Olivia Brookhouse

Cuando John McCarthy y Marvin Minsky iniciaron la Inteligencia Artificial en 1956, se sorprendieron de cómo una máquina podía resolver rompecabezas increíblemente difíciles en menos tiempo que los humanos. Sin embargo, resulta que enseñar a la Inteligencia Artificial a ganar un juego de ajedrez en realidad es bastante fácil. Lo que presentaría desafíos sería enseñar a una máquina lo que son las emociones y cómo replicarlas. "Ahora hemos aceptado después de 60 años de IA que las cosas que originalmente pensamos que eran fáciles, son en realidad muy difíciles y lo que pensamos que era difícil, como jugar al ajedrez, es muy fácil". Alan Winfield, profesor de robótica en UWE, Bristol Para los humanos, la inteligencia social y emocional llega casi de forma automática. Reaccionamos por instinto. Mientras que algunos de nosotros somos más perceptivos que otros, podemos interpretar fácilmente las emociones y sentimientos de quienes nos rodean. Esta inteligencia de nivel base, que en parte es inherente y en parte aprendemos, nos indica cómo comportarnos en ciertos escenarios. Entonces, ¿se puede enseñar esta comprensión automática a una máquina? Inteligencia Emocional Artificial (Emotion AI) Aunque el nombre puede confundirte, Inteligencia Emocional Artificial no se refiere a una computadora llorosa que ha tenido una mala semana. Inteligencia Emocional Artificial, también conocida como Computación Afectiva, se remonta a 1995 y se refiere a la rama de la Inteligencia Artificial que tiene como objetivo procesar, comprender e incluso replicar las emociones humanas. Foto: Lidya Nada / Unsplash La tecnología busca mejorar la comunicación natural entre el hombre y la máquina para crear una IA que se comunique de manera más auténtica. Si la IA puede obtener inteligencia emocional, tal vez también pueda replicar esas emociones. "¿Cómo puede [una máquina] comunicar efectivamente la información si no sabe tu estado emocional, si no sabe cómo te sientes, no sabe cómo vas a responder a un contenido específico?" Javier Hernández, científico investigador del Grupo de Computación Afectiva en el MIT Media Lab. En 2009, Rana el Kaliouby y Picard fundaron Affectiva, una empresa de Inteligencia Emocional Artificial con sede en Boston, que se especializa en la investigación automotriz y publicitaria de Inteligencia Artificial. Con el consentimiento del cliente, la cámara del usuario captura sus reacciones mientras ve un anuncio. Aplicando "Inteligencia Emocional Multimodal", que analiza la expresión facial, el habla y el lenguaje corporal, pueden obtener una visión completa del estado de ánimo del individuo. Sus niveles de precisión del 90% se deben a sus diversos conjuntos de pruebas de 6 millones de caras de 87 países diferentes utilizados para entrenar algoritmos de aprendizaje profundo. A partir de un conjunto de datos diverso, la Inteligencia Artificial aprenderá qué métricas de lenguaje corporal y patrones de habla coinciden con diferentes emociones y pensamientos. Al igual que los humanos, las máquinas pueden producir ideas más precisas sobre nuestras emociones a partir de videos y habla que a partir de solo de texto. Análisis de sentimientos o minería de opiniones El análisis de sentimientos o minería de opiniones, un subcampo del procesamiento del lenguaje natural, es el proceso de identificar y categorizar de manera algorítmica las opiniones expresadas en texto para determinar la actitud del usuario hacia el tema. Este caso de uso se puede aplicar en muchos sectores, como grupos de expertos, centros de llamadas, telemedicina, ventas y publicidad, para llevar la comunicación al siguiente nivel. Si bien la Inteligencia Artificial puede categorizar lo que decimos en cajas positivas o negativas, ¿realmente entiende cómo nos sentimos o el subtexto que hay debajo? Incluso como humanos, perdemos referencias culturales, sarcasmo y matices en el lenguaje que alteran por completo el significado y, por lo tanto, las emociones que se muestran. A veces, son las cosas que dejamos fuera y no decimos las que también pueden implicar cómo nos sentimos. La Inteligencia Artificial no es lo suficientemente sofisticada como para entender este subtexto y muchos dudan de que alguna vez lo sea. ¿Puede la Inteligencia Artificial mostrar emociones? En muchos de estos casos de uso, como los chatbots de telemedicina y los asistentes virtuales de centros de llamadas, las empresas están investigando el desarrollo de la Inteligencia Artificial emocional para no solo entender las emociones de los clientes, sino también mejorar cómo responden individualmente estas plataformas. Foto: Domingo Alvarez / Unsplash Ser capaz de simular emociones humanas da a estas plataformas y servicios más autenticidad. Pero, ¿es esto una verdadera exhibición de emoción? Los investigadores de Inteligencia Artificial y neurociencia están de acuerdo en que las formas actuales de IA no pueden tener sus propias emociones, pero pueden imitar la emoción, como la empatía. El habla sintética también ayuda a reducir el tono robótico que muchas de estos servicios tienen y emiten una emoción más realista. Tacotron 2 de Google está transformando el campo para simular voces artificiales