Tendencias clave que enmarcan el estado de la IA y el ML

En este reportaje especial, Rachel Roumeliotis, Vicepresidenta de Estrategia de Contenidos de O’Reilly Media, ofrece una profunda inmersión en los temas y términos que están en auge en la industria de la ciencia de los datos, y también toca importantes tendencias tecnológicas y cambios en el aprendizaje de estas tecnologías. Rachel dirige un equipo editorial que cubre una amplia variedad de temas de programación, que van desde los datos y la IA, hasta el código abierto en la empresa, pasando por los lenguajes de programación emergentes. Ha trabajado en publicaciones técnicas durante más de 14 años, adquiriendo contenidos en muchas áreas, incluyendo el desarrollo de software, UX, seguridad informática e inteligencia artificial.

No hay duda de que la inteligencia artificial sigue siendo rápidamente adoptada por las empresas de todo el mundo. En los últimos años, la mayoría de las empresas que evaluaban o experimentaban con la IA la utilizan ahora en despliegues de producción. Cuando las organizaciones adoptan tecnologías analíticas como la IA y el aprendizaje automático (ML), naturalmente les incita a empezar a hacer preguntas que les desafían a pensar de forma diferente sobre lo que saben acerca de su negocio en todos los departamentos, desde la fabricación, la producción y la logística, hasta las ventas, el servicio de atención al cliente y la TI. El uso que una organización hace de las herramientas y técnicas de IA y ML, y los diversos contextos en los que las utiliza, cambiarán a medida que adquieran nuevos conocimientos.

La plataforma de aprendizaje de O’Reilly es un tesoro de información sobre las tendencias, temas y asuntos que los líderes tecnológicos y empresariales necesitan saber para hacer su trabajo y mantener sus negocios en funcionamiento. Recientemente analizamos el uso de la plataforma por parte de los usuarios para examinar más de cerca los temas más populares y más buscados en la IA y la ML. A continuación se presentan algunos de los principales hallazgos que muestran dónde está el estado de la IA y el ML, y hacia dónde se dirige.


Recomendado: ¿Qué es el Big data?.


Crecimiento implacable de la IA y el ML

En primer lugar, nuestro análisis encontró que el interés en la IA continúa creciendo. Al comparar 2018 con 2019, el compromiso en la IA aumentó en un 58%, superando con creces el crecimiento en el tema mucho más amplio del aprendizaje automático, que aumentó sólo un 5% en 2019. Cuando se agregan todos los temas de IA y ML, esto representa casi el 5% de toda la actividad de uso en la plataforma. Aunque esto es sólo un poco menos que los temas de alto nivel y bien establecidos como la ingeniería de datos (8% de la actividad de uso) y la ciencia de los datos (5% de la actividad de uso), el interés en estos temas creció un 50% más rápido que la ciencia de los datos. La ingeniería de datos en realidad disminuyó alrededor del 8% durante el mismo tiempo debido a la disminución del compromiso con los temas de gestión de datos.

También descubrimos los primeros indicios de que las organizaciones están experimentando con herramientas y métodos avanzados. De nuestros hallazgos, la participación en el contenido de aprendizaje no supervisado es probablemente uno de los más interesantes. En el aprendizaje no supervisado, un algoritmo de IA está entrenado para buscar patrones previamente no detectados en un conjunto de datos sin etiquetas o clasificación preexistentes con una mínima supervisión o guía humana. En 2018, el uso para temas de aprendizaje no supervisado creció un 53% y un 172% en 2019.

Pero, ¿qué está impulsando este crecimiento? Si bien los nombres de sus métodos (agrupación y asociación) y sus aplicaciones (redes neuronales) son familiares, el aprendizaje no supervisado no se entiende tan bien como su contraparte de aprendizaje supervisado, que sirve como estrategia predeterminada para el LD para la mayoría de las personas y la mayoría de los casos de uso. Este aumento de la actividad de aprendizaje no supervisado probablemente se debe a la falta de familiaridad con sus usos, beneficios y requisitos por parte de los usuarios más sofisticados, que se enfrentan a casos de uso que no son fáciles de abordar con métodos supervisados.

El aprendizaje profundo estimula el interés en otras técnicas avanzadas

Aunque el aprendizaje profundo se enfrió ligeramente en 2019, aún representaba el 22% de todo el uso de IA y ML. También sospechamos que su éxito ha ayudado a estimular la resurrección de otras ideas en desuso o descuidadas. El mayor ejemplo de esto es el aprendizaje de refuerzo. Este tema experimentó un crecimiento exponencial, creciendo más del 1.500% desde 2017.

Incluso con tasas de compromiso que disminuirán en un 10% en 2019, el aprendizaje profundo en sí mismo es uno de los métodos de ML más populares entre las empresas que están evaluando la IA, ya que muchas empresas eligen la técnica para apoyar los casos de uso en la producción. Podría ser que el compromiso con los temas de aprendizaje profundo se haya estancado porque la mayoría de las personas ya están participando activamente con la tecnología, lo que significa que el crecimiento podría ralentizarse.

El procesamiento del lenguaje natural es otro tema que ha mostrado un crecimiento constante. Aunque su tasa de crecimiento no es enorme – creció un 15% en 2018 y un 9% en 2019 – el procesamiento del lenguaje natural representa alrededor del 12% de todo el uso de IA y ML en nuestra plataforma. Esto es alrededor de 6 veces el porcentaje de aprendizaje no supervisado y 5 veces el porcentaje de uso de aprendizaje de refuerzo, a pesar del significativo crecimiento que estos dos temas han experimentado en los últimos dos años.

Sin embargo, no todos los métodos de AI/ML son tratados de la misma manera. Por ejemplo, el interés por los robots de chat parece estar disminuyendo, ya que el compromiso se reduce en un 17% en 2018 y en un 34% en 2019. Esto se debe probablemente a que los “chatbots” fueron una de las primeras aplicaciones de la IA y es probablemente un reflejo de la relativa madurez de su aplicación.

La creciente participación en el aprendizaje no supervisado y el aprendizaje de refuerzo demuestra que las organizaciones están experimentando con herramientas y métodos analíticos avanzados. Estas herramientas y técnicas abren nuevos casos de uso para que las empresas experimenten y se beneficien de ellos, como el apoyo a la toma de decisiones, los juegos interactivos y los motores de recomendación de ventas al por menor en tiempo real. Sólo podemos imaginar que las organizaciones continuarán utilizando la IA y el ML para resolver problemas, aumentar la productividad, acelerar los procesos y ofrecer nuevos productos y servicios.

Suscríbete al boletín de noticias gratuito de InsideBIGDATA.