0,00 MXN

No hay productos en el carrito.

English English Español Español
0,00 MXN

No hay productos en el carrito.

Inteligencia Artificial: México en busca de Ultron

El Go es un antiguo juego chino muy sencillo. Colocas una pieza de un color sobre un tablero con líneas cruzadas e intentas rodear las piezas que tu contrario dispone con la consigna de acaparar el tablero. Sin embargo, en su sencillez esconde su complejidad. Pericia e intuición se confabulan con destrezas matemáticas. Por eso vencer a un jugador profesional de Go era uno de los mayores retos de la Inteligencia Artificial (IA).

Ganarle a un jugador profesional de Go era un reto de la Inteligencia Artificial.
Ganarle a un jugador profesional de Go era un reto de la Inteligencia Artificial.

La computadora Google DeepMind, entrenada con algoritmos que utilizan machine learning, logró vencer por primera vez a un jugador profesional de Go con una enorme ventaja: 5-0. Ahora busca batir al mejor de los humanos dentro de esta disciplina. Los aficionados a los pronósticos no esperaban ver esta hazaña hasta dentro de 20 años.
Logros como éste suceden en una primavera para la inteligencia artificial. Venture Scanner –plataforma de vinculación entre creadores e inversionistas del sector tecnológico– identifica a 897 startups dedicadas a su aplicación comercial en el mundo. La mayoría aborda problemas relacionados con business intelligence, finanzas y seguridad. Nathan Beinach, columnista en TechCrunch, calcula la inversión global, para finales de 2015, en US$55,000 millones, basado en datos ofrecidos por la National Venture Capital Association. Esta cifra representaría el 5% del venture capital en todo el mundo.
La situación era distinta en la década de 1970, cuando el reporte Artificial Intelligence: A General Survey, realizado por James Lighthill, se llevó a la Perséfone de la inversión tanto en Reino Unido como en Estados Unidos. Entre 1974-1980, la Defense Department Advanced Research Projects Agency (DARPA), el mayor subsidiario en el área, dejó de otorgar dinero a la investigación al decepcionarse por los resultados. Aunque el público en las salas de cine se emocionaba con la primera parte de Star Wars, para los inversores todo era ficción, no ciencia.
El éxito de los sistemas expertos (máquinas capaces de inferir resultados con una base de conocimiento) regresó la inversión. México fue pionero en su aplicación. El doctor Jesús Figueroa Nazuno, perteneciente al Centro de Investigación en Computación del Instituto Politécnico Nacional, cuenta: “cuando estudié en Edimburgo (uno de los centros más importantes de investigación en IA) me preguntaron qué hacíamos en México sobre inteligencia artificial. Les conté del doctor José Negrete, quien desarrolló sistemas expertos para el diagnóstico médico”. En Edimburgo se quedaron muy sorprendidos. Y con motivos. El doctor José Negrete y el doctor Ramón Boom, desde 1978 preconizaron el uso de computadoras en el sector salud, dos años antes de volverse populares en distintas industrias.
Los sistemas expertos fueron calificados como “los primeros productos realmente comerciales tras 25 años de investigación en inteligencia artificial”, en la opinión de un estudio realizado por la Office of Technology Assessment de Estados Unidos (1985). Su éxito trajo un boom en la inversión por sus aplicaciones, así como una explosión de startups enfocadas a desarrollarlos, como Gensym Corporation, destacada en el reporte Funding a revolution (1999), realizado por el National Reasearch Council.
Mas el invierno volvió. La aparición de las computadoras personales dejó al alcance del público en general ordenadores más poderosos a menor costo y el desarrollo en computación se volcó ahí. La promesa de primero extender la tecnología a todos los hogares y sectores productivos, orilló a los inversionistas a darle la espalda a esta tecnología y la inversión volvió a caer entre 1987-1990.
Desde entonces, las máquinas inteligentes (y sus desarrolladores), han luchado por ganarse el respeto del público. En 1997, el equipo de IBM venció con Deep Blue al campeón de ajedrez Gary Kasparov sobre el tablero. Ahora Magnus Carlsen, el actual campeón, entrena con computadoras que él no puede vencer. Las máquinas comenzaron a detectar nuestras sonrisas, luego nuestros rostros, luego nuestra voz y hoy en día ya hay algoritmos para detectar nuestros sentimientos.
Los números y los resultados están otra vez del lado de las máquinas autónomas. Con servidores capaces de almacenar más información y procesarla en menos tiempo, compañías como Google y Facebook han hecho renacer las expectativas en la IA.
Quizás aún no estás listos para establecer relaciones afectivas con tu máquina, pero definitivamente querrás empezar a establecer una relación de negocio.
México ha desarrollado investigación en inteligencia artificial desde hace ya muchos años, e investigadores como el doctor Jesús Figueroa la han vivido casi desde el inicio. Sin embargo, los centros de investigación y las empresas han permanecido desvinculados. ¿Cuál es su situación actual y cuáles sus alcances? Y, en el caso del territorio azteca, ¿cómo se monetiza?