humanas. Entonces, si las máquinas, en muchos casos, pueden entender cómo nos sentimos y producir una respuesta útil e incluso "cuidadosa", ¿son emocionalmente inteligentes? Existe mucho debate en este campo si una simulación de emoción demuestra una verdadera comprensión o sigue siendo artificial. El funcionalismo argumenta que, si simulamos la inteligencia emocional, entonces, por definición, la Inteligencia Artificial es emocionalmente inteligente. Pero los expertos cuestionan si la máquina realmente "entiende" el mensaje que están entregando y, por lo tanto, una simulación no es un reflejo de que la máquina sea realmente emocionalmente inteligente. Inteligencia Artificial General Desarrollar una Inteligencia Artificial General, que posea un nivel de comprensión más profundo es lo que muchos expertos creen que permitirá a las máquinas experimentar emociones como nosotros. La Inteligencia Artificial General (AGI) en oposición a la inteligencia estrecha se refiere a la capacidad de las computadoras para llevar a cabo muchas actividades diferentes, como los humanos. La Inteligencia Estrecha Artificial, como su nombre indica, tiene como objetivo completar tareas individuales con un alto grado de eficiencia y precisión. Foto: TengyArt / Unsplash Cuando hablamos de inteligencia emocional y social, formas de inteligencia que no necesariamente están relacionadas con una tarea o objetivo específico, estas caen bajo la Inteligencia Artificial General. AGI tiene como objetivo replicar nuestras cualidades que para nosotros parecen automáticas. No están vinculados a un objetivo final, los hacemos solo porque lo hacemos. Conclusiones Todavía estamos muchos años detrás de tener una Inteligencia Artificial General capaz de replicar todas las acciones que podemos realizar, especialmente aquellas cualidades que consideramos más humanas, como las emociones. Las emociones son inherentemente difíciles de leer y a menudo hay una desconexión entre lo que las personas dicen que sienten y lo que realmente sienten. Una máquina puede que nunca llegue a este nivel de comprensión. Pero, ¿quién dice que la forma en que procesamos las emociones es la única forma? Cómo interpretamos las emociones de los demás está lleno de sesgos y opiniones, por lo que quizás la IA pueda ayudarnos a ir directo al grano cuando se trata de nuestras emociones. Foto de apertura: rawpixel.com on Freepik

Lee el post original en inglés aquí Cada año se producen alrededor de 700 películas en Hollywood, que generan unos 35.000 millones de dólares, pero ¿cómo pueden predecir los productores el éxito de los cientos de ideas que les llegan? La Inteligencia Artificial, que comenzó siendo simplemente la trama de las películas de ciencia-ficción futurista, ahora es una realidad detrás de las cámaras. Utiliza técnicas de Machine Learning para conseguir que la toma de decisiones sea más inteligente dentro de la industria del cine. La IA ya está implantada en las plataformas de streaming online como Netflix o Amazon. Se utiliza para proporcionar una experiencia personalizada e intuitiva a sus usuarios. Además, con su sistema de recomendación consiguen que los suscriptores se enganchen de una serie a otra. Hoy en día, la IA también está aterrizando en Hollywood, cambiando poco a poco las reglas del juego. Las start-ups que están transformando la industria del cine Cinelytic es una de las start-up que puede llegar a convertirse, a través de la Inteligencia Artificial, en el próximo mejor productor de Hollywood. Mediante el uso del Machine Learning, se obtienen patrones basados en datos históricos que indican qué parámetros tendrán más importancia en el éxito y la rentabilidad de la película. También han aparecido otras empresas similares, que afirman contar con conocimiento valioso para lograr un "taquillazo". Vault, una nueva empresa israelí fundada en 2015, garantiza poder predecir qué grupos sociales verán sus películas, simplemente analizando el feedback que reciben de los trailers que publican online. También ,en 2015, se fundó , ScriptBook, una empresa que ha desarrollado un algoritmo que predice la rentabilidad de una película con sólo analizar el guion. Warner bros, el segundo estudio cinematográfico más importante de Hollywood, con un 13,4% de los ingresos totales de la industria, ha anunciado que trabajará con Cinelytic para mejorar su eficiencia en la etapa de aprobación de los guiones. Han asegurado que la IA no sacrificará la creatividad, sino que proporcionará insights para tomar mejores decisiones en esta estapa; la creatividad humana es aún muy necesaria para lograr un taquillazo. "La IA es perfecta para calcular números, clasificar los datos y mostrar patrones que no son visibles a simple vista para los humanos. Pero para la toma de decisiones creativas, todavía se necesita experiencia e instinto emocional." Tobias Queisser, Fundador de Cinelytic. ¿Cómo produce insights la tecnología ? Hollywood es una caja de sorpresas, está repleto de películas que han tenido un éxito totalmente inesperado y de otras que no cumplieron con las expectativas. La Inteligencia Artificial puede ayudar a las productoras a predecir esas "sorpresas". Por ejemplo, El Joker, el thriller psicológico dirigido