Octubre de 1950. Alan Turing, el genio generacional que descifró el código Enigma y ayudó a terminar la Segunda Guerra Mundial, acaba de presentar un concepto novedoso.
Se llama "Test de Turing" y pretende responder a la pregunta fundamental: ¿Pueden pensar las máquinas?
El mundo se ríe. ¿Las máquinas piensan por sí mismas? No es posible.
Sin embargo, el Test de Turing pone en marcha décadas de investigación en el campo emergente de la Inteligencia Artificial (IA).
Se trata de una investigación llevada a cabo en algunos de los laboratorios más prestigiosos del mundo por algunas de las personas más inteligentes del mundo, que trabajan colectivamente para crear una nueva clase de ordenadores y máquinas que puedan, efectivamente, pensar por sí mismos.
Avancemos 70 años.
La IA está en todas partes.
Está en sus teléfonos. ¿Qué cree que impulsa a Siri? ¿Cómo reconoce un teléfono su cara?
Está en sus aplicaciones. ¿Cómo sabe Google Maps las direcciones y las rutas óptimas? ¿Cómo realiza cambios en tiempo real en función del tráfico? ¿Y cómo hace Spotify para crear listas de reproducción hiperpersonalizadas para usted o Netflix para recomendarle películas?
La IA está en sus ordenadores. ¿Cómo hace Google para sugerirle elementos de búsqueda personalizados? ¿Cómo utilizan los sitios web los chatbots que parecen humanos reales?
Resulta que el mundo no debió reírse en 1950.
El gran Alan Turing acabó creando una sólida base sobre la que se han acumulado siete décadas de investigación innovadora. En última instancia, el resultado ha sido que los ordenadores y las máquinas que piensan por sí mismos no sólo son una "cosa", sino que lo son todo hoy en día.
No se equivoquen. Esta "revolución de la IA", que lleva décadas gestándose, no ha hecho más que empezar.
Y es que la IA se basa principalmente en lo que los expertos del sector llaman modelos de "aprendizaje automático" (machine learning, ML) y "procesamiento del lenguaje natural" (NLP). Y estos modelos se nutren de datos.
Por lo tanto, cuantos más datos tengan, mejor serán los modelos y más capaz será la IA.
Cuando decimos "identidad", ¿en qué piensa?
Si es como nosotros, inmediatamente empieza a pensar en lo que le hace ser, bueno, usted: su altura, el color de sus ojos; qué trabajo tiene, qué coche conduce, qué programas le gusta ver.
En otras palabras, la cantidad de datos asociados a cada identidad individual es interminable y única.
Estos atributos hacen que los datos de identidad sean extremadamente valiosos.
Sin embargo, hasta hace poco, las empresas no tenían ni idea de cómo extraer valor de este sólido conjunto de datos. Todo esto está cambiando ahora.
Los avances en la inteligencia artificial y la tecnología de aprendizaje automático están permitiendo a las empresas convertir los datos de identidad en experiencias de usuario más personalizadas, seguras y optimizadas para sus clientes, empleados y socios.
El volumen y la granularidad de los datos se está disparando en estos momentos, sobre todo porque cada objeto del mundo se está convirtiendo en un dispositivo productor de datos.
Los teléfonos tontos se han convertido en teléfonos inteligentes y han empezado a producir una tonelada de datos sobre el uso del teléfono.
Los coches tontos se han convertido en coches inteligentes y han empezado a producir montones de datos sobre la conducción.
Y las aplicaciones tontas se han convertido en aplicaciones inteligentes y han empezado a producir montones de datos sobre las preferencias de los consumidores.
Los relojes tontos se han convertido en smartwatches y han empezado a producir montones de datos de fitness y actividad.
A medida que nos adentramos en el "mundo inteligente", en el que cada objeto es un dispositivo inteligente que produce datos, la cantidad de datos a los que tienen acceso los algoritmos de IA se ha disparado a la velocidad del rayo, haciéndolos más capaces que nunca.
¿Por qué, si no, la IA ha empezado a aparecer en todas partes en los últimos años? Porque el 90% de los datos del mundo se han generado sólo en los dos últimos años.
Más datos, mejores modelos de ML y NLP, una IA más inteligente.
Es así de sencillo.
¿Y sabe qué? El mundo no va a dar ningún paso atrás en cuanto a este giro "inteligente". No. Amamos demasiado a nuestros smartphones, coches inteligentes y relojes inteligentes.
En cambio, la sociedad va a acelerar esta transición. A nivel global, el mundo produce unos 2,5 exabytes de datos al día. Para 2025, se espera que esa cifra aumente a 463 exabytes.
Fuente: InvestorPlace
Volvamos a nuestro proceso.
Más datos, mejores modelos de ML y NLP, IA más inteligente.
Así, a medida que el volumen de datos producidos diariamente se dispara más de 185 veces en los próximos cinco años, los modelos de ML y NLP mejorarán 185 veces (más o menos), y las máquinas de IA serán 185 veces más inteligentes (más o menos).
La revolución de la IA no ha hecho más que empezar.
Como nos recuerdan nuestros amigos del campo del aprendizaje automático y la robótica, la mayoría de las cosas que hace un humano las podrá hacer una máquina mejor, más rápida y más barata, si no ahora, pronto.
Nos inclinamos a creerles, dados los avances que la IA ha realizado en los últimos años con la ayuda de los datos, y la cantidad exponencial de éstos que aún está por llegar en los próximos años.
Con el tiempo, e inevitablemente, el mundo estará dirigido por una IA hipereficiente e hiperinteligente.
No somos los únicos que piensan así. Gartner predice que el 69% del trabajo rutinario de oficina estará totalmente automatizado en 2024, mientras que el Foro Económico Mundial ha dicho que los robots se encargarán del 52% de las tareas laborales actuales en 2025.
La revolución de la IA está llegando, y va a ser la mayor revolución que haya visto en su vida.
Artículos relacionados:
La "digitalización de todo" es una oportunidad de inversión
Por qué las acciones cibernéticas son la "megatendencia de todas las megatendencias"
Considere este y otros artículos como marcos de aprendizaje y reflexión, no son recomendaciones de inversión. Si este artículo despierta su interés en el activo, el país, la compañía o el sector que hemos mencionado, debería ser el principio, no el final, de su análisis.
Lea los informes sectoriales, los informes anuales de las compañías, hable con la dirección, construya sus modelos, reafirme sus propias conclusiones, ponga a prueba nuestras suposiciones y forme las suyas propias.
Por favor, haga su propio análisis.
InvestorPlace es una de las mayores y más antiguas empresas independientes de análisis financiero de Estados Unidos. Creada hace más de 40 años por un visionario de los negocios llamado Tom Phillips, publica, bajo suscripción, análisis detallados y recomendaciones para inversores autónomos, asesores financieros y gestores de dinero.
Fuente / Autor: InvestorPlace / Luke Lango
Imagen: MS&E 238 Blog
Deja un comentario
Tu email no será publicado. Los campos requeridos están marcados con **