Éste es el año para que la Inteligencia Artificial demuestre que puede estar a la altura de las expectativas

Por Richard Waters

La inteligencia artificial (IA) fue el tema de moda de la industria de la tecnología en 2016. Este año la IA comenzará a demostrar si puede estar a la altura de las expectativas. Hasta ahora, el potencial para entrenar las computadoras para que identifiquen patrones mediante el uso de grandes cuerpos de datos ha sido restringido a servicios como Google Photos, que puede reconocer caras, y Alexa de Amazon, un asistente digital que responde a comandos de voz. Pero las plataformas necesarias para hacer estos algoritmos más ampliamente disponibles para otras compañías han estado tomando forma en los últimos meses, convirtiéndolos en los ingredientes para los servicios digitales de todo tipo.

Parte de este esfuerzo ha implicado el convertir algoritmos inteligentes desarrollados para fines internos en servicios que otras compañías puedan aprovechar a través de las API — software que les permite a las personas utilizar y desarrollar herramientas automatizadas a través de Internet — incluyendo la comprensión del lenguaje natural, la traducción de texto a lenguaje, la traducción de idioma extranjero, y el reconocimiento de imágenes y video.

Cuando en diciembre Amazon Web Services (AWS) dio a conocer una serie de servicios de IA bajo demanda como éste para compañías, culminó un año de maniobras similares por parte de otras grandes compañías tecnológicas. Google se había propuesto desde principios de 2016 hacer de la IA una característica distintiva de su tardío intento de ponerse al día con AWS en la computación en la nube.

Por ejemplo, Google ha dicho que, mediante la tecnología de visión artificial desarrollada para sus propios servicios, las compañías en sectores que van desde la agricultura hasta la fabricación podrían automatizar la inspección y el análisis de instalaciones sin utilizar seres humanos.

Microsoft puso la IA en el centro de su oferta de servicios de computación en la nube en 2016. A pesar de los grandes volúmenes de datos necesarios para entrenar los modelos de computadora y una escasez de ingenieros de aprendizaje profundo, esto va más allá del ámbito de las grandes compañías tecnológicas. Empresas «startup» incluyendo a Clarifai y Sentient Technologies han construido modelos de visión artificial con aplicaciones potencialmente grandes y tienen la esperanza de poder competir con los mayores proveedores.

Abby Larson y su esposo Tait, quienes con una plantilla de 25 empleados administran un blog de bodas llamado StyleMePretty que vincula a los usuarios con proveedores seleccionados, son casos típicos de empresarios atraídos por el potencial de tales servicios.

Su compañía revisa alrededor de 12,000 fotos de bodas a la semana, dice Larson, y las clasifica para su uso en el sitio. Aprovechar la red neuronal de Clarifai hace posible automatizar estas tareas mediante el etiquetado de fotografías por computadora según la temporada, si hay flores presentes, o si aparecen zapatos en ellas. La tecnología no es lo suficientemente eficiente como para identificar vestidos individuales, pero a un costo de alrededor de US$500 al mes es una forma barata de manejar volúmenes mucho mayores de contenido.

«Un ser humano es más eficiente, especialmente en nuestro dominio, pero va a ser más caro», dice. «Esto nos permite ampliarnos».

Estos tipos de servicios cobran dependiendo de cuán a menudo se realizan llamadas a la API. Aunque las listas de precios no son transparentes, los líderes en el sector dicen que los costos están bajando: Google, por ejemplo, dijo el año pasado que reduciría los precios de su servicio de reconocimiento de imágenes para sus mayores usuarios en un 80 por ciento.

Una cuestión es si las compañías tienen los conjuntos de datos adecuados para extraer la información necesaria. Casi el único factor limitante, dice Al Hilwa, analista de IDC, consultoría de estudios de mercado, será la imaginación de los clientes: ¿pueden idear usos productivos para los datos recopilados para otros fines una vez que los hayan sometido a nuevos tipos de análisis?