por Todd Philips, fue sujeto de muchas controversias antes de su lanzamiento. Sin embargo, sólo en el primer fin de semana, recaudó 234 millones de dólares en todo el mundo, cuando las predicciones indicaban que sólo conseguiría la mitad. El análisis predictivo que pueden proporcionar estas compañías es especialmente importante en la industria del cine, ya que la mayoría de las películas que se hacen no llegan a estrenarse; y de las que se estrenan, sólo la mitad llegan, al menos, a cubrir sus gastos. La IA es capaz de anticipar si será un fracaso inmediato con el público objetivo o si la propuesta es viable en relación al presupuesto. Cinelytic integra la IA y tecnologías cloud para permitir a las empresas tomar decisiones bien fundadas durante toda la cadena de valor. Los datos, el análisis predictivo y las herramientas de gestión de proyectos son accesibles a través de una plataforma interactiva online. La herramienta de predicción basada en IA permite tomar decisiones con respecto a la aprobación de un guion, el casting, la financiación, el presupuesto o la distribución de un título. La plataforma permite a las empresas jugar con las estadísticas para asegurar un pronóstico más alto de rentabilidad. Por ejemplo, si quisieran hacer una comedia romántica protagonizada por Jennifer Aniston y Bradley Cooper pero uno de ellos no estuviera disponible, los productores podrían buscar otra combinación de actores con alta probabilidad de éxito. Pese a que esto sea algo que los productores ya pueden predecir, la IA es capaz de hacerlo más rápido. ¿Acierta siempre la IA? El problema de usar la Inteligencia Artificial en Hollywood para elegir el reparto es que, igual que pasa con muchas aplicaciones de la IA, los productores deben tener en cuenta el posible sesgo en los datos. Si hay una mayor proporción de películas taquilleras con protagonistas blancos, esto quedará reflejado en los datos. Los productores deben utilizar la IA como un asesor, para asegurar que la industria del cine se va adaptando a las nuevas posibilidades. Otra de las preocupaciones que tienen los expertos es, en el caso de alimentar una máquina con una idea nueva y experimental que no ha sido probada previamente, el algoritmo podría disuadirles de tomar una decisión que sí sería exitosa por la falta de datos sobre ello. La posibilidad de que la IA se convierta en el mejor productor de Hollywood existe, pero tendremos que esperar a ver cómo evoluciona en los próximos años. Sin embargo, como artista, la IA produce algunos trabajos bastante cuestionables. La red neuronal profunda se alimenta de miles de guiones para aprender a escribir un buen guion y, a menudo, las producciones finales son bastante divertidas:

Parece que hemos estado muchísimos años esperando la llegada de los vehículos autónomos, ya que las grandes corporaciones nos prometían año tras año que “el próximo año” serían una realidad. En 1925 Francis Houdina hizo circular, el primer coche teledirigido por las calles de Manhattan, como por arte de magia. 95 años después, ¿cómo de cerca estamos de contar con los vehículos sin conductor? El avance de la tecnología ha sido muy grande desde que surgió la idea hasta el momento en el que estamos ahora. Actualmente, no existen vehículos completamente autónomos, y los prototipos que más se acercan sólo tienen permitido circular por carreteras como vehículos de prueba y siempre con la presencia de un humano, por precaución. Sin embargo, el gran número de empresas que quieren desarrollar los primeros vehículos totalmente autónomos y la inversión en innovación hacen que esta tecnología evolucione cada día. Niveles de Automatización Es importante definir las diferentes fases de la automatización que pueden explicar en qué punto tecnológico nos encontramos ahora mismo. Los expertos creen que actualmente estamos entre los niveles 2 y 3 . La automatización completa, donde el control dependerá exclusivamente del vehículo, está aun a décadas de distancia. En muchos coches ya existe la opción de automatizar acciones básicas como la dirección, la aceleración, la desaceleración y el estacionamiento. Esto permite al conductor tener las manos fuera del volante, pero sólo temporalmente. Fuente: Noticia UE Los vehículos del nivel 3 son semiautónomos. Tesla lanzó sus primeros vehículos de nivel 3 en 2015. Es importante poner énfasis en que son semi y no totalmente automáticos. Con la característica de piloto automático de sus vehículos eléctricos los conductores podrán contar con la opción de conducción semiautónoma. Esta supervisará los alrededores del coche, ayudará al vehículo a permanecer en su carril, advertirá de posibles peligros y pisará el freno si es necesario. Sin embargo, la función de control crucero sigue requiriendo que el conductor permanezca alerta. El ruido generado en torno a los coches autónomos lleva a muchos a creer que la tecnología está más avanzada de lo que en realidad está, lo cual, puede ser peligroso. No puede haber ninguna “confusión sobre el modo de conducción”, en la que el conductor piense que el coche tiene el control y, a la vez, el coche piense que lo tiene el conductor. Robert Broström, Líder Técnico Senior de Volvo El camino hacia la