologías de IA que importan ahora: aumentar las personas, los procesos y el potencial

Proporcionado por S.A.S.

Jim Goodnight es cofundador y director ejecutivo de SAS.

Desde la vigilancia masiva hasta las máquinas de leer la mente, cada nuevo día parece traer otra predicción alarmante sobre el potencial de inteligencia artificial para cambiar el mundo.

Pero no prestamos suficiente atención a las aplicaciones prácticas de IA que se usan todos los días. Estas aplicaciones del mundo real no son espeluznantes ni futuristas. Incluso podría llamar a algunos de ellos mundanos. Pero brindan un valor práctico para las empresas y los consumidores, y no nos están conduciendo a una muerte inminente.

La IA tiene el potencial de cambiar nuestro mundo. Pero no va a hacer eso a través de robots sensibles o computadoras que le quiten el control a los humanos. Las aplicaciones de IA que vemos aumentarán con más frecuencia la actividad humana que la reemplazarán.

A medida que continuamos siendo testigos de un mayor poder de cómputo y un mundo más conectado, tecnologías prácticas de IA como procesamiento natural del lenguaje , visión por computador , y especialmente aprendizaje automático proliferarán y serán aún más útiles. Estas son las aplicaciones prácticas de la IA que mejorarán nuestras vidas.

Los científicos de datos revisan los mapas de calor de visión por computadora que se utilizan para identificar huellas de animales para los esfuerzos de conservación. Cortesía de SAS

Procesamiento natural del lenguaje . Hoy tienes acceso a la IA directamente en tu bolsillo. Puedo preguntarle a mi teléfono celular cuál es la temperatura afuera o a qué hora cerrará la tienda de comestibles al final del día. Mi teléfono entiende mi pregunta, accede a la respuesta en línea y luego responde mi pregunta en mi idioma.

La capacidad de interpretar y procesar el lenguaje es un uso de rápido crecimiento para la IA. Fuera de los usos personales en nuestros teléfonos, la generación de lenguaje natural puede proporcionar contexto para los resultados que ve en un informe, explicando el resultado de un modelo de aprendizaje automático o preguntando si desea más análisis. Estas explicaciones verbales pueden hacer que los análisis complejos sean accesibles para más personas, incluso si no tienen una gran experiencia en análisis.

El procesamiento del lenguaje natural también impulsa los chatbots que brindan información a los clientes en línea. Si vas a sas.com y elige chatear, estamos usando nuestra propia tecnología para interactuar con los clientes. Todavía tenemos representantes de chat humanos en vivo. Pero para muchas de las solicitudes que tiene la gente, una computadora puede proporcionar respuestas automáticas. Eso libera a nuestro personal de chat para que se concentre en preguntas más complejas.

Visión por computador. Otra forma de demostrar la IA es a través de la visión por computadora. Este método continúa encontrando casos de uso nuevos e innovadores.

Los médicos utilizan la visión artificial para medir y clasificar tumores en imágenes médicas. Los conservacionistas están utilizando la visión por computadora para analizar fotos de huellas de animales para ayudar a monitorear especies en peligro de extinción sin etiquetas invasivas.

Por supuesto, la visión por computadora también es crucial para los vehículos autónomos, incluidos automóviles, camiones y vehículos comerciales utilizados en plantas y almacenes. Varias empresas son pioneras en vehículos que utilizan visión artificial y sensores para ver el mundo que les rodea. La tecnología brinda a los vehículos vistas de 360 ​​grados, con láseres que detectan objetos a cientos de metros de distancia.

La visión por computadora también está impulsando el futuro del comercio minorista, desde el pago sin registro hasta las recomendaciones de estilo visual y la predicción de la demanda.

Aprendizaje automático . Los nuevos usos de la IA y el análisis predictivo tienen el potencial de cambiar casi todas las facetas de todas las organizaciones. Tome la tecnología contra el lavado de dinero (AML). Cientos de organizaciones en todo el mundo utilizan AML para ayudar a identificar transacciones financieras problemáticas o ilegales en todo el mundo. Al agregar IA y aprendizaje automático a la tecnología AML existente, hemos visto una reducción de falsos positivos entre un 50 % y un 70 %. Eso significa menos transacciones para la intervención manual, lo que permite que el personal se concentre más en los casos que son realmente perjudiciales para la empresa y sus clientes.

Muchos de mis casos de uso de IA favoritos tienen este mismo elemento de hacer que los humanos sean más productivos. La IA y el aprendizaje automático pueden mejorar y aumentar el trabajo importante que ya se está realizando en todo el mundo. Toman lo que ya funciona y lo mejoran.

Muchas personas preguntan qué modelos de aprendizaje automático se deben usar para qué problemas. Revisemos cuatro tipos de modelos de aprendizaje automático y describamos algunos escenarios en los que se usan comúnmente.

1. Redes neuronales. En el mundo financiero, las redes neuronales están ayudando a los investigadores a encontrar y detener el fraude al descubrir tendencias en millones de transacciones. ERGO, una compañía de seguros alemana, está utilizando análisis predictivos de SAS para encontrar reclamos injustificados. Los clientes también usan redes neuronales en sus edificios para optimizar el uso de energía y predecir fallas mecánicas.
2. Árboles de decisión. Mediante el uso de árboles de decisión, hemos ayudado a que el rápido crecimiento del condado de Wake, Carolina del Norte, haga que las evaluaciones de impuestos a la propiedad sean más justas y precisas. Estamos trabajando con muchas autoridades fiscales para descubrir el fraude fiscal y encontrar ciudadanos que hayan declarado sus ingresos de forma insuficiente.
3. Métodos de regresión. Los métodos de regresión son una práctica estadística comprobada y están cobrando nueva vida en la era de la IA. Podemos utilizar esta tecnología para comprender mejor los mercados objetivo. Para las agencias gubernamentales, los métodos de regresión pueden ayudar a identificar el fraude y el desperdicio en los programas existentes. Para los bancos y las empresas de servicios financieros, puede conducir a mejores evaluaciones de riesgo y crear la base para un programa contra el lavado de dinero adaptativo y más preciso.
4. Pronóstico. La previsión permite que los grandes programas gubernamentales tengan en cuenta los cambios en las poblaciones y comprendan cómo estos cambios afectan los servicios gubernamentales. En la industria de la generación eléctrica, las empresas monitorean constantemente la red y examinan los datos meteorológicos para asegurarse de que haya energía cuando la necesite. Eni, una empresa de energía italiana, utiliza el análisis predictivo de SAS para controlar, limpiar y preparar datos de pozos geológicos. Esto ayuda a Eni a automatizar y refinar su proceso de exploración de petróleo.

Muchos factores están impulsando el entusiasmo y el interés en la IA: Internet, la digitalización de datos analógicos, el mayor uso de imágenes y videos para comunicarse, el Internet de las cosas y nuestra capacidad para capturar y almacenar estos datos con tecnologías en la nube.

Después de más de 40 años de desarrollar e implementar software de análisis, tengo una visión optimista de la tecnología y su capacidad para aumentar y amplificar nuestro potencial humano.

Si bien la IA interrumpirá y cambiará ciertos trabajos e industrias, nosotros, como humanos, tenemos la curiosidad y la pasión de dirigir estas poderosas tecnologías para lograr lo que antes era imposible. La creatividad, la resolución de problemas y la capacidad de colaborar con diversos equipos serán aún más importantes a medida que avanzamos hacia el futuro con IA. Junto con la tecnología, los humanos seguiremos mejorando nuestras vidas y el mundo que nos rodea.

esconder