21 de noviembre de 2017

MuyComputerPRO

Machine Learning o cómo caminar hacia la empresa inteligente

Machine Learning o cómo caminar hacia la empresa inteligente

Machine Learning o cómo caminar hacia la empresa inteligente
junio 19
10:00 2016

Juergen Mueller, responsable de SAP Innovation Center Network.

En marzo de 2016 se produjo un acontecimiento histórico para el mundo de la computación. La victoria del programa AlphaGo sobre el jugador profesional Lee Sedol, en el Desafío Google DeepMind, demostrando hasta dónde ha llegado la Inteligencia Artificial (AI): “Las reglas simples de Go y las probabilidades de elaboración lo han convertido en uno de los hitos más perseguidos en el campo de la investigación de la AI”, escribe Sam Byford en The Verge. La idea de que los ordenadores aprendan de forma autónoma ha existido durante décadas. Entonces, ¿qué ha cambiado? ¿Por qué el término Machine Learning ha cobrado protagonismo en los últimos años?

¿Por qué el aprendizaje de las máquinas es posible ahora?

El aumento de la potencia de computación ha hecho posible, por fin, el aprendizaje de las máquinas. Impulsado por los juegos, las unidades de procesamiento de gráficos (GPU) han mejorado sensiblemente el rendimiento a nivel de cómputo paralelo de operaciones simples, las utilizadas de forma más común por los algoritmos de aprendizaje profundo. Junto con la amplia adopción de arquitecturas multinúcleo, así como de bases de datos en memoria, se ha allanado el camino para las implementaciones sumamente eficaces de algoritmos de aprendizaje automático de las máquinas.

Otra razón por la que Machine Learning es posible ahora es el Big Data. Volúmenes enormes de conjuntos de  datos proporcionados por diversas fuentes (por ejemplo: texto, imágenes, datos geoespaciales) son la base para entrenar a las máquinas y permitirles aprender.

Tomemos Facebook como ejemplo. La posibilidad de etiquetar las caras de las personas en las fotografías (con nombres) ha permitido generar la mayor base de datos de caras del mundo. Facebook puede enseñar y entrenar a las máquinas a aprender en términos de reconocimiento visual. Cuantos más datos obtenga la máquina, estará mejor capacitada para reconocer las caras.

Por otra parte, la investigación básica en el ámbito del Machine Learning ha conducido a algoritmos de aprendizaje más sofisticados y una mejor comprensión de los principios básicos de aprendizaje en sí mismo. Los algoritmos son fundamentales, como las redes neuronales artificiales, imitan al cerebro humano. Uno puede imaginar una red de unidades similares a neuronas que se asemejan a las sinapsis del cerebro. Estas redes pueden aprender estructuras complejas y no lineales en los datos de entrada y permitir que las máquinas adquieran capacidades tales como ver, leer, escribir, escuchar y hablar. Esto se hace mediante la aplicación de técnicas de aprendizaje supervisado en la fase de entrenamiento continuo de la máquina.

El aprendizaje por refuerzo (RL) extiende el aprendizaje supervisado mediante el modelado  de acciones y la retroalimentación (por ejemplo: recompensa o castigo) entre el algoritmo de aprendizaje y el entorno para ampliar el espectro de estas habilidades para tareas complejas, como conducir un coche o jugar al Go. Sobre la base de los algoritmos de aprendizaje automático, las máquinas pueden ser entrenadas para interpretar situaciones extraordinariamente sofisticadas en el futuro.

Por último, el aprendizaje de las máquinas se está extendiendo porque es más fácil de aplicar. Esto se debe al gran número de paquetes de software de código abierto, gratuitos y de alta calidad, que hacen que el aprendizaje de las máquinas sea accesible a un gran público de científicos de datos y desarrolladores. Lo mismo puede decirse de los recursos online de libre acceso, tales como los cursos en línea masivos y abiertos (MOOC, por sus siglas en inglés), libros y blogs sobre aprendizaje automático de las máquinas.

machine learning

Machine Learning en el software de negocio

Los equipos informáticos o el reconocimiento facial en redes sociales son los precursores de un cambio fundamental en el software de consumo y en entornos corporativos.  Según prevé Tractica: “el mercado de sistemas AI para aplicaciones empresariales pasará de los 202,5 millones de dólares en 2015 a 11.100 millones de dólares en 2024, con una tasa de crecimiento anual compuesta del 56,1%”. Pronto, el aprendizaje de las máquinas será una parte integral de las soluciones empresariales, haciendo de las máquinas nuestras compañeras de trabajo digitales.