automatización de nivel 5 Las empresas, por lo general, siguen dos estrategias para alcanzar el nivel 5 de automatización. Algunas, como Ford y General Motors en colaboración con Cruise, están construyendo un coche autónomo desde cero, mientras que otras están desarrollando los cerebros que podrían conducir cualquier vehículo. Waymo de Google fue una de las primeras empresas, en 2009, en empezar a desarrollar este software y cuenta con vehículos que ya se utilizan en su campus cerrado y en condiciones de prueba en la carretera. Muchas empresas declararon el año 2020 como el año clave para la llegada de vehículos sin conductor a principios de la década anterior. No se dieron cuenta de la magnitud de los retos que tendrían que afrontar en los siguientes años. Principalmente en lo que se refiere a los sistemas de percepción y predicción que plantean problemas para la seguridad y la responsabilidad. Percepción y predicción El desarrollo de un software de percepción y predicción competente es vital para asegurarnos de que el vehículo puede controlar su propio entorno de conducción, pero también es uno de los mayores obstáculos para las empresas. Tesla ha adquirido este año una empresa de identificación de objetos específicos de IA llamada Deep Scale que le puede ayudar a mejorar su sistema de percepción. Sin embargo, identificar correctamente los obstáculos es sólo la mitad de la tarea, faltaría predecir cómo pueden interactuar con el vehículo. Los mapas tridimensionales muestran información importante sobre la carretera, incluyendo semáforos, señales, marcas viales, aceras, curvas, inclinaciones, cruces u otros elementos. También señala los posibles peligros y objetos, como peatones, ciclistas, obras en la calzada… Los coches Waymo pueden ver hasta a 300 metros de distancia. El software predice los movimientos de cada objeto en función de su trayectoria y velocidad, y reconoce cómo se mueven los diferentes objetos. El sistema ajustará entonces el movimiento, la velocidad y la dirección de los coches para garantizar la seguridad en el viaje. El software debe enfrentarse a todas las situaciones imaginables para aprender a garantizar la seguridad de sus pasajeros. Mientras que algunas empresas pasan horas probando coches en las carreteras y en campus controlados, otras simulan situaciones de conducción en la vida real dentro de la nube. Sin un sistema preciso, muchos no se sentirán cómodos poniendo su seguridad en manos de vehículos autónomos. La pregunta de seguridad El 90% de los accidentes de tráfico son causados por errores humanos. Tesla ha destacado la necesidad de vehículos autónomos para reducir estos errores, incluso diciendo que es “irresponsable” no tenerlos en la carretera. Sin embargo, han surgido dudas sobre la seguridad de la tecnología, debido a los fallos en los sistemas de predicción y percepción, que han provocado accidentes. “Probablemente esté más seguro en un coche que se conduce solo que con un conductor de 16 años, o de 90 años, aunque seguramente esté bastante más seguro con un conductor que esté alerta y experimentado de mediana edad que en un coche que se conduce solo” Brandon Schoettle, Investigador. Mantenerse alerta en viajes muy largos puede ser una dificultad. Los vehículos autónomos reducirían drásticamente los accidentes en los que el conductor: Se distrae con otro pasajero Está usando su teléfono móvil Está ebrio y es incapaz de operar el vehículo No está prestando atención A pesar de la cantidad de colisiones que se producen cada año por error humano, los choques causados por vehículos autónomos están mucho más mediatizados, lo que genera una mala opinión pública, a pesar de los miles de incidentes que probablemente evitaron gracias a sus sistemas semiautónomos. Un solo accidente plantea grandes interrogantes sobre la seguridad y la responsabilidad. ¿Quién es responsable de una víctima mortal causada por un vehículo autónomo? Futuras aplicaciones El mundo tiene un largo camino por recorrer antes de que confiemos plenamente en la tecnología y sepamos reconocer cuando se necesita a un humano y cuando se puede entregar el control total a la máquina. Los gobiernos y las empresas de automoción tendrán que trabajar en armonía para que los coches autónomos sean una realidad en las carreteras a finales de esta década. En este 2020 podemos contar con ver un gran aumento en las horas de prueba que mejorarán los sistemas de percepción y predicción de los vehículos. Los primeros ejemplos de vehículos autónomos alterarán el mercado de la logística como medios para mejorar los servicios de entrega. Lyft y Uber ya han anunciado que esperan contar con flotas autónomas de vehículos en sus compañías para finales de este año. Sin embargo, los vehículos autónomos para consumidores individuales parecen estar bastante lejos aún. La próxima década promete cosas emocionantes para el desarrollo de la IA, en todas las industrias y en cualquier aspecto de nuestras vidas. Síguenos en Twitter para asegurarte de que no te pierdes nuestra serie de #LUCAtothefuture. También exploraremos las cuestiones éticas que acompañan en el desarrollo de muchas de estas tecnologías. Traducido por Elena Selgas Carvajal, leer el post original aquí. .

