pwc-mx-blog

10 tendencias de Inteligencia Artificial para 2018 (2a Parte)

Compartir:

En nuestro post previo escribimos sobre las cinco de las tendencias de inteligencia artificial que están cambiando la forma de hacer negocios.

En esta ocasión hablaremos de otros cinco avances tecnológicos que tendrán un gran impacto el próximo año.

6.- Programación probabilística: idiomas para facilitar el desarrollo del modelo

Es un lenguaje de programación de alto nivel que permite a un desarrollador diseñar modelos de probabilidad y luego “resolver” automáticamente estos modelos. Estos lenguajes hacen posible la reutilización de bibliotecas de modelos, soporte de modelos interactivos y verificación formal, y proporcionan la capa de abstracción necesaria para fomentar la inferencia genérica y eficiente en clases de modelos universales.

Este tipo de lenguajes tienen la capacidad de acomodar la información incierta e incompleta que es muy común en el dominio comercial.

7.- Modelos híbridos de aprendizaje: combinando enfoques a la incertidumbre del modelo

Los modelos híbridos de aprendizaje combinan los dos enfoques bayesianos (un tipo de inferencia estadística en la que las evidencias u observaciones se emplean para inferir la posibilidad de que una hipótesis sea cierta) y probabilísticos para aprovechar las fortalezas de cada uno.

Estos modelos híbridos de aprendizaje permiten expandir la variedad de problemas comerciales para incluir el aprendizaje profundo con incertidumbre, lo cual puede ayudar a lograr un mejor rendimiento y una mayor capacidad de explicación de los modelos, lo que a su vez podría alentar una adopción más generalizada.

8.- Aprendizaje automatizado a máquina (AutoML): creación de modelos sin programación

Desarrollar modelos de aprendizaje automático requiere un flujo de trabajo lento y dirigido por expertos, que incluye la preparación de datos, la selección de características, la selección de modelos o técnicas, la capacitación y el ajuste. El AutoML tiene como objetivo automatizar este flujo de trabajo utilizando diversas técnicas estadísticas y de aprendizaje profundo.

El AutomML es importante porque democratiza las herramientas de inteligencia artificial al permitir a los usuarios empresariales desarrollar modelos de aprendizaje automático sin un profundo conocimiento de programación. También acelerará el tiempo que se tardan los científicos de datos en crear modelos.

9.- Gemelo digital: réplicas virtuales más allá de las aplicaciones industriales

Un gemelo digital es un modelo virtual utilizado para facilitar el análisis detallado y la supervisión de sistemas físicos o psicológicos. Hasta ahora se ha utilizado para analizar y controlar cosas como las granjas de molinos de viento o los sistemas industriales. Ahora se están aplicando a procesos y objetos no físicos, incluyendo la predicción del cliente comportamiento.

Los gemelos digitales pueden ayudar a impulsar el desarrollo y la adopción más amplia de internet de las cosas (IoT), proporcionando una forma de diagnosticar y mantener de manera predictiva los sistemas de IoT.

10.- IA explicable: entender la caja negra

Los programas de IA explicable Explicable tienen como objetivo crear un conjunto de técnicas de aprendizaje automático que produzcan modelos más explicables, manteniendo un alto nivel de rendimiento de aprendizaje y permita que los usuarios humanos entiendan, confíen apropiadamente y administren de manera efectiva la generación emergente de socios artificialmente inteligentes.

Que la inteligencia artificial que sea entendible, comprobable y transparente será fundamental para establecer la confianza en la tecnología y fomentará una adopción más amplia de las técnicas de aprendizaje automático.

Agregar un comentario: