La Inteligencia Artificial es omnipresente hoy en día, la tenemos implementada en todos los campos y negocios imaginados.
En algún momento, todos hemos tenido la sensación de que las aplicaciones en línea como YouTube, Amazon y Spotify parecen conocernos mejor que nosotros mismos, recomendando contenido que nos gusta incluso antes de pedirlo.
En el corazón del éxito de estas plataformas se encuentran los algoritmos de inteligencia artificial, o más precisamente, los modelos de aprendizaje automático, que pueden encontrar patrones intrincados en grandes conjuntos de datos.
Las corporaciones en diferentes sectores aprovechan el poder del aprendizaje automático junto con la disponibilidad de big data y recursos informáticos para brindar una mejora notable a todo tipo de operaciones, incluida la recomendación de contenido, la gestión de inventario, el pronóstico de ventas y la detección de fraudes.
Sin embargo, a pesar de su comportamiento aparentemente mágico, los algoritmos de IA sólo pueden predecir resultados siempre que no se desvíen demasiado de la norma.
Durante la pandemia de coronavirus, las cosas son todo menos normales. Estamos trabajando y estudiando desde casa, viajando menos, comprando más en línea y menos en tiendas físicas, haciendo zoom en lugar de reunirnos en persona y haciendo todo lo posible para detener la propagación de COVID-19.
El bloqueo del coronavirus ha dañado muchas cosas, incluso los algoritmos de IA, que parecían funcionar tan bien antes.
Los almacenes que dependían del aprendizaje automático para mantener su stock lleno en todo momento ya no pueden predecir los artículos correctos que deben reponerse. Los sistemas de detección de fraude que se centran en el comportamiento anómalo se confunden con los nuevos hábitos de compra y gasto. Y las recomendaciones de compra ya no son tan buenas como solían ser.
¿Cómo ve al mundo la Inteligencia Artificial?
Para comprender mejor por qué los eventos inusuales confunden los algoritmos de IA, considere un ejemplo:
Supongamos que tiene una fábrica de agua embotellada y tiene varias máquinas expendedoras en diferentes ubicaciones. Todos los días, distribuye sus botellas de agua producidas entre sus máquinas expendedoras. Su objetivo es evitar una situación en la que una de sus máquinas esté llena de filas de agua sin vender mientras que otras estén vacías.
Al principio, comienza distribuyendo uniformemente el agua producida entre las máquinas. Pero te das cuenta de que algunas máquinas se quedan sin agua embotellada más rápido que otras. Entonces, reajusta la cuota para asignar más a las regiones que tienen más consumo y menos a las que venden menos.
Las IA aprenden de la experiencia
Para gestionar mejor la distribución de sus botellas de agua, decide crear un algoritmo de aprendizaje automático que prediga las ventas de cada máquina expendedora.
Usted entrena el algoritmo de inteligencia artificial en la fecha, ubicación y ventas de cada máquina expendedora. Con suficientes datos, el algoritmo de aprendizaje automático creará una fórmula que puede predecir cuantas botellas venderá cada una de sus máquinas expendedoras en un día determinado del año.
Lee más sobre Inteligencia Artificial
Este es un modelo de aprendizaje automático muy simple, y ve el mundo a través de dos variables independientes: fecha y ubicación. Pronto te das cuenta de que las predicciones de tu IA no son muy precisas y que comete muchos errores. Después de todo, muchos factores pueden afectar el consumo de agua en cualquier lugar.
Los ojos de la IA son los datos etiquetados que se recogen
Para mejorar el rendimiento del modelo, comienza a agregar más variables a su tabla de datos, o características, en la jerga de aprendizaje automático, incluidas las columnas de temperatura, pronóstico del tiempo, vacaciones, días de trabajo, días escolares y otros.
Al volver a entrenar el modelo de aprendizaje automático, surgen patrones: la máquina expendedora del museo vende más en vacaciones de verano y menos durante el resto del año. La máquina en la escuela secundaria está bastante ocupada durante el año académico y está inactiva durante el verano. La máquina expendedora del parque vende más en primavera y verano en días soleados. Tienes más ventas en la biblioteca durante la temporada de exámenes finales.
Las Inteligencias Artificiales deben re-entrenarse cada vez que se le aumentan los datos de entrada
Este nuevo algoritmo de IA es mucho más flexible y más resistente al cambio, y puede predecir las ventas con mayor precisión que el modelo simple de aprendizaje automático que se limitó a la fecha y la ubicación.
Con este nuevo modelo, no solo puede distribuir eficientemente sus botellas producidas en sus máquinas expendedoras, sino que ahora tiene suficiente excedente para instalar una nueva máquina en el centro comercial y otra en el cine.
Esta es una descripción muy simple, pero la mayoría de los algoritmos de aprendizaje automático, incluidas las redes neuronales profundas, comparten básicamente el mismo concepto central: un mapeo de características a resultados. Pero los algoritmos de inteligencia artificial que impulsan las plataformas de gigantes tecnológicos usan muchas más funciones y están entrenados en grandes cantidades de datos.
