Esperamos que estos recursos puedan servir a los lectores de este blog a comprender y revisar distintas dimensiones de las tecnologías de la información y de la comunicación en el mundo empresarial.
La presidenta de Madrid, propone sin coste alguno, centralizar todo el trabajo en torno a la Inteligencia Artificial y ayudar a los inversores, medida que afecta a más de 40 empresas y entidades relacionadas con esta disciplina.
Se ha anunciado la creación de la Oficina Técnica de Impulso de la Inteligencia Artificial, consiguiendo unos servicios públicos más modernos, personalizados y eficientes, con estas medidas.
La sede de la agrupación será en la Universidad Carlos III de Madrid, en Leganés, formada por representantes de todas las consejerías y principales empresas del sector, donde se definirá la estrategia para implantarse en la región en un entorno de seguridad y privacidad de datos, potenciándose el valor de las inversiones que se acometan en sectores como industria, sanidad, educación o transportes.
El Gobierno autonómico ha destinado 200.000€ a esta agrupación, además el Gobierno esta trabajando en un Plan de Choque para cubrir más de 40.000 empleos en el ámbito tecnológico y que ya ha invertido 40 millones en programas de capacitación digital con el objetivo de potenciar el talento en todo el territorio.
La finalidad de esta tecnología es asistir a los astronautas en la obtención de imágenes de ultrasonido de sus órganos, con el fin de detectar mediante la Inteligencia Artificial cualquier patología que pueda estar presente en su organismo. Las condiciones extremas del espacio, como laingravidez y la exposición aradiación cósmica, pueden resultar perjudiciales para la salud humana. Es por eso que, el hospital La Paz de la comunidad de Madrid ha desempeñado un papel fundamental en el diseño del sistema de imágenes médicas que se utilizará en las futuras misiones espaciales europeas.
A pesar de que los astronautas son profesionales que generalmente presentan un buen estado de salud, el ambiente espacial representa una gran amenaza para el organismo humano. La ausencia de gravedad puede provocar una disminución en la masa ósea y muscular, así como una reducción en la función hepática y un aumento en la probabilidad de formación de cálculos renales y coágulos sanguíneos. También puede provocar problemas de visión como la hipermetropía. Además, la radiación cósmica puede tener efectos muy perjudiciales en el bazo, el sistema inmunológico y el corazón. En conclusión, aplicando el sistema de Inteligencia Artificial, el equipo médico podrá detectar los problemas de salud mencionados anteriormente en una fase temprana y proporcionar tratamiento para prevenir su progreso, todo esto a distancia desde la Tierra.
INTELIGENCIA ARTIFICIAL EN LA ADMINISTRACION PUBLICA
Qué es la inteligencia artificial o IA?
La AI puede verse como una oportunidad de mejora de la calidad del trabajo de las personas, un paso más dentro del camino de la transformación digital de las Administraciones Públicas.
Con la introducción dela inteligencia artificial en las Administraciones Públicas se pueden automatizar las tareas mecánicas que no requieren capacidades humanas y así, liberar al personal público para poder dedicarse a tareas de mejor calidad como por ejemplo la atención al ciudadano, que requiere un trato personal y empatía.
La Comisión Europea presentó a mediados de febrero de 2020 un documento con las ideas y medidas para una transformación digital para toda Europa.
La Comisión Europea se ha comprometido a facilitar el avance científico, preservar el liderazgo tecnológico de la UE y garantizar que las nuevas tecnologías estén al servicio de todos los europeos, de manera que mejoren sus vidas al mismo tiempo que respetan sus derechos.
Europa posee todo lo necesario para convertirse en un líder mundial en sistemas de inteligencia artificial (IA).
Actualmente existen muchas herramientas con inteligencia artificial que se han introducido ya en la Administración Pública para facilitar y mejorar los empleados públicos y de la ciudadanía:
Chatbots:los asistentes virtuales en las páginas web ayudan a dar respuesta a preguntas frecuentes.