Las áreas de la IA en desarrollo

La inteligencia artificial es un campo multidisciplinario que tradicionalmente se ha dividido en dos grandes ramas: la inteligencia artificial “dura”, que intenta reproducir cerebros humanos con circuitos, y la inteligencia artificial “suave” o “estrecha”, que se limita a hacer bien algunas actividades donde los humanos solían ser los mejores.
El Wall Street Journal destaca que la inteligencia artificial suave se encuentra hoy en día en todos lados. Irving Wladawsky-Berger nota que “el término se utiliza de maneras tan variadas que es como decir que las computadoras están en todos lados”.
La cámara que reconoce rostros, el filtro anti-spam, el motor de búsqueda de Google y la publicidad dirigida a tu persona son algunos ejemplos de IA suave puesta en práctica. Esta rama busca reproducir distintas habilidades intelectuales: reconocimiento de patrones, aprendizaje, deducciones, etcétera. Y cada vez lo hace mejor que los humanos.
La expansión en las aplicaciones de la inteligencia artificial espanta a quienes lo ven como una amenaza global. El economista Jeremy Rifkin preveía desde 1995 la desaparición de los trabajos, mientras que científicos y emprendedores como Stephen Hawking o Elon Musk ven una amenaza a la especie, limitada en sus capacidades biológicas.
Sin embargo, otros emprendedores no temen el despertar de Skynet y ven a la IA como una oportunidad para iniciar una startup en un campo en expansión, cuya totalidad de aplicaciones aún no se ha alcanzado. No la consideran un peligro para los trabajos, sino que ahorra tiempo y dinero que se puede utilizar para centrarse en el cliente.

Startups de IA en México

El creciente interés por la inteligencia artificial está relacionado con las soluciones que ofrece a las empresas en diversas áreas, desde la atención del cliente hasta el manejo de los recursos humanos. Aun sin la misma infraestructura que las grandes corporaciones tecnológicas, en México las empresas no se achican.
En el país también se busca innovar en inteligencia artificial. Blue Messaging, compañía que ayuda a conectar a las empresas con sus clientes mediante un smart chat, destina 25% de su presupuesto a la investigación. Kokorio, una startup que busca ofrecer una propuesta de valor para los recursos humanos con IA, se suma a esta tendencia.

Una máquina para un contacto más humano

Blue Messaging pone en contacto a empresas con sus clientes, intermedia su comunicación y automatiza en lo posible sus procesos. Para lograrlo de manera efectiva, desarrollaron una plataforma con inteligencia artificial. Esta startup dirigida por Juan Vera y Andrés Rodríguez tiene una orientación B2B y las empresas que adoptan su tecnología logran reducir costos en un porcentaje superior al 50%, al automatizar de manera efectiva la comunicación con sus clientes.
“Lo más importante es que se trata de un modelo escalable”, destaca Juan Vera. “Con nuestra tecnología, cualquier empresa puede aumentar su alcance de 1,000 a 1 millón de clientes en un mes”. Su tecnología utiliza modelos estadísticos enfocados al análisis de lenguaje natural. El software que utilizan es de su propiedad y desarrollado con sus propios recursos.
La automatización en la plataforma también les ha permitido obtener no sólo una plataforma escalable, sino también un modelo escalable de negocios. “Somos un caso raro en el área. La compañía es rentable sin un inversionista atrás; aunque sí hemos tenido algunos apoyos gubernamentales (del Conacyt)”, cuenta Vera.

Blue Messaging reduce costos a sus clientes con código propietario.
Blue Messaging reduce costos a sus clientes con código propietario.

Juan opina que pronto necesitarán el apoyo de algún inversionista estratégico para comenzar una expansión más rápida. Su servicio tiene buena perspectiva a futuro. La gente actualmente prefiere la comunicación por chat, que tiene la ventaja de ser asincrónica. Es decir, el cliente puede decidir cuándo realizar la interacción. Una comunicación mucho menos invasiva que agentes de telemarketing hablando siempre a las peores horas. Los costos y la velocidad de implementación de sus servicios van descendiendo y Juan espera expandirse cada vez más a empresas medianas y pequeñas.
Entre sus principales clientes se encuentran Cinemex, Banorte, Infonavit y Kubo.financiero. Se han especializado en servicios financieros (mediante su plataforma es posible aumentar líneas de crédito o vender un servicio), pero no se consideran una empresa fintech, pues su core business palpita al ritmo de la optimización de IA.

