User:Chukis/Inteligencia artificial

Inteligencia artificial

Actualmente, la inteligencia artificial (IA) es uno de los temas que más invita a la reflexión en el campo de la tecnología y los negocios. Este entusiasmo tiene fundamentos: vivimos en un mundo cada vez más conectado e inteligente. Hoy en día, se puede fabricar un coche, componer Jazz mediante un algoritmo o conectar su CRM a su bandeja de entrada para dar prioridad a los correos más importantes. La tecnología detrás de todos estos avances está relacionada con la Inteligencia artificial (IA).

En esta publicación le hablaremos sobre:

·       La definición de Inteligencia artificial

·       La historia de la Inteligencia artificial

·       Cómo funciona la IA

·       Una descripción general de las principales técnicas de la IA

·       Ejemplos del uso de la Inteligencia artificial en los negocios

Específicamente, le mostraremos algunas aplicaciones prácticas en la CRM, ventas, atención al cliente y marketing.

1. Definición de Inteligencia artificial

La Inteligencia artificial es el campo científico de la informática que se centra en la creación de programas y mecanismos que pueden mostrar comportamientos considerados inteligentes. En otras palabras, la IA es el concepto según el cual “las máquinas piensan como seres humanos”.

Normalmente, un sistema de IA es capaz de analizar datos en grandes cantidades (big data), identificar patrones y tendencias y, por lo tanto, formular predicciones de forma automática, con rapidez y precisión. Para nosotros, lo importante es que la IA permite que nuestras experiencias cotidianas sean más inteligentes. ¿Cómo? Al integrar análisis predictivos (hablaremos sobre esto más adelante) y otras técnicas de IA en aplicaciones que utilizamos diariamente.

·       Siri funciona como un asistente personal, ya que utiliza procesamiento de lenguaje natural

·       Facebook y Google Fotos sugieren el etiquetado y agrupamiento de fotos con base en el reconocimiento de imagen

·       Amazon ofrece recomendaciones de productos basadas en modelos de canasta de compra

·       Waze brinda información optimizada de tráfico y navegación en tiempo real

2. Breve historia de la Inteligencia artificial

La mayoría de nosotros tenemos un concepto de la Inteligencia artificial alimentado por las películas de Hollywood. Exterminadores, robots con crisis existenciales y píldoras rojas y azules. De hecho, la IA ha estado en nuestra imaginación y en nuestros laboratorios desde 1956, cuando un grupo de científicos inició el proyecto de investigación “Inteligencia artificial” en Dartmouth College en los Estados Unidos. El término se acuñó primero ahí y, desde entonces, hemos presenciado una montaña rusa de avances (“¡Vaya! ¿Cómo sabe Amazon que quiero este libro?”), así como frustraciones (“esta traducción es completamente errónea”).

Al inicio del proyecto, el objetivo era que la inteligencia humana pudiera ser descrita de forma tan precisa que una máquina fuera capaz de simularla. Este concepto también fue conocido como “IA genérica” y fue esta la idea que alimentó la (asombrosa) ficción que nos daría entretenimiento ilimitado.

Sin embargo, la IA derivó en campos específicos. Con el paso del tiempo, la ciencia evolucionó hacia áreas de conocimiento específicas, y fue entonces que la IA comenzó a generar resultados significativos en nuestras vidas. Fue una combinación entre el reconocimiento de imagen, el procesamiento de lenguaje, las redes neuronales y la mecánica automotriz lo que hizo posible un vehículo autónomo. En ocasiones, el mercado se refiere a este tipo de avances como “IA débil”.

La siguiente tabla muestra algunos acontecimientos importantes en la historia de la Inteligencia Artificial.

Año         Acontecimiento

1842

Lovelace: máquina analítica programable

1950

Turing: la prueba de Turing

1956

McCarthy, Minsky, Rochester y Shannon celebran la primer conferencia sobre IA

1965

Weizenbaum: "ELIZA", el primer sistema especialista

1993

Horswill: "Polly" (robótica basada en el comportamiento)

2005

TiVo: tecnología de recomendaciones

2011

Apple, Google y Microsoft: aplicaciones móviles de recomendaciones

2013

Varios: avances tecnológicos en aprendizaje automático y profundo

2016

Google DeepMind: AlphaGo supera a Lee Sedol en el juego “Go”

3. Técnicas principales de la Inteligencia artificial

Ahora que ya conoce la definición de la IA y más de su historia, la mejor forma de profundizar en el tema es conocer las principales técnicas de la IA, específicamente, los casos en los que la Inteligencia artificial se utiliza para los negocios.