Mejoras de usabilidad con inteligencia artificial: ejemplo eCityclic instaló novedades a nivel de inteligencia artificial en el portal web del Ayuntamiento de Mataró que permiten interpretar datos externos y obtener conocimiento sobre estos para después mejorar aspectos de navegación en la página web. En el caso del portal web del Ayuntamiento de Mataró, gracias a la IA, la web se adapta a las necesidades de cada usuario que interactúa con el Ayuntamiento.
Soluciones IoT: la inteligencia artificial unida al internet de las cosas o IoT se conoce como AIoT. Estas nuevas siglas hacen referencia a la conexión de cosas y máquinas para que sean lo suficientemente inteligentes como para operar por sí mismas, de manera ágil y espontánea, en sistemas complejos.
La Administración Pública tiene a su alcance un gran abanico de soluciones, herramientas y plataformas que pueden ayudar a la mejora de sus funciones con automatizaciones, como por ejemplo con nuestra plataforma de tramites, que permite que la ciudadanía realice trámites online a cualquier hora y desde cualquier lugar, generando el correspondiente registro (sin necesidad de que una persona deba ir poniendo el sello de registro en los documentos que se presenten, pues se realiza automáticamente).
El aprendizaje automático o aprendizaje automatizado o aprendizaje de máquinas
es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan.
De forma más concreta, se trata de crear programas capaces de
generalizar comportamientos a partir de una información suministrada en
forma de ejemplos.
Estos son alguno de los usos más comunes del machine learning e inteligencia artificial:
1. Seguridad de datos
El malware
es un problema creciente hoy en día. Pese a que casi a diario surgen
nuevos malware, suelen tener casi el mismo código que las versiones
anteriores. De esta manera, el machine learning puede predecir qué archivos son malware con gran precisión.
Es más, los algoritmos de machine learning pueden buscar patrones en
cómo se accede a los datos en la nube e informar de anomalías que
podrían predecir infracciones de seguridad.
2. Cuidado de la salud
En un estudio en el que se empleó el diagnóstico asistido por
computadora (CAD) para revisar las mamografías iniciales de mujeres que
desarrollaron cáncer de mama posteriormente, la computadora detectó el
52% de los cánceres hasta un año antes de que las mujeres fueran
diagnosticadas oficialmente. Esto demuestra que los algoritmos de machine learning pueden procesar más información y detectar más patrones que una mente humana. Además, el machine learning también se puede utilizar para advertir los factores de riesgo de enfermedad en poblaciones grandes.
3. Detención de fraudes
El machine learning es cada vez más eficaz detectando posibles casos de fraude en diferentes campos. PayPal ya utiliza el machine learning para combatir el blanqueo de dinero;
la compañía tiene herramientas que comparan millones de transacciones y
pueden distinguir con precisión entre transacciones legítimas y
fraudulentas, entre compradores y vendedores.
4. Coches inteligentes
Según un estudio de IBM, se espera que en 2025 ya podamos ver coches inteligentes en la carretera. En
este sentido, un coche inteligente no solo se integraría en el Internet
de las Cosas, sino que también aprendería sobre su propietario y su
entorno. Estos vehículos podrían ajustar la configuración interna
(temperatura, audio, posición del asiento, etc.) de forma automática en
función del conductor, informar e incluso solucionar problemas, y
conducir y ofrecer asesoramiento en tiempo real sobre el tráfico y las
condiciones de la carretera.
En este video aparecen 10 productos en los que se utiliza el machine learning.
El
propósito de mi blog no va a ser otro que intentar explicar que es cada
una de las cosas, y poner un ejemplo en el que se entienda bien la
diferencia entre ellas. Creo que es importante que sepamos bien como
actúa cada parte, sobretodo cuando en años venideros veremos como esta
terminología se usará continuamente para referirse a aspectos
tecnológicos relacionados con la Inteligencia Artificial.
Tal
y como he puesto en la infografía, se ven las tres partes diferenciadas
y están definidas sus acciones. Deep Learning es una rama del Machine
Learning, que a su vez está integrada dentro de la Inteligencia
Artificial.