La atención médica siempre parece quedarse atrás con respecto a otras tecnologías de consumo, carece de innovación y continúa siendo ineficiente. Esto se debe en parte a la restricción regulatoria del sector, pero también a la escasa disposición de los profesionales sanitarios por innovar. La telemedicina está comenzando a introducirse en esta industria, ofreciendo atención remota a través de teléfonos móviles y diagnosticando enfermedades mediante el uso de Inteligencia Artificial. Si los altavoces inteligentes pueden decirnos como hornear un pastel, ¿por qué no nos pueden decir cómo recuperarnos? El objetivo principal de la Telemedicina es hacer que la atención médica de calidad sea asequible y accesible en todo el mundo, trabajar en armonía con los médicos y dar cobertura a las áreas dónde hay escasez de atención médica. Chatbots IA para atención primaria Las start-ups de telemedicina están cambiando el juego en áreas dónde la atención médica es de difícil acceso y muy costosa. En India, por cada 1.000 ciudadanos, solo hay un médico pero hay unos 700 teléfonos móviles. En lugar de invertir en infraestructuras de alto valor económico, las empresas están aprovechando la tecnología de que ya disponemos en nuestros bolsillos: los teléfonos móviles. Aplicaciones de Inteligencia Artificial, como Babylon, un verificador de síntomas interactivo, han sido desarrolladas por médicos cualificados e informáticos utilizando deep learning. El chatbot proporciona una plataforma para establecer un posible diagnóstico del paciente y construir un gemelo digital de su perfil sanitario, todo desde la comodidad de su teléfono móvil. El sistema le pondrá automáticamente en contacto con un especialista dentro de las 24 horas siguientes para analizar los síntomas más en detalle. Utilizando el procesamiento del lenguaje natural, el sistema puede reconocer la conversación y así sugerir más preguntas para definir posibles causas y tratamientos. https://www.youtube.com/watch?v=nm5PKFLGre0 La IA no sólo no supone una amenaza para la profesión médica, sino que se ha convertido en el mejor asistente Monitorización remota de pacientes con IoT En 2020, los expertos creen que comenzaremos a ver la monitorización remota de pacientes (MRP), gracias a los dispositivos hospitalarios en el hogar (IoT). Esto servirá de gran ayuda para controlar las condiciones de pacientes con enfermedades crónicas y de edad avanzada. Los dispositivos IoT wearables pueden monitorizar la frecuencia cardíaca y la presión arterial, enviando datos en tiempo real a los servicios de atención médica. En el futuro, esperamos ver la incorporación de dispositivos IoT ingeribles para proporcionar datos altamente precisos sobre los niveles de insulina del paciente en diabéticos, niveles vitales, infecciones activas, etc. El desafío actual es garantizar que la ingestión sea segura y el dispositivo no pierda la carga o se rompa en el interior del cuerpo humano. Apps de diagnóstico y tratamiento Hemos comenzado a ver también la incorporación de programas basados en IA en hospitales para mejorar la precisión de los diagnósticos. Hace solo unos días, el software de IA de Google, DeepMind, fue capaz de identificar un cáncer de mama con mayor precisión que los radiólogos, demostrando así, que los médicos deben comenzar a incorporar estas tecnologías de Inteligencia Artificial en sus prácticas o quedarse atrás. Dejar que la IA automatice procesos más laboriosos, permite a los médicos centrarse en ofrecer al paciente mejores consejos médicos y tratamientos. Estas cualidades de los médicos; la tranquilidad, el cuidado y la empatía, no pueden ser reemplazados por ninguna app. Telecirugía Las nuevas tecnologías permiten a los cirujanos más expertos operar desde el otro lado del mundo con robótica altamente inteligente conectada a internet. Se espera que el 5G acelere las capacidades en telecirugía, una cirugía remota basada en una velocidad de internet extremadamente rápida para proporcionar una respuesta háptica muy precisa. Incluso si hay un ligero retraso en lo que el cirujano remoto puede sentir a través de las manos del robot, existe una alta probabilidad de error. ¡Se espera que se reduzca el período de latencia de 0,27 segundos a 0,01! La próxima década promete cosas emocionantes para el desarrollo de la IA, en todas las industrias y en cualquier aspecto de nuestras vidas. Síguenos en Twitter para asegurarte de que no te pierdes nuestra serie de #LUCAtothefuture. También exploraremos las cuestiones éticas que acompañan en el desarrollo de muchas de estas tecnologías. Traducido por Maria Cano Farias, leer el post original aquí

A finales de 2019 lanzamos en Twitter la campaña #LUCAtothefuture para explorar qué tecnologías basadas en Inteligencia Artificial serán protagonistas en este nuevo año. No es difícil predecir que 2020 será un año importante para la IA, igual que lo han sido los años anteriores. Ya en 2019 muchas industrias reconocían la IA como una necesidad, pero actualmente ya empezamos a ver su incorporación en muchos aspectos de nuestra vida cotidiana. La IA ya no es una tecnología disruptiva, sino la base del éxito. En 2020 empezaremos a ver como la IA se vuelve una parte totalmente relevante no solo de los negocios sino también de nuestro día a día, si es que no lo ha hecho hasta ahora. En nuestra encuesta de Twitter, te pedíamos que eligieses en cuál de los siguientes campos te gustaría ver avances sobre Inteligencia Artificial. Los vamos a ver uno a uno, ordenados según las preferencias de los participantes en la encuesta. Figura 1: Encuesta en Twitter #LUCAtothefuture Telemedicina La telemedicina