Obviamente, los gigantes tecnológicos tienen muchas fuentes de datos
Por ejemplo, el algoritmo de IA que impulsa la plataforma publicitaria de Google toma su historial de navegación, consultas de búsqueda, mouse, pausas en anuncios, clics y docenas (o tal vez cientos) de otras funciones para ofrecerle anuncios en los que es más probable que haga clic.
Lee sobre cómo se recogen estos datos
La IA de Facebook utiliza toneladas de información personal sobre usted, sus amigos, sus hábitos de navegación, sus interacciones anteriores para servir «contenido atractivo» (un eufemismo para las cosas que lo mantienen atrapado en su News Feed para mostrar más anuncios y maximizar sus ingresos).
Amazon utiliza toneladas de datos sobre hábitos de compra para predecir qué más le gustaría comprar cuando está viendo un par de zapatillas.
¿Qué no pueden ver los robots?
Por mucho que los algoritmos de inteligencia artificial de hoy sean fascinantes, ciertamente no ven ni entienden el mundo como nosotros. Más importante aún, si bien pueden desenterrar correlaciones entre variables, los modelos de aprendizaje automático no entienden la causalidad ni la casualidad.
Por ejemplo, los humanos podemos llegar a una explicación causal de por qué la máquina expendedora del parque vende más agua embotellada durante los días cálidos y soleados: las personas tienden a ir a los parques cuando hace calor y sol, por lo que compran más agua embotellada. de la máquina expendedora.
Sin embargo, nuestra IA no sabe nada sobre las personas y las actividades al aire libre. Todo su mundo está formado por las pocas variables en las que ha sido entrenado y solo puede encontrar una correlación positiva entre la temperatura y las ventas en el parque.
Los robots son tontos por diseño
Esto no es un problema mientras no ocurra nada inusual. Pero aquí es donde se vuelve problemático: supongamos que el techo del museo se derrumba durante la temporada de turismo y se cierra por mantenimiento.
Obviamente, la gente dejará de ir al museo hasta que se repare el techo, y nadie comprará agua de su máquina expendedora. Pero de acuerdo con su modelo de inteligencia artificial, es mediados de julio y debe rellenar la máquina todos los días.
Los robots tampoco ven hacia los lados
Un colapso del techo no es un evento importante, y el efecto que tiene en sus operaciones es mínimo. Pero, ¿qué sucede cuando ataca la pandemia de coronavirus? El museo, el cine, la escuela y el centro comercial están cerrados.
Y muy pocas personas se atreven a desafiar las reglas de cuarentena e ir al parque. En este caso, ninguna de las predicciones de su modelo de aprendizaje automático resulta ser correcta, porque no sabe nada sobre el factor único que anula todas las características en las que se ha entrenado.
¿Cómo lidian los humanos con los eventos inesperados?
A diferencia del incidente desafortunado en el museo, la pandemia de coronavirus es lo que muchos llaman un evento de cisne negro, un incidente muy inusual que tiene un impacto enorme e impredecible en todos los sectores.
Y los sistemas de IA, los que tenemos hoy, son muy malos para lidiar con lo impredecible e inusual. Tu IA no es la única que está fallando. Los sistemas de detección de fraude, los sistemas de moderación de contenido y spam, la gestión de inventario, el comercio automatizado y todos los modelos de aprendizaje automático que han sido entrenados en nuestros patrones de vida habituales están en crisis.
El coronavirus es desafiante para todos
Nosotros, los humanos, también nos confundimos cuando nos enfrentamos a eventos inusuales. Pero hemos sido bendecidos con una inteligencia que se extiende mucho más allá del reconocimiento de patrones y la coincidencia de reglas.
Tenemos todo tipo de habilidades cognitivas que nos permiten inventar y adaptarnos a nuestro mundo en constante cambio.
De vuelta a nuestro negocio de agua embotellada. Al darse cuenta de que su precioso algoritmo de aprendizaje automático no lo ayuda durante el bloqueo del coronavirus, lo descarta y confía en su propio conocimiento mundial y sentido común para encontrar una solución.
Sabes que las personas no dejarán de beber agua cuando se queden en casa. Entonces, pasa de las máquinas expendedoras a vender agua embotellada en línea y entregarla a los clientes en sus hogares. Pronto, los pedidos comienzan a llegar y su negocio está en auge nuevamente.
La resiliencia y terquedad son difíciles de programar
Si bien la IA te falló cuando se produjo la pandemia de coronavirus, sabes que no es inútil y que aún puede ser de mucha ayuda. A medida que crece su negocio en línea, decide crear un nuevo algoritmo de aprendizaje automático que predice cuánta agua consumirá cada distrito diariamente.
Por el momento, lo que tenemos son sistemas de inteligencia artificial que pueden realizar tareas específicas en entornos limitados. Algún día, tal vez, logremos la inteligencia general artificial (AGI), software de computadora que tiene las capacidades generales de resolución de problemas de la mente humana. Ese es el tipo de IA que puede innovar y encontrar rápidamente soluciones a pandemias y otros eventos de cisne negro.
Hasta entonces, como ha destacado la pandemia de coronavirus, la inteligencia artificial se centrará en máquinas que complementen los esfuerzos humanos, no que los reemplacen.