Su plataforma es un SaaS. Se maneja en una nube y se adapta a los clientes, quienes lo pueden personalizar. Esto ha permitido reducir los tiempos de implementación. “Antes nos tardábamos meses para hacer funcionar la plataforma según las necesidades del cliente. Ahora es cuestión de unas semanas”, narra el emprendedor.

Las máquinas te entienden mejor

Kokorio, empresa que dirige Ives Laurent, está desarrollando un prototipo de inteligencia artificial que dará soluciones de recursos humanos. El objetivo de Kokorio es que cada persona encuentre el trabajo que más empate con su perfil y personalidad.
“Los recursos humanos es un área donde la tecnología ha innovado poco”, opina Ives Laurent. Kokorio busca cambiar la herramienta de los exámenes psicométricos en recursos humanos para hacer un análisis de la personalidad mediante las redes sociales del usuario.

Kokorio se encuentra en desarrollo y aún requiere recopilar datos para tener un prototipo de su producto. Porque precisamente datos es el alimento de la inteligencia artificial. Empresas con grandes servidores y gran cantidad de usuarios como Google y Facebook tienen esa ventaja competitiva. Las pequeñas startups deben buscar sus propios caminos y sólo con innovación pueden pretender destacar.
En recursos humanos encontramos más propuestas de innovación con inteligencia artificial a nivel mundial.  Los investigadores Pooja Tripathi, Jayanthi Ranjan y Tarun Pandeya publicaron en 2012 en el International Journal of Computer Applications un estudio experimental con sistemas expertos para mejorar la administración de los recursos humanos.
Empresas como Kanjoya tienen servicios no sólo para la experiencia de los clientes, sino también para mejorar la experiencia en el espacio laboral con su programa Perception, que realiza un análisis de sentimientos con preguntas abiertas. Estas empresas están orientadas a un B2B y ofrecen una herramienta para los departamentos de recursos humanos, que podrán conocer las molestias dentro del espacio laboral sin tener que revisar manualmente la opinión de cada empleado.

Talento top en México

México ofrece ventajas para iniciar una compañía de IA. Para Blue Messaging, la principal ha sido el recurso humano. “Iniciamos la compañía aquí por casualidad”, dice Andrés Rodríguez, CTO de Blue Messaging. “Pero la hemos mantenido porque en México hay un talento excepcional”.

Blue Messaging contrata talento mexicano.
Blue Messaging contrata talento mexicano.

Un relato similar cuenta el doctor Jesús Figueroa Nazuno, sobre unos ex alumnos suyos. “American Express los había contratado para analizar sus transacciones. Yo le pregunté al emisario de la compañía, ‘¿por qué en México?’. Me respondió: ‘muy sencillo. Aquí es más barato, y lo hacemos mejor'”.
Este relato se ve confirmado con un estudio de Booz & Co., donde muestran que compañías de Estados Unidos se mueven a México por los costos de operación más bajos. Servicios financieros, producción y comercio son las principales tareas.
Salvador Godoy prevee que el interés de los estudiantes en IA irá creciendo en los próximos años, tendencia palpable en las actuales ofertas educativas. Además del laboratorio de Inteligencia Artificial del IPN, en nuestro país diversos centros educativos, como el ITAM, la Universidad Veracruzana o la UAM tienen investigadores y programas para desarrollarse en el área. La Universidad Panamericana inclusive cuenta con una ingeniería en inteligencia artificial.
México egresa más ingenieros que muchos países desarrollados como Alemania o Estados Unidos, lo que permite a las empresas enfocadas en el desarrollo de soluciones tecnológicas contar con un talento top y retenerlo, un problema difícil para las empresas de Silicon Valley, donde grandes empresas y startups en vías de tornarse unicornios se pelean por los mejores.
Andrés Rodríguez, CTO de Blue Messaging, destaca que ellos buscan sobre todo personas inteligentes “no necesariamente con conocimientos de inteligencia artificial, pero sí de estadística y programación”.