Aprendizaje automático

Generalmente, el concepto de Aprendizaje automático se confunde con el de “IA débil”. Es en este campo en donde los avances más importantes de la IA se están llevando a cabo. En términos prácticos, “el Aprendizaje automático es la ciencia que se encarga de hacer que las computadoras realicen acciones sin necesidad de programación explícita”. La idea principal aquí es que se les puede proporcionar datos a los algoritmos de Aprendizaje automático y luego usarlos para saber cómo hacer predicciones o guiar decisiones.

Algunos ejemplos de algoritmos de Aprendizaje automático incluyen los siguientes: diagramas de decisiones, algoritmos de agrupamiento, algoritmos genéticos, redes Bayesianas y Aprendizaje profundo.

Aprendizaje profundo

¿Recuerda cuando Google anunció un algoritmo que encontraba videos de gatos en Youtube? (Si desea refrescar su memoria haga clic aquí). Pues bien, esto es Aprendizaje profundo, una técnica de Aprendizaje automático que utiliza redes neuronales (el concepto de que las neuronas se pueden simular mediante unidades computacionales) para realizar tareas de clasificación (piense en clasificar una imagen de un gato, de un perro o personas, por ejemplo).

Algunos ejemplos de aplicaciones prácticas del Aprendizaje profundo son las siguientes: identificación de vehículos, peatones y placas de matrícula de vehículos autónomos, reconocimiento de imagen, traducción y procesamiento de lenguaje natural.

Descubrimiento de datos inteligentes

Es el próximo paso en soluciones de IE (Inteligencia empresarial). La idea consiste en permitir la automatización total del ciclo de la IE: la incorporación y preparación de datos, el análisis predictivo y los patrones y la identificación de hipótesis. Este es un ejemplo interesante de la recuperación de datos inteligentes en acción. La información que ninguna herramienta de IE había descubierto.

Análisis predictivo

Piense en ese momento en el que está contratando un seguro para auto y el agente le hace una serie de preguntas Estas preguntas están relacionadas a las variables que influyen en su riesgo. Detrás de estas preguntas se encuentra un modelo predictivo que informa sobre la probabilidad de que ocurra un accidente con base en su edad, código postal, género, marca de auto, etc. Es el mismo principio que se emplea en los modelos predictivos de crédito para identificar a los buenos y malos pagadores. Por lo tanto, el concepto principal de análisis predictivo (o modelado) significa que se puede utilizar un número de variables (ingresos, código postal, edad, etc.) combinadas con resultados (por ejemplo, buen o mal pagador) para generar un modelo que proporcione una puntuación (un número entre 0 y 1) que representa la probabilidad de un evento (por ejemplo, pago, migración de clientes, accidente, etc.).

Los casos de uso en los negocios son amplios: modelos de crédito, modelos de segmentación de clientes (agrupamiento), modelos de probabilidad de compra y modelos de migración de clientes, entre otros.

4. Ejemplos del uso de la Inteligencia artificial en los negocios

“Parece interesante... Pero, ¿qué nos ofrece la IA que no tengamos ya?”

Existe una gran cantidad de aplicaciones para IA en los negocios. En esta publicación nos vamos a centrar en un aspecto fundamental: el cliente. La IA está transformando las expectativas de los clientes. Por ejemplo, el cliente que organiza su vida desde aplicaciones como Uber, Google y Amazon. Estos clientes saben que las empresas disponen de información sobre ellos y, lo que es más importante, saben lo que las empresas podrían hacer con esta información para proporcionar una experiencia de atención al cliente excepcional. Por ejemplo, los millenials están obsesionados con la experiencia de atención al cliente (es decir, todo debe ser sencillo, rápido e inteligente).

Esta es una lista de algunos ejemplos prácticos de cómo la IA está transformando los procesos empresariales.