Inteligencia Artificial
La inteligencia artificial es la que
simula los procesos de inteligencia humana pero por parte de las máquinas. Estos procesos incluyen el
aprendizaje como por ejemplo: la adquisición de información y reglas para el uso de la
información, el razonamiento, usando las reglas para llegar a
conclusiones aproximadas o definitivas y por último la autocorrección.
Ejemplo:Actualmente parte de las administraciones públicas, están apostando de cara al futuro por la implementación de la I.A. mediante: Chatbots conversacionales, Drones, Big Data o el Blockchain.
Machine Learning
En el machine learning hay que guiar a la máquina en
cada una de las fases del proceso para que aprenda, a través de la
práctica, a identificar lo que queremos de manera automática.
Ejemplo:el machine learning puede ayudar a detectar pacientes con tendencia al suicidio.
Tras realizar una sencilla entrevista oral a los pacientes, el
ordenador será capaz de analizar particularidades como la entonación o
la velocidad de respuesta para extraer resultados. El estudio concluyó
con un sorprendente 93 % de acierto.
Deep Learning
En el deep learning la máquina aprende por sí sola con
cada nuevo input de información que recibe. Si en alguna ocasión emplea
un dato equivocado, aprende del error y usa otro dato para aproximarse
al resultado correcto cada vez más rápido y de manera más fiable. Ese
fallo nunca más volverá a repetirse.
Ejemplo:Google también encuentra en el deep learnign otro de sus grandes desafíos esto no es otra cosa que
conseguir que las traducciones online se acerquen lo máximo a la
perfección. Y es que los servicios de traducción virtuales utilizan esta
forma de Inteligencia Artificial para, gracias a las correcciones de
determinadas traducciones, no volver a cometer esos errores (cometerá otros nuevos) y ofrecer a
los usuarios la mejor opción para sus consultas futuras.
Para reforzar lo escrito aquí, acompaño con el siguiente vídeo:
Todo comenzó en el año 1966 con el profesor
emérito Joseph Waizebaum de la universidad Massachusetts Institute of Technology (MIT)
cuando creo un programa llamado ELIZA simulando ser una psicóloga capaz de
mantener conversaciones con sus pacientes mediante la comprensión del lenguaje
natural hasta el punto de que estos creían estar hablando con un ser empático.
Esta conclusión llevó al profesor a ser uno de los primeros escépticos del Machine LearningyInteligencia artificial(AI)
Desde
1966 son muchos los avances que se han dado en la materia, la inteligencia
artificial actual es capaz de:
Machine Learning, también
conocido como aprendizaje automatizado, es una rama de la inteligencia
artificial cuyo objetivo es el desarrollo de sistemas que capaciten a un objeto
automatizado o a una máquina generar comportamientos mediante la información
obtenida o, en otras palabras, dar la habilidad del aprendizaje a las máquinas.
Este método funciona mediante
algoritmos que permiten a la máquina interpretar los datos obtenidos y cambiar
su comportamiento en base a los mismos. De esta forma, la máquina pasa a
funcionar de forma autónoma y deja de ser dependiente de la interferencia
humana para aprender y desarrollarse.
¿Para
qué sirve?
Mediante el Machine Learning
un objeto automatizado puede desarrollar tareas que exijan el método de
"ensayo y error", permitiendo a la máquina iniciar un proceso de
forma errónea y, mediante el análisis de los datos obtenidos a tiempo real
lograr culminar el proceso de forma óptima.
Gracias a ello, científicos o
desarrolladores en general pueden generar procesos que hasta ahora no eran
posibles debido a la falta de conocimiento de los mismos.
Riesgos
derivados:
El Machine Learning, al tratar
de dar la habilidad el aprendizaje a las máquinas da también a las mismas la
habilidad de cometer errores, por lo que es posible que un objeto automatizado
con Machine Learning cometa errores y de falsos positivos en su proceso de
aprendizaje debido a una interpretación errónea de los datos obtenidos o la
realización equivocada de los algoritmos.