Las grandes compañías de computación en la nube también han lanzado herramientas para que los desarrolladores entrenen los algoritmos utilizando sus propios datos. Estos servicios de «aprendizaje automático en la nube» prometen convertir el aprendizaje automático en una tecnología de uso general con una amplia aplicación.

Aquí será donde los clientes podrán ver las principales ventajas de los nuevos avances en la IA, dice Hilwa. Pero aprender a entrenar y validar los algoritmos llevará tiempo. Y añade que una carencia de habilidades entre los científicos de datos podría frenar el progreso.

Una de las mayores promesas de la oleada de IA ha sido el advenimiento de la informática conversacional, la posibilidad de utilizar el lenguaje para controlar e interactuar con las computadoras. Los bots conversacionales, servicios de mensajería automatizados basados en texto diseñados para responder a las consultas humanas — a menudo simples tareas definidas específicamente — han sido algunas de las manifestaciones tempranas. Otra ha sido la introducción de asistentes digitales más complejos que responden a comandos de voz, como Alexa, Siri de Apple y Cortana de Microsoft.

Pero las compañías que experimentan con la tecnología han tenido experiencias desiguales. Los bots conversacionales fueron una decepción tecnológica en 2016, un recordatorio de los riesgos de sobrevalorar las tecnologías. Pero los beneficios que podrían derivarse de conversar con las computadoras hacen de éste un campo propicio para la innovación en 2017.

El lanzamiento por parte de Facebook el año pasado de una plataforma de bot conversacional — a la que las compañías externas podían agregar sus propios ayudantes de voz — demostró tanto las deficiencias de la tecnología como la demanda potencial. Los bancos, las compañías eléctricas y otros desarrollaron asistentes automatizados para gestionar el servicio de atención al cliente o las transacciones simples, pero a menudo los consumidores encontraban dificultades para obtener respuestas a preguntas y las primeras reseñas fueron desastrosas. Al final del año, sin embargo, más de 30,000 bots conversacionales estaban utilizando la plataforma, y Facebook alegó que los problemas iniciales ya estaban siendo superados.

Las compañías que han estado trabajando con la tecnología dicen que hay señales de que cambiará la forma en que las personas interactúan con teléfonos y computadoras, y las empresas cuyos servicios digitales utilizan.

Adam Goldstein, director ejecutivo de Hipmunk, un servicio de planificación de viajes, fue uno de los primeros usuarios de la plataforma de bots desarrollada por el servicio de mensajería Skype de Microsoft. «Nos sorprendieron los diferentes tipos de preguntas que la gente les hace a los bots», dice el Goldstein.

Cuando los clientes utilizan un formulario de búsqueda estándar, dice, tienden a centrarse en lo específico: en un sitio de viajes, buscan vuelos entre ciertas ciudades en fechas determinadas. Pero cuando interactúan con un bot hacen preguntas de investigación más generales sobre dónde deben ir o cuándo.

Dos deficiencias han frenado la promesa de la computación conversacional. Una involucra la dificultad en el entrenamiento de los sistemas de propósito general que pueden trabajar en situaciones cotidianas — un problema que Microsoft demostró en 2016, cuando un bot conversacional que lanzó en Twitter fue inducido a producir respuestas racistas.

La otra es la capacidad de los bots conversacionales para entender el contexto, un problema para las computadoras una vez que se amplíen más allá de un estrecho campo del conocimiento. Las compañías de software han respondido al limitar los usos de la tecnología por ahora. El software empresarial nuevo incluirá cada vez más algún nivel de IA conversacional, aunque será limitada, dice Tom Austin, analista de Gartner, una firma de investigación.

Su uso y cuán útil será son cuestiones no resueltas. «Queremos poder llegar a la oficina y decir, ‘¿Qué diablos le sucedió al pedido de Harry?'», dice Austin. «La tecnología no podrá responderte en 2017, pero comenzará a hacerte preguntas». Las respuestas que reciba, añade, le ayudarán a elegir la respuesta correcta. Pero el retraso en la incorporación de la nueva tecnología empresarial implica que la gente probablemente no comenzará a usar la IA conversacional de forma masiva hasta el año 2020, añadió Austin.