Inteligencia Artificial, Aprendizaje Automático y Aprendizaje Profundo

En entradas anteriores, hemos platicado ampliamente que existen identificadas diez y seis tecnologías que apuntalan la Transformación Digital. Doce de ellas ya están impactando nuestras vidas a corto y mediano plazo, mientras que las restantes doce lo harán en un largo plazo no mayor a doce años.

Las primeras doce tecnologías con impacto a corto plazo son:

• Cómputo en La Nube (de la Tercera Plataforma)
• Big Data (de la Tercera Plataforma)
• Blockchain (de la Cuarta Revolución Industrial)
• Realidad Virtual (de la Cuarta Revolución Industrial)
• Realidad Aumentada (de la Cuarta Revolución Industrial)
• Internet de las Cosas (de la Cuarta Revolución Industrial)
• Inteligencia Artificial (de la Cuarta Revolución Industrial)
• Vehículos Autónomos (de la Cuarta Revolución Industrial)
• Robots (desde la Tercera Revolución Industrial)
• Fábricas Oscuras  (de la Cuarta Revolución Industrial)
• Impresión 3D (de la Cuarta Revolución Industrial)
• Biología Sintética (de la Cuarta Revolución Industrial)

Las otras cuatro tecnologías con impacto a largo plazo son:

• Auto Ensamble Molecular 
• Cómputo Cuántico
• Cómputo Orgánico
• Interfaces Cibernéticas

Junto con la Inteligencia Artificial, vienen aparejadas Aprendizaje Automático y Aprendizaje profundo. Pero, ¿Qué es lo que son, cuáles son sus semejanzas y diferencias? Comencemos pues con un poquito de historia.

Un artículo de McKinsey de 1969, afirmaba que -"...las computadoras eran tan tontas que no eran capaces de tomar ninguna decisión."-. -"De hecho... (agregó) ...es la inteligencia humana la que impulsa la máquina tonta."- Esta afirmación se ha convertido en una broma a lo largo de los años, ya que las computadoras modernas están reemplazando gradualmente a los profesionales calificados en campos de muchas industrias como la arquitectura, la medicina, la geología y la educación. La Inteligencia Artificial, el Aprendizaje Automático, la Ciencia de Datos y el Aprendizaje Profundo están impulsando estos cambios en formas que solo se están entendiendo.

En el escenario actual, se están poniendo de moda o en tendencia, muchas palabras en la industria de las Tecnologías de la Información, ahora en franca evolución, más especialmente en las diversas áreas de investigación alrededor y dentro del Data Science.

Durante muchos años el mundo ha sabido acerca de experimentos (con diferentes grados de éxito) en Inteligencia Artificial (IA), pero recientemente se realizaron avances rápidos en este campo de estudio, lo que condujo a áreas de investigación relacionadas con Inteligencia Artificial, Aprendizaje Automático y ahora Aprendizaje Profundo. Entonces, ¿cómo son estos subdominios especializados en Inteligencia Artificial similares o diferentes entre sí? Echemos un vistazo.

• Inteligencia artificial: Este término abarca y engloba todas estas áreas de investigación. Según los expertos de campo, la definición de Inteligencia Artificial ha sufrido muchos desvíos, lo que hace que el término sea casi inútil a lo largo de los años.
  
  El Informe 2015 de McKinsey titulado "Tecnologías disruptivas: los avances que transformarán la vida, los negocios y la economía global", sugieren que aproximadamente doce tecnologías disruptivas crearán un gran impacto global dentro de 10 años.
  
  Entre estas doce, se ha determinado que al menos cinco están relacionados con la Inteligencia Artificial y la Robótica, que incluyen tareas automatizadas de "Conocimiento", Robótica, Internet de las Cosas, Tecnología de Impresión 3D y autos que conducen por sí mismos. ¡Se estima que el impacto económico total de estas tecnologías combinadas alcanzará entre 50 y 99.5 miles de millones de dólares para el ya no tan lejano 2025!
  
• Inteligencia de la Máquina (MI): Muchos científicos de datos creen que la Inteligencia de la Máquina y la Inteligencia Artificial son términos intercambiables. El término "Inteligencia de Máquinas" ha sido popular en Europa, mientras que el término "Inteligencia Artificial" con su inclinación científica, ha sido más popular en los Estados Unidos.
  
  Inteligencia de la Máquina se refiere a la participación de una neurona biológica en el proceso de investigación, con un enfoque más superior que el empleado normalmente en las redes neuronales simples.
  