Empresarios en México deben acercarse a los centros de investigación

En Blue Messaging se acercan a investigadores tanto nacionales como extranjeros para continuar innovando en los servicios que ofrecen a sus clientes, muchos de ellos importantes compañías como Cinemex y Banorte.
Sin embargo, en México los investigadores en inteligencia artificial pueden ofrecer aún más soluciones para diversos sectores. El doctor Salvador Godoy menciona al respecto: “tenemos muchas soluciones que ofrecer, pero no tenemos los problemas. Necesitamos que haya un mayor acercamiento entre las universidades y las empresas en México para colaborar juntos”.

centro de investigacion en computacion ipn
El C.I.C. en el Instituto Politécnico Nacional es uno de tantos centros de investigación donde se desarrolla inteligencia artificial.

Y en efecto, es un problema que viene de ambos lados. Pocas empresas se acercan a las universidades para mejorar sus operaciones, pero los académicos tampoco logran entender los problemas de los empresarios.
El doctor Figueroa Nazuno pone el ejemplo de un empresario tomatero mexicano que necesitaba, mediante análisis de imagen, identificar automáticamente cuándo un tomate estaba listo para empacarse. Aunque se acercó a diversos centros de investigación nacionales, fue en Austin, Texas donde lo escucharon y le diseñaron una solución.
“Entre los documentos que le dieron, reconocí una tesis que yo dirigí sobre reconocimientos de patrones en Manzanas para saber cuándo estaban maduras”, comenta el doctor Figueroa Nazuno. “Era casi el mismo problema. Es decir, en México sí había quien pudiera resolverlo, pero nadie quiso ver una oportunidad en ello”.

Las bases para la IA

La inteligencia artificial es un campo multidisciplinario donde se discuten desde temas epistemológicos, hasta neurociencias. “Antes se decía que la inteligencia artificial era un área de estudio dentro de la computación. Ahora se comienza a ver a la computación como un área dentro de la inteligencia artificial”, comenta el doctor Godoy.
En la actualidad los acercamientos más exitosos de la inteligencia artificial conjuntan dos elementos: el manejo de big data analizado con algoritmos de machine learning.

Big data en los negocios

La máquina CE, modelo NR-1 utiliza la información extraída de los periódicos para dar consejos financieros. Su usuario dice cuánto quiere invertir y la máquina le dice qué debe hacer para obtener el máximo beneficio de su inversión.
Esto es un cuento de ciencia ficción, escrito por Anatoly Dneprov  en 1959 en plena guerra fría, que se ha hecho realidad después de un poco más de 50 años. La inteligencia artificial ya tiene la capacidad de analizar grandes cantidades de información y encontrar correlaciones que difícilmente se hubieran descubierto sin su ayuda, características de gran valor para las empresas. El doctor Figueroa Nazuno nos cuenta un caso famoso: cervezas y pañales.

Cervezas y pañales, descubrimiento de business intelligence.
Una correlación difícil de intuir.

Con los datos de los tickets de compra, una compañía encontró una correlación en las ventas muy curiosa: quienes se llevaban pañales el viernes en la noche, compraban también cervezas. Esta información funcionó para reordenar los anaqueles. Para quienes quieren soluciones prácticas, la respuesta es obvia: ponerlos juntos. Pero para quien quiere vender, lo obvio es ponerlos en un extremo para que el consumidor recorra la tienda y se vea tentado en llevarse más productos.
En el reporte Big Data: Artificial Intelligence (2013), realizado por el Business Innovation Observatory de la Comisión Europea, se estimaba un mercado con valor €27,000 millones para finales del año pasado. Las empresas encuentran útiles este tipo de servicios, pues les permite reducir el tamaño de sus departamentos. Para el reporte, big data incluye empresas de infraestructura (31%), soluciones en software (25%) y servicios profesionales (44%). En Europa, la mayoría de quienes comienzan estas compañías son graduados en matemáticas o computación.
Círculo de big data dividida por servicio.
Big data en números.

El reporte de la Comisión Europea también destaca los beneficios que obtienen las empresas: anticiparse y facilitar decisiones con predicciones a largo plazo, incrementar ingresos con los datos obtenidos para dirigir mejor a los clientes en tiendas en línea, reducir costos eliminando la necesidad de departamentos, mayor satisfacción al cliente, al poder ofrecerle respuestas más rápidas e incrementar la productividad al tomar mejores decisiones en menos tiempo.
Smart Data Intelligence ofrece información a empresas y gobiernos para tomar mejores decisiones.
Smart Data Intelligence ofrece información a empresas y gobiernos para tomar mejores decisiones.

