Con el nuevo modelo de lenguaje GPT-3, lanzado por OpenAI, se ha vuelto a incrementar el hype de la inteligencia artificial en el mundo tecnológico. Estamos ante otra aplicación del aprendizaje profundo o deep learning, solo que en esta ocasión entrenada con una ingente cantidad de información. Podríamos decir que GPT-3 "se ha leído la internet entera" y es capaz de mantener conversaciones y completar información con sorprendentes resultados.
En realidad, gran parte de lo que se ha considerado como inteligencia artificial en los últimos tiempos se reduce a algoritmos de aprendizaje automático o machine learning, entre los que se encuentran los de deep learning, que son capaces de correlacionar a partir de lo que van aprendiendo de millones de ejemplos. Éste podría ser un diálogo de un humano con un algoritmo de aprendizaje automático:
-¿8 x 8?
-42
-¡Fatal! ¡Son 64!
-64
Como es sabido, la correlación no implica causalidad, y no se puede concluir que estos sistemas de IA conozcan el mundo para el que ofrecen sus respuestas. Se da aquí la llamada paradoja de Moravec: "Es relativamente fácil conseguir que los ordenadores muestren capacidades similares a las de un humano adulto en un test de inteligencia, y muy difícil lograr que adquieran las habilidades perceptivas y motoras de un bebé de un año".
Sea como fuere, la IA actual ya es suficiente para transformar las industrias como hizo la electricidad en el siglo XIX. Se prevé que posibilitará un crecimiento de 13.000 millones de dólares del PIB mundial para 2030. Hoy en día, alrededor del 80% de las grandes empresas han adoptado el aprendizaje automático y otras formas de inteligencia artificial en su core business (hace seis años, la cifra era inferior al 10%).
La inteligencia artificial, en el campo de la analítica avanzada, mejora cualquier proceso industrial que contenga una gran cantidad de datos asociados para entrenar el modelo. Hablamos de reducir costes, tiempos de producción, o de la optimización del consumo energético. En esta línea, por ejemplo, en Izertis hemos desarrollado algoritmos que facilitan la planificación de la producción en varias empresas del metal asturiano.
Además de los procesos, este análisis de datos se puede llevar a las máquinas en donde en base a históricos se pueden realizar, por ejemplo, mantenimientos predictivos.
El presente
Un campo de la IA con gran aplicación es el de la visión artificial, que analiza imágenes produciendo información procesable. En almacenes se aplica ya para el desplazamiento de cargas, o para picking avanzado. En planta, puede ser utilizado para reconocer el correcto mecanizado en la producción de las piezas según características especificadas, en la detección de cuerpos extraños en un producto, asegurando el correcto etiquetado o para la detección de trabajadores cercanos a piezas y a robots. Además, éstos aprenden nuevas secuencias de movimientos sin necesidad de programación previa.
El análisis de datos ya ofrece grandes aplicaciones comerciales, como la previsión de las ventas o demanda, el diseño de nuevos productos basados en tendencias de mercado, o sistemas de recomendación personalizada.
Los agentes virtuales son chatbots que responden a una amplia variedad de preguntas de los clientes. Dentro de una organización, los chatbots pueden gestionar el conocimiento: quién sabe qué y qué sabe quién. Pueden, además, aplicar análisis semántico para priorizar actuaciones en función del contenido y sentimiento del mensaje –veremos qué mejoras puede ofrecer aquí GPT-3.
La ciberseguridad se puede ver incrementada observando comportamientos más allá del usuario/clave. Y en selección de personal la gamificación filtra candidaturas y detecta necesidades de formación y recomendaciones asociadas.
El futuro
En los próximos tiempos las empresas están llamadas a implementar estrategias que sigan el llamado "círculo virtuoso de la IA", un bucle de retroalimentación positiva: mejor producto, más usuarios, más datos, mejor producto, más usuarios, etc.
Queda, por tanto, mucho por ver en una esperanzadora evolución, siempre ética y prudente, hacia una inteligencia artificial general que se base en entornos de aprendizaje, y no únicamente en sistemas de representación simbólicos (top-down) o de aprendizaje automático (bottom-up).
Llegará el día en que la conversación mejore hasta alcanzar la excelencia en el juego de imitación que proponía Turing, y nos preguntemos ¿habrá escrito este artículo una inteligencia artificial?
Digital Transformation and Industry 4.0 Consultant en Izertis