Inteligencia artificial para ventas

La IA ofrece una mayor productividad para los equipos de ventas, ya que permite centrarse en las oportunidades que pueden llevar al éxito, así como ahorrar tiempo al personal de ventas durante el registro de información. Veamos algunos ejemplos a continuación:

Captura automáticamente las actividades de ventas, lo que significa que el personal de ventas no tiene que dedicar tiempo al llenado de la base de datos del CRM;

Registra automáticamente los datos del cliente, por ejemplo, registros de navegación del sitio web y conexiones al sitio web, entre otros;

Sugiere la mejor acción de seguimiento y recomienda respuestas de correo electrónico al conectar la información del CRM a la bandeja de entrada;

Valoración predictiva de prospectos: mediante el análisis predictivo, el sistema podrá indicar la probabilidad de que un prospecto se convierta en una venta. Más interesante aún, el sistema le indicará por qué se llegó a esta puntuación (p. ej., canal de acceso del prospecto, sector, etc.). Por ejemplo, Salesforce Einstein, tendrá la funcionalidad de puntuación predictiva de prospectos.

Inteligencia artificial para Atención al cliente

Clasificación automática de los casos de atención al cliente, lo que evita depender del agente de atención al cliente a la hora de tener que tomar una decisión y, por lo tanto, ahorra tiempo al agente.

Enrutamiento automático de casos una vez que la llamada se ha clasificado automáticamente, el sistema ya puede reenviar la llamada al agente mejor calificado para determinar el tipo de problema.

Recomendación de soluciones y bases de conocimiento. Esto aumenta la productividad y la calidad de un servicio, al sugerir la solución con mayores probabilidades de resolver el problema del cliente.

Comunicaciones de autoservicio. Research muestra que la generación actual de clientes prefiere el autoservicio (por ejemplo, portal o aplicación del cliente) en lugar de llamar por teléfono a un centro de atención. Gracias a la IA, las comunidades de servicios serán más inteligentes, por ejemplo, al personalizar el entorno que depende del cliente y sugerir soluciones de forma automática, ej. utilizar el reconocimiento de imagen para identificar el producto que está en una foto tomada por el cliente.

Por ejemplo, los bots conversacionales le permiten al cliente enviar mensajes de texto para establecer comunicación.

Inteligencia artificial para marketing

El marketing es una disciplina que se ha vuelto cada vez más analítica y cuantitativa a lo largo de los años. Muchas de las técnicas de Análisis predictivo y de IA se aplican principalmente en el Marketing, por ejemplo, modelado predictivo para la migración de clientes, probabilidad de compras y modelos de agrupamiento para la segmentación de clientes.

Estos son algunos de los nuevos avances de la IA en el marketing, de forma específica, algunas funcionalidades de Marketing Cloud Einstein.

Puntuación predictiva por correo electrónico: le permite a los profesionales de marketing saber (antes de lanzar una campaña de marketing para correo electrónico) cuál es la probabilidad de que sus clientes respondan a la campaña; o bien, la abandonen. El objetivo aquí es anticipar la respuesta del cliente para ofrecer viajes verdaderamente personalizados;

Audiencias predictivas: con base en la puntuación predictiva, será posible segmentar mejor su base de clientes y prospectos en función de un comportamiento predictivo al agrupar a personas que tienen puntos en común. Cuanto mayor sea la segmentación, mejor será la conversión;

Optimización del tiempo de envío: ¿es mejor enviar una campaña a las 2 p. m. o a las 4 a. m.? Con la optimización del tiempo de envío, el algoritmo de IA le indicará la hora en que será más probable que cada contacto en su base de clientes abra un correo electrónico y participe en su campaña.

La Inteligencia artificial está transformando nuestras vidas y revolucionará rápidamente la manera en la que trabajamos.

¿Desea conocer más? Consulte el libro electrónico Inteligencia artificial para CRM: una guía práctica de todo lo que necesita saber.

Los derechos de ALBERT EINSTEIN se usan con la autorización de la Universidad Hebrea de Jerusalén. Representado exclusivamente por Greenlight.

 Categorías de la inteligencia artificial 

Búsqueda heurística. Podemos definir una heurística como un truco o estrategia que limita grandiosamente la búsqueda de soluciones ante grandes espacios de problemas. Por lo tanto, ante un problema, nos ayuda a seleccionar las bifurcaciones dentro de un árbol con más posibilidades; con ello se restringe la búsqueda, aunque no siempre se garantiza una solución adecuada. Todo lo que se debe tener en cuenta para que una heurística sea adecuada es que nos proporcione soluciones que sean lo suficientemente buenas. Además, con la utilización de la búsqueda heurística, no será necesario replantear un problema cada vez que se afronte, ya que si ya ha sido planteado anteriormente, ésta sugerirá la forma en que se ha de proceder para resolverlo.

