Karasick realizó una presentación en IBM InterConnect 2017 en Las Vegas, donde presentó la hoja de ruta de IBM Research para AI. El enfoque del equipo de Karasick es ridículamente práctico, ya que su mandato es incubar tecnologías que podrían ser útiles para las empresas. Como era de esperarse, muchas de las cosas en las que están trabajando se reducen a Automatización y Big Data.
"La razón por la que utilizamos el aprendizaje automático en estos problemas, es porque hay demasiados datos" dijo Karasick, cuyo equipo de Investigación en IBM contiene una mezcla de matemáticos y analistas de sistemas. El equipo usa AI para tres tipos de cosas:
- Desarrollar soluciones industriales
- Hacer un uso más eficiente del Recurso Humano
- Mejorar la cadena y los tiempos de valor
La sesión de IBM InterConnect de Karasick "Hacia el Futuro: El futuro de la Inteligencia Artificial", ofreció una ventana a los proyectos de inteligencia artificial en los que IBM ya está trabajando. Aquí hay un resumen rápido de 10 de ellos.
Muchas de las funciones clave de IBM Watson se llevan a cabo mediante el procesamiento en grandes áreas de conocimiento sobre diversos campos. Desde la investigación médica hasta recetas de cocina. Gran parte del conocimiento de la industria está encerrado en archivos PDF no estructurados, por lo que si IBM puede enseñar AI y formas de aprendizaje automático para organizar, procesar y asimilar esa información, acelerará casi todas las áreas de su trabajo en AI.
Las empresas, los gobiernos, las organizaciones de todos los tamaños e incluso los equipos de proyectos intentan constantemente realizar su trabajo dentro de ciertas reglas y parámetros. Cuando esos parámetros cambian, a menudo mueve la línea de meta. IBM quiere usar AI para reconocer rápidamente y marcar las cambiantes reglas, regulaciones, leyes y requisitos.
Al utilizar el aprendizaje automático para comprender, evaluar y categorizar las imágenes de contenido, AI puede desbloquear un gran valor y establecer conexiones valiosas entre conjuntos de datos visuales. Hoy en día, gran parte de este trabajo se realiza a mano por etiquetadores de datos de salarios muy bajos.
4. Construcción automática de avances para películas (trailers)
Tomando el concepto de análisis de contenido de imagen aún más, IBM ya ha demostrado que su AI puede emparejar imágenes de video con procesamiento de lenguaje natural, para crear avances para películas. Mientras que Hollywood probablemente continuará confiando en los artistas digitales, las compañías que están atadas a bajos presupuestos y recursos para el diseño, podrían usar esto para crear vistas previas de su contenido de videos.
Los científicos de datos son uno de los trabajos más solicitados en tecnología y la escasez de ellos pone en riesgo la innovación futura. Los científicos con los que contamos hoy en día pasan demasiado tiempo ordenando y organizando datos, antes de que puedan evaluarlos y establecer conexiones importantes entre ellos. La AI es necesaria para la limpieza de datos a gran escala y para permitir la búsqueda en lenguaje natural en la búsqueda de datos, usando "Watson Conversations".
6. Asistente del radiólogo
IBM Watson Health ya está demostrando ser valioso como una herramienta para procesar artículos de revistas y las últimas investigaciones, para luego actuar como asistente de diagnóstico. Ahora IBM le está enseñando a Watson cómo leer imágenes médicas, para acelerar el trabajo de los radiólogos y ayudar a reducir los errores.
Hacer investigaciones tradicionales sobre el rendimiento operativo a menudo puede llevar 3 meses o más, involucrando modelos de análisis complicados para garantizar errores mínimos. Con AI, se puede hacer en menos de cuatro semanas y con una precisión superior.
8. Conversar sin conocimiento profundo del tema
Cierto. Muchos conductores de programas matutinos de revista, "comentaristas" de deportes y espectáculos, ya realizan este trabajo a consciencia. Más sin embargo y para temas importantes, IBM está desarrollando activamente la tecnología de "chatbot", utilizando sus puntos fuertes en AI y en el procesamiento del lenguaje natural. Con esto se busca desarrollar sistemas que puedan funcionar con el tipo de "conocimiento profundo de temas" que Watson puede obtener, mediante el procesamiento de grandes conjuntos de datos en un área temática de la misma manera como los "chatbots", que pueden funcionar sin ese tipo de conocimiento profundo.
IBM también cree que AI puede potenciar DevOps y no solo el ciclo de vida del software que generalmente asociamos con DevOps. IBM también ve que tiene ya un gran impacto en el "UX cognitivo" y en el modelado de máquinas (primo hermano del aprendizaje automático).
10. Escalar el aprendizaje profundo
Quizás el mayor paraguas de lo que IBM está haciendo con AI es usarlo para escalar el aprendizaje profundo. IBM ve la explosión de datos no estructurados como el catalizador detrás del aprendizaje automático que toma un subconjunto de datos, los analiza profundamente y luego los utiliza para ayudar a extraer valor del resto del conjunto de éstos. "El aprendizaje profundo es una forma de especificar el aprendizaje automático antes", dijo Karasick. Ampliar nuestra capacidad de hacerlo aumentará las conexiones que se pueden establecer y la velocidad a la que podemos innovar.
No hay comentarios:
Publicar un comentario
Todos los derechos reservados.
Copyright © 2025.