27. abril 2018

Tiempo de aprendizajes profundos

 

La inteligencia artificial es unos de los campos de investigación más desafiantes de nuestro tiempo, una frontera última del conocimiento en la que tenemos puestas todo tipo de expectativas y que también nos suscita algunas inquietudes. La creación de “máquinas” capaces de reproducir un tipo de pensamiento como el de los humanos, razonar de forma abstracta y resolver problemas o tomar decisiones en escenarios complejos abre la puerta a incontables posibilidades en todos los campos de nuestra actividad, de la medicina a la industria, la educación o el ocio. Y como nos ocurre con todas las vanguardias de la tecnología, en Navilo intentamos estar a la última de lo que ocurre en este frente revolucionario.

Uno de los conceptos que va más asociado a la IA es el llamado machine learning. Es decir, la capacidad de que las máquinas aprendan y mejoren sus funciones con la experiencia. Y que de este modo, a semejanza de las mentes humanas, realicen las tareas encomendadas con más fiabilidad y eficacia a medida que “saben” más.  Sin querer entrar por ahora en el aspecto más teórico y computacional de ese aprendizaje, o en las diferencias que hay entre el llamado aprendizaje dirigido, el aprendizaje profundo y nuevos enfoques como el control neuronal episódico, sí podemos decir que ya existe un buen número de plataformas como Microsoft Azure Machine Learning o IBM Watson pensadas para desarrollar aplicaciones que respondan a este principio.

De hecho, y aunque nos suene a ciencia ficción, cada vez existen más servicios con presencia en nuestra vida cotidiana que parten de esta idea. Es posible que incluso te hayas servido de uno de ellos poco antes de leer este artículo: los sistemas de reconocimiento facial o de voz que emplean algunos móviles son fruto precisamente de este desarrollo de técnicas de aprendizaje profundo. Sin embargo, el reconocimiento de imagen tiene también utilidad en terrenos incluso más relevantes, como es el de la medicina. La posibilidad de detectar enfermedades a través de imágenes al identificar patrones que ya han sido “vistos” anteriormente por el sistema es una de de las formas de afinar los diagnósticos que parecen más prometedoras. Y sin salir del terreno de la salud, también se están usando fórmulas para que mediante el análisis cruzado de datos sobre los pacientes puedan hacerse predicciones más exactas, detecciones más tempranas o decidir entre alternativas de tratamiento sobre la base de aquellas que han dado mejor resultado en circunstancias parangonables. Incluso se está experimentando con “robodoctores” que gracias al machine learning tienen aptitudes de escucha comprensiva: a través de ciertas preguntas y  tecnología de reconocimiento de voz, tono y expresión facial pueden percibir indicios de ciertos transtornos que aconsejen un reconocimiento más profundo.

El de la movilidad y el transporte es otro de los campos en que la investigación en aprendizaje automático tiene puestas más esperanzas. Precisamente por tratarse de uno de aquellos en que las circunstancias humanas tienen efectos más inconvenientes –la fatiga, la impulsividad o  las malas elecciones son causa de muchos accidentes anuales-, el uso de programas que tuvieran la capacidad de reacción y los reflejos al volante de una persona, pero sin sus contrapartidas, podría hacer más seguras las carreteras y, a la vez, a través del análisis de datos instantáneo, optimizar el tiempo de los desplazamientos al seleccionar las mejores rutas. De momento, los vehículos autónomos pioneros ya han llegado y los sistemas asociados de regulación del tráfico son un reto apasionante al que se enfrentarán los gestores públicos en los próximos años.

Y podríamos continuar glosando todos los sectores en los que el deep learning está en ebullición. En marketing, la posibilidad de que máquinas no solo analicen datos, sino que los comprendan correctamente y sean capaces de interpretarlos sin supervisión humana, permitirá hilar mucho más fino a la hora de ofrecer productos y servicios: desde deducir el tipo de ropa, película o gadget tecnológico que atraerá más a cada cliente hasta poder responder a todas sus preguntas en un servicio de atención telemático. En finanzas se están desarrollando desde ya hace bastante programas automatizados de ejecución de transacciones en mercado. Y encontraríamos muchos ejemplos más que provienen de otros ámbitos empresariales  -como la industria pesada y la del ocio y los videojuegos, por citar solo dos con las que hemos colaborado a lo largo de nuestra andadura- pero tampoco buscamos ofrecer una relación exhaustiva de todo lo que está ocurriendo.

La intención más bien es que nuestros socios y clientes sepan que junto a las aplicaciones clásicas que se encargan de ejecutar una función predefinida, poco a poco han ido apareciendo otras que cuentan con algoritmos pensados para que reaccionen a los datos que reciben y tomen sus propias decisiones en función de los mismos y del conocimiento previo acumulado.
Y que, como no podía ser menos, en Navilo estamos integrando esta forma de trabajar, aprendiendo cada día cosas nuevas e investigando para ofrecerte una solución lo más ajustada posible a tus necesidades y, a la vez, lo más moderna, avanzada y competitiva posible. En breve, os contaremos más.  Por ahora, seguid atentos a nuestras publicaciones.

deep learning navilo
Navilo