es la práctica de atender a los pacientes a distancia utilizando varios servicios conectados a la red. También se utiliza para referirse al uso de la IA avanzada y el Machine Learning para diagnosticar enfermedades. La telemedicina es vital para proporcionar un diagnóstico y tratamiento rápido cuando no es posible asistir a una cita presencial. Hace apenas unos días, el software de IA de Google DeepMind logró identificar un cáncer de mama con mayor precisión que los radiólogos. Esto demuestra que los médicos deben incorporar esas tecnologías en sus prácticas. Empresas como Gyant están desarrollando un chatbot médico que, con el uso de los datos de los pacientes, puede asesorar para un tratamiento apropiado con muy buenos resultados (tasa de satisfacción de los pacientes 4.9/5 ). ¿Qué esperamos en 2020? Para 2020, en el área de la Telemedicina, esperamos que: La telemedicina llege a las comunidades más vulnerables y sustituye las visitas presenciales Aumente del uso de la videoconferencia en los países desarrollados Mejoren los chatbots de asesoramiento médico Se introduzca el control virtual de enfermedades crónicas con el desarrollo de dispositivos de “hospital en casa” Drones repartidores Aunque el gasto militar continuará siendo el principal contribuyente al consumo de drones, muchas industrias de diversos tipos se han dado cuenta de la utilidad de estos, desde la gestión de existencias o las entregas a domicilio hasta la fotografía. Los drones repartidores, también conocidos como UAV (vehículos aéreos no tripulados), están transformando el mercado de la logística y reemplazando los métodos de transporte tradicionales. En junio de 2019, Amazon anunció en su conferencia sobre IA que las entregas con drones mejorarían enormemente la eficiencia de su servicio de entrega y que esperan lanzar completamente Amazon Air en 2020. Deberíamos esperar que a esto se sumen otras de las grandes compañías. ¿Qué esperamos en 2020? Para 2020, en el área de Drones repartidores, esperamos que: Aumente el uso de los drones repartidores por parte de las grandes compañías para entrega de mercancías, especialmente en los Estados Unidos. Mejore el alcance de los drones para llegar a zonas alejadas Hay un mayor control jurídico de los drones Vehículos autónomos Hace ya muchos años que esperamos la llegada de los coches autónomos, pero ¿cuán cerca estamos de que se haga realidad? Hasta ahora, la tecnología está restringida a maniobras específicas como la dirección, la aceleración o la desaceleración y cualquier otra automatización sólo puede realizarse en áreas cerradas. El principal obstáculo para muchas empresas es la mejora de la precisión de los sistemas de percepción, que permite a los vehículos comprender su entorno. Tesla ha adquirido este año una Start-Up especializada en la identificación de objetos, llamada Deep Scale, que le ayudará a alcanzar al nivel 3 de automatización, donde los vehículos son completamente responsables de la supervisión del entorno de conducción. Elon Musk comentó que sus coches son "capaces de conducir desde casa hasta el trabajo, prácticamente sin intervenciones, pero con supervisión". ¿Qué esperamos en 2020? Para 2020, en el área de Vehículos Autónomos, esperamos que: Aumenten las horas de prueba para desarrollar un sistema de percepción a través del Machine Learning Se evolucione desde el nivel 2 de automatización (Automatización de la asistencia al vehículo) hasta los niveles 3 y 4 (vehículos de autoconducción) Aumente la discusión sobre cuestiones de responsabilidad civil Asistentes robóticos, físicos y virtuales Aunque algunas películas de ciencia ficción de los últimos 20 años han presentado una visión negativa de la robótica, la realidad nos muestra cómo los asistentes robóticos, tanto en términos físicos como virtuales nos ayudan en muchos aspectos de nuestras vidas. Japón ha anunciado que los robots tomarán un rol importante en los Juegos Olímpicos de Tokio de 2020; algunos se usarán para recoger y distribuir equipaciones; otros permitirán que las personas asistan al evento de manera virtual. El área de la robótica está creciendo a un ritmo excepcional, volviéndose más inteligente cada día, pero las empresas utilizan principalmente la Inteligencia Artificial Estrecha (ANI) para realizar tareas específicas. Por otro lado, la Inteligencia Artificial General permanece en su etapa inicial, algunos expertos creen que todavía estamos, al menos, a 50 años de distancia de la robótica de tipo humano. En los últimos años esta innovación tecnológica se ha hecho más presente en las vidas de los usuarios. Una muestra de ello es la implementación de asistentes virtuales en su día a día como es el caso de Telefónica, cuya Inteligencia Artificial, Aura, está presente en 8 países con más de 1.300 casos de uso, ofreciendo respuestas personalizadas e inmediatas a sus clientes. ¿Qué esperamos en 2020? Para 2020, en el área de Asistentes Robóticos, esperamos: Que se dedique más atención a la Inteligencia Artificial General El Desarrollo de asistentes físicos domésticos por parte de Big Tech para realizar tareas rutinarias La incorporación de asistentes digitales en el ámbito laboral para realizar tareas rutinarias Que el 50% de las búsquedas sean realizadas con voz Que chatbots inteligentes den servicio al cliente La próxima década promete cosas emocionantes para el desarrollo de la IA, en todas las industrias y en cualquier aspecto de nuestras vidas. Síguenos en Twitter para asegurarte de que no te pierdes nuestra serie de #LUCAtothefuture. También exploraremos las cuestiones éticas que acompañan en el desarrollo de muchas de estas tecnologías.