• Aprendizaje Automático (Machine Learning): Como parte intrínseca de la Inteligencia Artificial, el aprendizaje automático se refiere al área de investigación de software, que permite que los algoritmos mejoren a través del auto-aprendizaje de datos sin ninguna intervención humana. La "Guía para Ejecutivos sobre Aprendizaje Automático" de McKinsey, afirma que la fortaleza del Aprendizaje Automático reside en su capacidad para aprender de los datos.
  
  El Aprendizaje Automático asumió el estado de una disciplina separada a fines de la década de 1990, cuando las tecnologías avanzadas y las computadoras baratas permitieron a los científicos de datos, capacitar a las computadoras para generar algoritmos. El volumen explosivo y la variedad de datos ha aumentado la importancia del aprendizaje automático. En el artículo "Serán obsoletos los Científicos de Datos", podemos encuentra un debate interesante sobre si el Aprendizaje Automático puede reemplazar a los científicos de datos.
  
  Si algo hemos aprendido a lo largo y ancho de las Tecnologías de la Información, es que por más acertada, práctica, útil o vanguardista que parezca una tendencia, avance, idea o concepto, no trascenderá a menos que encuentre aplicación práctica y mejor aún genere ingresos en cualquier campo del quehacer de la industria, el comercio, etc.
  
  Podemos constatar esto en el mundo real, pues una buena aplicación de mercado del Aprendizaje Automático ya la ofrece Second Spectrum, una empresa emergente con sede en California que preparó modelos predictivos de juegos de baloncesto, para la NBA de Estados Unidos. En Europa, el sector bancario utiliza técnicas de Aprendizaje Automático para diversas funciones bancarias, que les ayudaron a alcanzar el crecimiento y el ahorro empresarial objetivo.
  
• Aprendizaje Profundo (Deep Learning): el aprendizaje profundo es realmente una rama del aprendizaje automático, que se relaciona con el estudio de las "redes neuronales profundas" en el cerebro humano. Aprendizaje Profundo intenta emular las funciones de las capas internas del cerebro humano y sus aplicaciones exitosas se encuentran en el reconocimiento de imágenes, la traducción de idiomas o la seguridad del correo electrónico.
  
  El aprendizaje profundo crea conocimiento a partir de múltiples capas de procesamiento de información. La tecnología de Aprendizaje Profundo se basa en el cerebro humano, y cada vez que se ingresan nuevos datos, sus capacidades mejoran.

Las áreas de investigación en la práctica.

De acuerdo con un artículo reciente en Information Week, la Inteligencia Artificial y al Aprendizaje Automático están evolucionando gradualmente desde la era de la ciencia ficción a la realidad en el terreno. Más de la mitad de las empresas globales están experimentando con Aprendizaje Automático, mientras que las principales empresas como IBM, Google y Facebook han invertido en proyectos de código abierto en este rubro. En dicho artículo se informa que las empresas globales están experimentando con la "Computación Inteligente" y están investigando seriamente si la Inteligencia Artificial se puede aplicar a las soluciones empresariales.

Un blog de Numenta presenta un estudio comparativo detallado de estas diversas tecnologías. La percepción común es que no hay definiciones estandarizadas para los cuatro términos, más sin embargo las personas todavía usamos los términos sin entender la importancia científica de cada uno.

Aunado a lo anterior, se ha producido una evolución significativa en el significado de los términos. Lo que la gente quiso decir con Inteligencia Artificial en 1960, resulta muy distinto de lo que significa hoy en día. En el artículo "Cómo Aprenden las Máquinas"de Datanami, que aborda el tema de cómo se está consumiendo datos e información, explica que la mayoría de las aplicaciones inteligentes de la actualidad dependen de Aprendizaje Automático para interpretar los resultados en el mundo real.

En la una guía para ejecutivos sobre Aprendizaje Automático, "Aprendizaje Automático 1, 2 y 3", se han descrito adecuadamente cuáles son las etapas descriptivas, predictivas y prescriptivas de las aplicaciones. La etapa predictiva está ocurriendo en este momento, pero el Aprendizaje Automático V. 3.0, proporciona un análisis claro de esta preparación tecnológica de las empresas globales. La etapa de desarrollo ofrece una gran oportunidad para el futuro.

En conclusión, por entregar resultados y ser un acelerador para el negocio y un catalizador para las utilidades de las empresas, Inteligencia Artificial, Aprendizaje Automático y Aprendizaje Profundo ya están aquí, son materia prima de los Departamentos de Tecnologías de la Información de hoy en día y ya presentan síntomas de su evidente evolución.

Empresas, organizaciones e instituciones que ya han aplicado y/o implementado exitosamente las tres, dos de ellas o al menos una de estas tecnologías derivadas de la Transformación Digital, no están dispuestas a dejarlas ir. Más aún, están trabajando muy duro y colaborando con su evolución natural.