En México ya hay compañías que han visto el potencial a futuro de los servicios con análisis de big data. Smart Data Intelligence es una startup mexicana enfocada tanto a B2B para business intelligence, como a B2G para ayudar en la toma de decisiones de gobierno.
Aunque no está enfocada a big data, Blue Messaging la genera para sus clientes quienes obtienen todos sus beneficios. Estos son capaces de atender a un mayor público, incluso en temporadas altas, sin tener que aumentar personal para la atención del cliente. Las conversaciones de los clientes crecen la base de datos y las empresas pueden ofrecer mejores soluciones.

Machine learning

Una computadora programada para poseer un aprendizaje automatizado o machine learning, puede discernir y almacenar información que le será útil en una situación similar. “Identificar la información útil es la actividad crítica en ese proceso”, destaca el doctor Godoy.
Google DeepMind cada vez se vuelve un mejor jugador de Go. ¿Cómo logra esto? Se programó para poseer un aprendizaje automatizado.

Caricatura de XKCD. ¿Qué tan bueno somos enseñando?
Las máquinas cada vez son mejores aprendiendo. Parece ser que los humanos son buenos enseñando.

La ciencia ficción ha jugado bastante con esta rama de la inteligencia artificial. En Matrix, las máquinas se vuelven más difíciles de destruir con la experiencia adquirida. En Eva, cada robot desarrolla una personalidad única con los estímulos externos recibidos.
La realidad está cerca de superar a la imaginación. Con aprendizaje automático, en 1997 una computadora logró establecer una regla para identificar metástasis en tumores cancerígenos, según el reporte Machine Learning and Inference Laboratory. Con más datos a su alcance, Google y Facebook aprovechan la gran cantidad de información que reciben a diario y dedican cada vez más recursos a su investigación. Con machine learning las computadoras pueden analizar una gran cantidad de datos y mejorar en las tareas que se les asigne con esa información.

El machine learning se ha vuelto uno de los subcampos más populares en los últimos años. ¿Por qué? “Puesto de manera simple, el aprendizaje automatizado es la rama de la inteligencia artificial que realmente funciona”, opina Anthony Wing Kosner para Forbes.
Además de su jugador de Go, Google ha aplicado machine learning para mejorar la conducción automática de sus carros, obtener mejores traducciones y ofrecer búsquedas optimizadas a cada usuario.
Con machine learning, una máquina puede adivinar en qué personaje estás pensando.
Juego akinator usando aprendizaje automatizado o machine learning.
Akinator adivina con una serie de preguntas en qué estás pensando.

Combinado con big data, el aprendizaje automatizado alcanza su mayor potencial. Para una empresa, integrar estos elementos con la información que genera a diario le permite encontrar soluciones diseñadas para sus propias características y observar correlaciones antes poco obvias.

Tecnologías por desarrollar

Tanto Salvador Godoy como Jesús Figueroa concuerdan en que el procesamiento de lenguaje natural es una de las ramas que más falta por desarrollar dentro de la inteligencia artificial.
“El ratón y el teclado son dispositivos muy anticuados para la interacción con una computadora”, dice el doctor Godoy, quien considera que “desarrollar máquinas que puedas darles órdenes con comandos de voz permitirá que más personas adopten las nuevas tecnologías sin fricción”.
Tener verdaderos asistentes personales  a quienes puedas hablarle es parte de los grandes retos de la disciplina.
La Web semántica es otro reto para la IA, comenta Salvador Godoy. Y ésta interesa demasiado al ecommerce. Con esta tecnología, alguien podría hacer preguntas como “¿qué buen vino puedo servir para una cena con mi jefe que se adapte a mi presupuesto?” En el escenario ideal, el motor de búsqueda utilizaría información personal (como nuestro salario) para presentar la respuesta más acertada a esta pregunta, según las características de la persona.

Ejemplo web no semantica.
Ante una pregunta muy abierta y específiha, los buscadores aún no pueden ofrecer la mejor respuesta.

La Web semántica requiere de un ordenamiento que pueda ser entendido por las maquinas, además de un nivel de comprensión de parte de ellas para ofrecer los mejores resultados.
Una Web semántica se volvería un reto para los analistas de SEO, pero también ofrecería resultados más relevantes a los usuarios. Mediante procesamiento del lenguaje natural, las máquinas se comunicarán entre sí, pero ¿están preparados para la Web 3.0?
Queda claro que la inteligencia artificial está renovando la forma en que las empresas llevan a cabo sus operaciones y que México tiene el capital humano para lograrlo. Pero, ¿querrá aprovecharlo? ¿Podrán las empresas ver su potencial a tiempo? ¿O podrán los ingenieros en el área volverse exitosos empresarios?

Comentarios

Artículos relacionados

3,179FansLike
90FollowersFollow
223FollowersFollow

Últimos artículos