Imagine lo que esto significa para las compañías farmacéuticas. Tienen que asegurarse de que ciertos compuestos químicos no se almacenan demasiado cerca entre sí para evitar posibles reacciones químicas. Con la ayuda de una app móvil, los trabajadores del almacén pueden hacer fotografías con sus smartphones y, en base a las capacidades de reconocimiento de imágenes de una máquina, obtener información inmediata de si los elementos están almacenados correctamente o no.

Las máquinas también pueden “leer” y “comprender” texto. En el ámbito de los recursos humanos, por ejemplo, las empresas invierten hasta un 60% de su tiempo en la preselección de candidatos para un puesto de trabajo específico. El aprendizaje automático de las máquinas puede ayudar a los seleccionadores en el proceso de escoger currículos automáticamente para identificar a los mejores candidatos para el puesto, o el mejor puesto de trabajo para un candidato. Esto permite a los seleccionadores dedicar más tiempo a entrevistar a los candidatos en lugar de escoger manualmente entre miles de CV.

Las máquinas pueden “escribir”. Pueden analizar la información contextual estructurada y no estructurada y generar informes automáticamente. Piense en el sector seguros. En lugar de agentes filtrando cada reclamación, las máquinas puedan tomar una decisión previa en casos de seguros simples y preparar una carta de respuesta. Esto permite a las compañías de seguros procesar las reclamaciones más rápido e incrementar la productividad.

Por último, las máquinas pueden “escuchar” y “hablar”. Los sistemas pueden analizar la voz humana en unas 40 dimensiones, por ejemplo, ritmo, volumen, monotonía, etc. Esto es clave para el servicio al cliente. Imagine una llamada de un cliente en la que este habla con un chatbot -programa robot de conversación- y, poco a poco, se va enfadando. Mediante la recopilación de datos de voz en diferentes contextos, la máquina puede mejorar su capacidad cognitiva para controlar el tono de las conversaciones y, lo que es más importante, dirigir los casos a un agente en el centro de llamadas para resolver un problema más complejo.

Estos son solo algunos ejemplos de cómo el aprendizaje de las máquinas puede dotar de inteligencia a los entornos empresariales. Está claro que el Machine Learning tiene un enorme potencial.

Un paso por delante en el mercado: simplificar la migración a la nube

Consciente de la importancia para los negocios de la transformación digital, SAP está volcada en proporcionar aplicaciones que ayuden a los negocios a realizar de forma simple la transición a la nube, entre otras cosas. Por ello, está trabajando en introducir el Machine Learning en su plataforma cloud SAP HANA. El objetivo no es otro que desarrollar soluciones de Machine Learning para ayudar a los negocios a mejorar la transición a la nube y hacer frente a los problemas y situaciones que antes, simplemente, eran demasiado costosas. Se pretende ayudar a las empresas a ser más competitivas.

La aplicaciones inteligentes cambiarán la forma de trabajar en las empresas y de colaborar con los partners fuera de ellas, pues el aprendizaje automático de las máquinas ayudará a tomar decisiones más informadas sobre cómo puede servir mejor al usuario final, además de liberar a los trabajadores de tareas y procesos más rutinarios que requieren una dedicación de tiempo importante.

Evidentemente, el tratamiento del aprendizaje automático de las máquinas y la combinación con los datos es un negocio completamente nuevo, que requiere de nuevos modelos de negocio, pero al que sin duda se dedicarán importantes recursos tanto económicos como humanos.

 

Categorías
Share

About Author

RedaccionMCP

RedaccionMCP

Articulos relacionados

Suscríbete gratis a MCPRO

La mejor información sobre tecnología para profesionales IT en su correo electrónico cada semana. Recibe gratis nuestra newsletter con actualidad, especiales, la opinión de los mejores expertos y mucho más.

¡Suscripción completada con éxito!