La tecnología que puede imitar y mejorar las capacidades cognitivas del cerebro humano ha sido materia de historias de películas distópicas durante décadas pero, para las grandes empresas y los laboratorios de investigación, esa inteligencia artificial ha sido una búsqueda real durante mucho tiempo. Ahora, un avance específico en la IA, el llamado Deep Learning o Aprendizaje Profundo, permite a las empresas usar datos para enseñar a las máquinas a aprender.
El aprendizaje profundo utiliza capas de algoritmos conocidos como redes neuronales, que están diseñadas para “representar” las capas del cerebro humano. Al alimentar a un ordenador con toneladas de datos de muestra e identificar qué representan esos datos, este puede aprender patrones y comenzar a hacer inferencias.
Sectores afectados por el Deep Learning
A continuación os dejamos una pequeña muestra de los sectores que se ven actualmente afectados por la revolución del Deep Learning:
Salud
La industria de la salud se está transformando casi por completo con estas tecnologías y el uso generalizado se está volviendo más frecuente.
Para ojos bien entrenados, los ultrasonidos, las resonancias magnéticas y otros resultados de pruebas de salud basadas en imágenes pueden ser relativamente simples de interpretar. Pero los expertos en Inteligencia Artificial todavía ven espacio para eliminar el error humano del diagnóstico médico a través del Deep Learning.
Por ejemplo, la compañía de radiología australiana Capitol Health invirtió en Enlitic, una empresa de diagnóstico médico basada en aprendizaje profundo, cuyo objetivo es hacer que el diagnóstico médico sea más eficiente y preciso. La compañía espera utilizar Enlitic para mejorar la velocidad de sus radiólogos mediante el uso de la tecnología para resaltar áreas clave de estudio en un resultado de prueba determinado, realizar mediciones y sugerir casos de pacientes similares.
Otra startup, Bay Labs, está utilizando el Deep Learning para llevar diagnósticos médicos precisos a la palabra en desarrollo, donde los radiólogos y otros profesionales capacitados podrían no estar disponibles para analizar los resultados de las pruebas. La compañía se centra específicamente en el análisis de ultrasonidos para tratar enfermedades cardíacas.
Retail, eCommerce
Pinterest, donde las personas a menudo comparten imágenes de productos, es posiblemente el sitio principal para el comercio social. Pero a menudo, estas imágenes muestran una colección de artículos y no necesariamente identifican dónde se puede comprar algo similar. Ahora, mediante el Deep Learning, la compañía está convirtiendo ese repositorio de imágenes en ventas potenciales al permitir a los usuarios acercarse a elementos específicos dentro de una imagen y recibir pins visualmente similares, algunos de los cuales podrían comprarse en los pins de los minoristas. Pinterest está utilizando la misma tecnología de descubrimiento basada en el Deep Learning para mostrar vídeos más relevantes.
Es posible que otros editores de Internet finalmente puedan convertir cada imagen o vídeo en su sitio en una especie de referencia publicitaria magnífica. La empresa francesa Deepomatic ya ha utilizado el Deep Learning para desarrollar este tipo de tecnología dirigida a los editores web, lo que les permite obtener ingresos de las imágenes dentro de su contenido.
Logística
Los robots ya están desempeñando un papel en la recolección y empaque (picking y packing) en algunos almacenes importantes, como los de Amazon. Ahora parece que esos robots podrían mejorar aún más en su trabajo con la adición de tecnología Deep Learning.
Un equipo del Instituto de Robótica de los Países Bajos y la empresa Delft Robotics ganaron el concurso anual Amazon’s Picking Challenge con un robot de aprendizaje profundo. Antes de la competición, el robot estudió imágenes 3D de la sala de almacenamiento para aprender a mover elementos utilizando los atributos físicos del robot.
La estrategia de crear un robot que puede aprender fue extremadamente efectiva, con el robot de aprendizaje profundo recogiendo elementos tres veces más rápido (este robot también ganó la competición de embalaje).
Dicho esto, los robots de Deep Learning todavía no han superado a los humanos en la recolección y el embalaje, lo que sugiere que puede ser más difícil emular la agilidad de nuestro cuerpo que el cerebro. El robot recolectó 100 productos por hora, en comparación con los 400 por hora que puede seleccionar el humano promedio.
Automovilístico
Ya hay muchos vehículos en carretera con capacidades de asistencia al conductor, pero estos automóviles todavía dependen de que los usuarios se hagan cargo cuando ocurre un evento imprevisto para el que el automóvil no está programado para responder.
Como señala Sameep Tandon de la puesta en marcha de Drive.ai, el desafío con los coches sin conductor es manejar los «casos límite», como por ejemplo el clima. Esta es la razón por la cual, utilizando el Deep Learning, Drive.ai planea ayudar al vehículo a acumular experiencia a través de simulaciones de muchos tipos de condiciones de manejo.
Nvidia también está trabajando en la tecnología del automóvil sin conductor. La empresa dice que ha utilizado el Deep Learning para entrenar a un automóvil para conducir en carreteras marcadas y sin marcar a lo largo de la carretera en varias condiciones climáticas, sin la necesidad de programar todas las declaraciones posibles.
Financiero
Puede ser extraño imaginar que las tecnologías modernas se arraiguen en el mercado financiero, especialmente cuando se trata de servicios financieros y/o servicio al cliente. En el futuro cercano, la IA y el Deep Learning comenzarán a tomar una raíz significativa en la industria (todo menos reemplazando a los asesores humanos).
Un sistema de inteligencia artificial, por ejemplo, puede tomar muchos más datos en cuenta al proporcionar recomendaciones financieras. Puede analizar publicaciones en redes sociales, correos electrónicos, mensajes e historial de compras para ofrecer un análisis de sentimientos personalizado sobre cómo manejar las finanzas.
Con el tiempo, la IA también podrá controlar los hábitos y finanzas de cada individuo y ayudar con decisiones mucho más precisas.
Seguros
La industria de seguros está comenzando a ver el aprendizaje profundo como especialmente útil en la gestión de reclamaciones. Una máquina que pueda reconocer patrones de fraude podría ayudar a estas compañías a descubrir reclamos falsos y determinar los pagos de reclamaciones legítimas. Accenture, que brinda servicios de consultoría a las aseguradoras, señala que ya ha incorporado el aprendizaje automático en los tableros de reclamaciones para imitar la experiencia y la comprensión de los agentes humanos. La compañía ahora considera que el aprendizaje profundo puede desempeñar un papel en el procesamiento de reclamos y el servicio al cliente.
De manera similar, PwC considera que el aprendizaje profundo desempeña un papel en la suscripción estandarizada de pólizas comunes, como seguros automotrices, domésticos y comerciales, y en el uso de análisis de imágenes de aprendizaje profundo para estimar los costos de reparación después de que se ha presentado un reclamo.
La startup Tractable se centra específicamente en la creación de sistemas de aprendizaje profundo para el seguro de automóviles. La compañía apunta a usar imágenes de daños del automóvil para enseñarles a las máquinas a estimar los costos futuros de reparación, evitando la necesidad de visitar el taller de carrocería y confiando en la evaluación del garaje.
En este artículo hemos visto tan solo una pequeña parte de las industrias afectadas por el Deep Learning pero es importante recordar que estas son solo el principio de una lista cada vez más larga.
La inteligencia artificial, el Machine Learning o el Deep Learning transformarán todas las industrias en el futuro cercano, desde minoristas y servicio al cliente hasta el transporte público. Un futuro ciertamente brillante.
Formación Relacionada