Campos
de aplicación:
Sector industrial:
Mediante el Machine Learning,
los procesos industriales obtienen la capacidad de librarse de la rigidez que
ha caracterizado a las máquinas del sector. Esto es debido a que, gracias a la
mezcla del aprendizaje de las máquinas con la visión artificial que permite a
las mismas obtener información visual a tiempo real, los operarios pueden
trabajas en sintonía con las máquinas ya que estas son capaces de reaccionar
inmediatamente a los movimientos del trabajador.
Sector medicinal:
Las máquinas que asisten al
doctor encargado de realizar una operación pueden sugerir y ayudar al mismo en
la realización de los movimientos más delicados gracias a los algoritmos que le
han permitido detectar los movimientos más adecuados para cada situación.
Sector informático:
La minería de datos y el Big
Data se verán ampliamente beneficiados gracias que las máquinas serán capaces
de saber dirigir los procesos necesarios adecuadamente.
Además de ello, mediante el
Machine Learning será posible mejoras notablemente la seguridad de los usuarios
al navegar en la red y la protección de sus datos, lo cual es de fundamental necesidad
ya que la seguridad en la red es uno de los mayores desafíos del tiempo
moderno.
Sector de la robótica:
El desarrollo de los robots
obtiene la capacidad de desarrollar máquinas que se adaptan al entorno y
aprenden a tiempo real, facilitando en gran medida la construcción de robots
con inteligencia artificial que adquieran inteligencia con el paso del tiempo.
El Machine Learning es un paso fundamental para la evolución del sector, ya que
la inteligencia artificial es el factor determinante que permite a un robot
tener la capacidad de desarrollar pautas de actuación humanas y evolucionar
para equipararse con los seres a quienes intenta emular, los seres
humanos.
Conclusiones:
El método del
Machine Learning ofrece una amplia variedad de oportunidades y beneficios a
muchos sectores, lo que deja entrever la importancia que tiene y lo fundamental
que es la mejora y desarrollo del mismo.
A pesar de que
se trate de algo que todavía hoy en día no sido perfeccionado, su evolución
favorable y su aplicación en sectores fundamentales en los que ya hoy en día se
está notando en gran medida su impacto muestra el gran potencial que posee.
Machine Learning es una disciplina científica del ámbito de
la Inteligencia Artificial que crea sistemas que aprenden automáticamente.
Aprender en este contexto quiere decir identificarpatrones complejos en
millones de datos. La máquina que realmente aprende es un algoritmo que revisa
los datos y es capaz de predecir comportamientos futuros. Automáticamente,
también en este contexto, implica que estos sistemas se mejoran de forma
autónoma con el tiempo, sin intervención humana.
¿Cuáles son los riesgos que suponen la implantación del Machine Learning?
Incluso los mejores modelos de Machine Learning pueden tener riesgos, siendo uno de ellos la obtención de falsos positivos en los resultados que haya analizado el dispositivo/máquina por sus algoritmos, y otro riesgo sería la facilidad de intervención de los hackers en estas máquinas. Una de las formas más efectivas para combatir contra estos riesgos es una implantación de políticas de seguridad más efectivas.
¿Qué se puede obtener con el Machine Learning?
Con el Machine Learning es posible optimizar la operación en
tiempo real, contar con predicciones, personalizar los productos y servicios,
estimar la demanda futura, conocer las tendencias, detectar anomalías, realizar
mantenimientos preventivos, procesar datos no estructurados, hacer predicciones
de diferentes tipos, prevenir fraudes y en general, hacer más eficiente la
operación de una empresa.
Sectores en los que se usa el Machine Learning
Los sectores más importantes en los que sería una buena opción implementar el Machine Learning son los de transporte, minoristas, hospitales, el sector financiero, el legal...
Mediante este enlace podréis encontrar un vídeo explicativo en inglés muy interesante sobre el Machine Learning.