A menudo son los productos que parecen salir de la nada los que de repente experimentan mayor volumen en ventas y de los que todo el mundo habla. Desde las “chunky trainer”, un tipo de deportivas que pesan como ladrillos, hasta prendas de vestir diseñadas para parecer una Kardashian. ¿Cómo saben las empresas lo que van a vender y cómo van a hacerlo? Las empresas deben ser capaces de demostrar la demanda futura y, por tanto, el éxito de un producto antes de que este salga al mercado para convencer a las grandes cadenas de distribución. Aquí es donde el Big Data desempeña un papel cada vez más importante, en la predicción de comportamiento de los consumidores. Esto es fundamental, sobre todo para el Black Friday, el día más importante del año, en lo que a consumo se refiere. ¿Qué es el Black Friday? El primer récord en volumen de ventas del fenómeno Black Friday fue en 1952 en Estados Unidos, Filadelfia, el día siguiente a Acción de Gracias. Desde entonces ha ido evolucionando hasta llegar a convertirse en el día de compras más importante del año en todo el mundo. En Reino Unido en 2018, el 64% de la población compró algo en el Black Friday, lo que equivale a 42,5 millones de personas. En España, el porcentaje fue de un 55,7%, 26 millones de personas. Los productos más vendidos en el Black Friday son ropa, cosméticos, joyería, calzado y electrónica. Con el incentivo de conseguir una ganga, el gasto del Black Friday en 2018 fue, de media, £315 en Reino Unido y €210 en España, por persona. Sin embargo, la media de los descuentos en Reino Unido alcanza el 63% frente al 47% de España. Las marcas han tenido que irse adaptando a medida que los hábitos de consumo han ido cambiando. Con el uso de Internet, el consumidor del siglo XXI es menos leal a marcas específicas y se deja guiar principalmente por el precio. Gracias a la cantidad de información que hay online los consumidores están más equipados que nunca para comparar productos entre cientos de marcas. Plataformas como Amazon y ASOS son capaces de liderar sus respectivos mercados porque muestran muchas marcas que son comparables y tienen distintos precios. ¿Cómo predice el Big Data las tendencias de consumo? Las estrategias de marketing que se utilizaban hasta ahora incluían el control de las redes sociales o el análisis de encuestas, pero no almacenaban, combinaban u optimizaban estas fuentes de datos conjuntamente. El Big Data y la Inteligencia Artificial permiten a las empresas aprovechar los datos de miles de fuentes y predecir los hábitos de compra futuros con un alto grado de precisión. Se aplican algoritmos para encontrar patrones de comportamiento, para proporcionar información que sirva de base tanto para la toma de decisiones internas como para mejorar la experiencia del cliente. Esto significa que las empresas pueden aprovechar los datos de ventas del Black Friday de otros años para elegir los productos y los tipos de descuento que atraerán a las masas. El software de Machine Learning se construye dentro de los sistemas de recomendación de las webs que, basándose en los datos de compras anteriores, pueden predecir qué es lo que los clientes querrán y, además, sugerirles otros productos para completar su compra. La toma de decisiones interna ya no se basa en encuestas inexactas de pequeños grupos, sino en el comportamiento humano a tiempo real. Los métodos que se inventaron antes de la era digital no son lo suficientemente ágiles, precisos o predictivos. Tim Warner: Pepsico Es vital que las grandes empresas sean capaces de predecir la popularidad y, por tanto, la rentabilidad de los nuevos productos, ya que las grandes cadenas de distribución les restringen la entrada inmediata de nuevos productos. Para muchos, esto significa decidir las gamas de productos navideños 9 meses antes de que empiece la temporada navideña. Startups como Black Swan están cambiando la forma en que se realizan las investigaciones de mercado ordinarias. Analizan el comportamiento de compra de los consumidores a gran escala para predecir las tendencias de consumo de sus clientes. A diferencia de lo que ocurría antes, las redes sociales permiten la difusión masiva de las tendencias de consumo promovidas tanto por personas influyentes como por celebridades. Algunas de las tendencias más comunes en este momento siguen a los grandes movimientos sociales como el veganismo o la sostenibilidad, y es muy probable que haya un aumento de consumo en los productos relacionados con estos temas durante estas navidades. Big Data para la publicidad Pero el Big Data no es sólo vital para proporcionar información de los consumidores a la hora de diseñar las líneas de los productos, además sirve de utilidad para las estrategias de publicidad y de ventas. En LUCA ayudamos a nuestros clientes con el uso de datos anonimizados y agregados para que puedan optimizar sus decisiones estratégicas y ahorrar costes. Los servicios de Business insights de LUCA ayudan a localizar ubicaciones óptimas para tiendas o espacios publicitarios según sus targets objetivos. LUCA también puede proporcionar información sobre la ubicación del comercio minorista para optimizar la distribución en la tienda y en los expositores y así atraer al consumidor objetivo. Esto es particularmente importante en Navidad, donde muchas tiendas competirán por tener los mejores escaparates, por esto las empresas deben ser capaces de mostrar los productos correctos en cada lugar. Al identificar el comportamiento de las personas en los propios puntos de venta y en torno a ellos, las marcas pueden optimizar sus servicios offline. https://www.youtube.com/watch?v=e5BMTDm3ffk&feature=youtu.be Traducido por Elena Selgas Carvajal, leer el post original aquí.