Representación del conocimiento. La representación es una cuestión clave a la hora de encontrar soluciones adecuadas a los problemas planteados. Si analizamos más detenidamente el término encontramos varias definiciones: según Barr y Feigenbaum, la representación del conocimiento es una combinación de estructuras de datos y procedimientos de interpretación que, si son utilizados correctamente por un programa, éste podrá exhibir una conducta inteligente; según Fariñas y Verdejo, la Inteligencia Artificial tiene como objetivo construir modelos computacionales que al ejecutarse resuelvan tareas con resultados similares a los obtenidos por una persona, por lo que el tema central de esta disciplina es el estudio del conocimiento y su manejo; y según Buchanan y Shortliffe, la Representación del Conocimiento en un programa de Inteligencia Artificial significa elegir una serie de convenciones para describir objetos, relaciones, y procesos en el mundo. Gran parte del esfuerzo realizado en la consecución de ordenadores inteligentes, según Rahael, ha sido caracterizado por el intento continuo de conseguir más y mejores estructuras de representación del conocimiento, junto con técnicas adecuadas para su manipulación, que permitiesen la resolución inteligente de algunos de los problemas ya planteados. Otra característica importante es la inclusión en los programas de Inteligencia artificial, aunque por separado, de los conocimientos y la unidad que controla y dirige la búsqueda de soluciones. Dada esta disposición, en estos programas la modificación, ampliación y actualización de los mismos es sencilla.

El razonamiento que puede tener cualquier persona, ha demostrado ser una de los aspectos más difíciles de modelar "dentro" de un ordenador. El sentido común a menudo nos ayuda a prever multitud de hechos y fenómenos corrientes, pero, como ya hemos dicho, es muy complicado representarlos en un ordenador, dado que los razonamientos son casi siempre inexactos y que sus conclusiones y reglas en las que se basan solamente son aproximadamente verdaderas.

Lenguajes, entornos y herramientas de Inteligencia Artificial. En la Inteligencia Artificial, se han desarrollado diferentes lenguajes específicos para los diferentes campos de aplicación. Estos lenguajes en su mayoría cuentan con una serie de características comunes que podemos resumir de la siguiente forma: Este tipo de software ofrece una gran modularidad. Poseen gran capacidad de tomar decisiones de programación hasta el último momento, es decir cuando el programa ya está ejecutándose. Ofrecen grandes facilidades en el manejo de listas, y esto es importante, ya que las listas son la estructura más habitual usada para la representación del conocimiento en la Inteligencia Artificial. Facilitan la realización de ciertos tipos de deducción automática permitiendo también la creación de una base de hechos (lugar donde se recogen los datos iniciales del problema a resolver y los resultados intermedios una vez obtenidos). Permite el uso simultáneo de estructuras que incorporan conocimiento declarativo y conocimiento procedimental. Tienen una marcada orientación gráfica. Además, las herramientas de Inteligencia Artificial permiten hacer un seguimiento de todos los cambios realizados a lo largo de toda la sesión Disponen herramientas capaces de desarrollar programas que son capaces de comprender otros programas y también de realizar modificaciones sobre ellos.

Stuart Russell y Peter Norvig diferencian estos tipos de la inteligencia artificial:  Historia y creador de la IA 
 * Sistemas que piensan como humanos.- Estos sistemas tratan de emular el pensamiento humano; por ejemplo las redes neuronales artificiales. La automatización de actividades que vinculamos con procesos de pensamiento humano, actividades como la toma de decisiones, resolución de problemas y aprendizaje.
 * Sistemas que actúan como humanos.- Estos sistemas tratan de actuar como humanos; es decir, imitan el comportamiento humano; por ejemplo la robótica. El estudio de cómo lograr que los computadores realicen tareas que, por el momento, los humanos hacen mejor.
 * Sistemas que piensan racionalmente.- Es decir, con lógica (idealmente), tratan de imitar o emular el pensamiento lógico racional del ser humano; por ejemplo los sistemas expertos. El estudio de los cálculos que hacen posible percibir, razonar y actuar.
 * Sistemas que actúan racionalmente (idealmente).– Tratan de emular de forma racional el comportamiento humano; por ejemplo los agentes inteligentes. Está relacionado con conductas inteligentes en artefactos.