Muchos de los que trabajan en el mundo de la Inteligencia Artificial reconocen los años 50 como el nacimiento de conceptos como el Machine Learning o la propia Inteligencia Artificial, con la creación del “Turning Test” de Alan Turing. En una entrada anterior al blog hablábamos de la importancia de estos avances tempranos para la evolución de las tecnologías de Machine Learning en la actualidad. Si bien, estos años marcan el inicio de la IA tal y como la conocemos hoy en día, las ideas sobre la creación de vida artificial venían incluso de antes de que se inventara la tecnología. A lo largo de la historia, los nuevos desarrollos han sido criticados por ir “demasiado lejos” y añadir complicaciones innecesarias a nuestras vidas. Sin embargo, en muchos escritos antiguos, podemos ver que los humanos siempre han soñado con llevar los límites de la naturaleza más allá de lo que es humana y biológicamente posible. Tal vez está dentro de nuestra naturaleza el sobrepasarlo. Ejemplos antiguos Las ideas de vida artificial figuran en muchos textos de La Antigua China, El Hinduísmo y La Antigua Grecia. La Doctora Adrienne Mayor, historiadora de ciencia, ha estudiado muchos ejemplos de cómo las antiguas civilizaciones concebían el concepto de tecnología. La etimología de la Biotecnología es la palabra Biotecnina de la Antigua Grecia. Significa estar hecho a mano y no haber sido creado de forma natural. Ya imaginaban, incluso en una sociedad preindustrial, la idea de la tecnología humana y de romper las reglas de la naturaleza. La Odisea es un poema de 12.000 líneas que abarca años de historia, mitos y leyendas de la Antigua Grecia, escrito en el siglo VIII a.C. El autor era, supuestamente, un hombre ciego llamado Homero, aunque nadie sabe si existió en realidad. Aunque las historias se han alterado y han cambiado con el paso del tiempo, muchos elementos todavía se mantienen en pie, pensando en cómo imitar, aumentar y superar a la naturaleza. Algunos ejemplos incluyen barcos guiados por la mente, que muestran una visión antigua de los futuros coches sin conductor. Hefesto, el dios trabajador, fabrica puertas automáticas, coches que se mueven solos, águilas como drones y sirvientes hechos de oro que eran capaces de razonar y tenían una mente y una fuerza que iba más allá de la de los humanos. Los sirvientes poseían todo el conocimiento divino de los dioses, imitando un gran sistema de datos. También podemos encontrar historias similares de vehículos autónomos y vida artificial en los mitos hindúes. Ninguna civilización tenía el monopolio de los antiguos sueños de la tecnología avanzada. Ya se trate de griegos, etruscos, egipcios, hindúes, islámicos, chinos o de cualquier otra cultura antigua. Los mitos sobre la vida artificial contemplan todas las maravillas que serían posibles si sólo uno pudiera poseer la creatividad divina y las habilidades de los dioses. Adrienne Mayor, investigadora de la Universidad de Stanford. ¿Pueden los robots escribir tragedias griegas? Los griegos soñaban con replicar la IA, pero la IA todavía no ha sido capaz de replicar la cultura griega a la perfección. Spencer A. Klavem tuiteó una obra teatral de 2 páginas que su sistema de IA creó después de entrenarlo con más de 1.000 horas de tragedias griegas. El resultado quedó absurdo pero divertido. Post de @spencerKlavan Post de @spencerKlavan A pesar del poco éxito de este bot, otras compañías trabajan en usar IA para escribir contenido creativo. Mediante técnicas de generación de lenguaje natural, los sistemas de IA pueden replicar estilos de escritura para crear poesía, publicaciones en medios sociales o incluso informes financieros. Esta tecnología se utilizó para escribir una novela que estuvo a punto de ganar un premio, El Día que un Ordenador Escribió una Novela. Los robots que replican contenido son tan sumamente precisos, que a menudo es imposible detectar quién o qué lo ha escrito. Esta página web permite adivinar si un poema ha sido escrito por un humano o un robot. Traducido por Elena Selgas Carvajal, post original aqui