La historia no siempre se lo pone fácil a los genios. Cuando John McCarthy (1927-2011) nació en Boston en plena Gran Recesión en una humilde familia de emigrantes europeos, poco parecía presagiar que este niño prodigio iba a convertirse en un digno sucesor de Alan Turing. La delicada salud de su hermano pequeño llevó a los McCarthy, que vagaban por el país de las oportunidades en busca de trabajo, a establecerse en Los Ángeles. Allí John, un adolescente ya sobresaliente en matemáticas, entró en contacto con el Instituto de Tecnología de California, el Caltech, al que pidió permiso para estudiar sus libros usados. El futuro padre de la inteligencia artificial intentaba estudiar mientras trabajaba de carpintero, pescador, inventor (ideó un exprimidor de naranjas hidráulico, entre otras cosas) para ayudar a su familia. Cuando entró oficialmente a estudiar matemáticas en el Caltech había estudiado tanto por su cuenta que le permitieron saltarse los dos primeros cursos. Se licenció en 1948 y se doctoró, también en la misma materia, en 1951 en Princeton. Hasta ahí la carrera de McCarthy era solo un poco más rápida de lo normal, pero ya tenía en mente su gran obsesión: la inteligencia de las máquinas.

En 1956, John organiza la mítica conferencia de Dartmouth donde, en su discurso, acuña por primera vez el término inteligencia artificial, definido como la ciencia e ingeniería de hacer máquinas inteligentes. Allí planteó los objetivos que le perseguirían toda su carrera:

“Este estudio procederá sobre la base de que todos los aspectos del aprendizaje o de rasgo de la inteligencia pueden, en principio, ser descritos de una forma tan precisa que se puede crear una máquina que los simule”.

Una leyenda para programadores y ‘hackers’

El texto inaugural lo realiza junto a Marvin Minsky y Claude Shannon, dos prestigiosos científicos que pronto abandonaron el estudio de este campo para orientarse hacia la computación o la teorización matemática. Sin embargo, McCarthy se consagra como padre de la inteligencia artificial no solo por lograr abrir y convertirlo en un campo de investigación nuevo, sino por seguir aportando evidencias para su desarrollo durante medio siglo.

En los años siguientes, McCarthy se dedicó a sembrar por las mejores universidades laboratorios de inteligencia artificial, un trabajo del que todavía hoy recogemos frutos. Estaba contagiado de un optimismo inquebrantable: estaba convencido de que podía conseguir que las máquinas pensaran. “La velocidad y capacidad de memoria de los computadores actuales puede ser insuficiente para estimular muchas de las funciones más complejas del cerebro humano, pero el principal obstáculo no es la falta de capacidad de las máquinas, sino nuestra incapacidad de escribir programas que aprovechen por completo lo que tenemos”, llegó a enunciar en esos años.

Él mismo buscó la solución a su problema y creó Lisp, el segundo lenguaje de programación de alto nivel más antiguo que existe. El Lisp era uno de los lenguajes favoritos de los hackers originales, con el que intentaban hacer jugar al ajedrez a las primitivas máquinas de IBM de finales de los 50. Tal vez por eso dominar este lenguaje tiene tanta consideración en la jerarquía de los programadores. Este sistema fue necesario para el desarrollo de la otra gran contribución de McCarthy: la idea de tiempo compartido. En una época donde el ordenador personal parecía ciencia-ficción, John ideó la teoría de un súper ordenador central al que muchas personas pudieran conectarse a la vez. Fue uno de los pilares de la futura creación de Internet.

Suspenso en el test de Turing

Sin embargo, a pesar de sus esfuerzos, este sistema no le sirvió a McCarthy para conseguir su verdadero objetivo: que un ordenador pasara el test de Turing, según el cual un humano realiza preguntas a través de la pantalla de un ordenador, si no puede decidir si quien le está respondiendo es otro humano o una máquina, esta es definitivamente inteligente. Por ahora, ningún ordenador lo ha conseguido. “Él creía en que la inteligencia artificial consistía en crear una máquina que realmente pudiera replicar la inteligencia humana“, declaró la investigadora Daphne Koller, del laboratorio de Inteligencia Artificial de la Universidad de Stanford (California), donde McCarthy trabajó casi 40 años. Por eso, el investigador rechazó la mayor parte de las aplicaciones de inteligencia artificial desarrolladas en la actualidad, que están dirigidas, únicamente, a que las máquinas imiten comportamientos, pero no a que aprendan.

Casi al final de su etapa investigadora, en 1978, McCarthy tuvo que darse por vencido en su idea purista de inteligencia artificial: “Para crear una verdadera IA se necesitaría el trabajo de 1,7 Einsteins, 2 Maxwells, 5 Faradays y la financiación de 0,3 Proyectos Manhattan”, reconoció resignado.