2.11 IBM 10 Casos de uso cotidiano de IA generativa en acción

Todo el mundo habla de la IA generativa, pero la generación de IA es un subconjunto del campo más amplio del aprendizaje automático. Y les voy a dar diez casos de uso de cómo el aprendizaje automático, o ML, se usa hoy en día en la vida cotidiana. Y por aprendizaje automático, me refiero a los subcampos de la inteligencia artificial, en los que las máquinas aprenden de conjuntos de datos y experiencias pasadas al reconocer patrones y generar predicciones. Ahora, se prevé que el aprendizaje automático se convierta en una industria de 200 000 millones de dólares en 2029. Pero ya está muy presente hoy, así que hablemos de ello. Ahora, un aspecto del aprendizaje automático que ha tenido una gran utilidad es la PNL o procesamiento del lenguaje natural. Esa es la capacidad de las máquinas para dar sentido al desorden desestructurado que nos gusta llamar lenguaje humano. Por lo tanto, el caso de uso número uno es el servicio al cliente. Las consultas basadas en texto pueden gestionarse mediante chatbots, que actúan como agentes virtuales que muchas empresas proporcionan en sus sitios de comercio electrónico. Los chatbots pueden resolver muchas consultas por sí mismos. Y cuando no pueden, pueden dirigir a los clientes a un lugar donde puedan encontrar la ayuda adecuada de un representante humano del servicio de atención al cliente. El aprendizaje automático también potencia los asistentes de voz, como Siri y Alexa, donde los modelos de aprendizaje automático primero de voz a texto y luego de PNL ayudan a entender un comando hablado. Servicios como Slack y YouTube utilizan esa misma capacidad para impulsar la transcripción automática de las palabras habladas en el contenido de vídeo. Ahora, el número tres son el aprendizaje automático y las aplicaciones móviles. ¿Qué estaríamos sin los modelos de aprendizaje automático de Spotify para generar recomendaciones de canciones o sin el uso del aprendizaje automático por parte de LinkedIn para hacer sugerencias de empleo? Es probable que tu teléfono esté repleto de aplicaciones que llamen a los servicios que ejecutan modelos de aprendizaje automático. Y, de hecho, el aprendizaje automático en los teléfonos inteligentes realmente merece su propia categoría, porque con la potencia de los teléfonos inteligentes modernos, parte de ese aprendizaje automático se realiza directamente en el dispositivo. Como la fotografía computacional para generar un fondo borroso en las fotos de tus selfies o desbloquear tu teléfono con reconocimiento facial. O modelos de clasificación de imágenes de dispositivos integrados que le ayudan a buscar en su biblioteca de fotos. Como cuando intentaba encontrar esta foto de mi gato, en la que saltaba a la secadora, ML me ayudó a encontrarla sin perder mucho tiempo hojeando mi aplicación de fotos. Oye, la secadora no estaba realmente encendida. Ahora, ese es un ejemplo de un problema con una aguja en un pajar. Miles de imágenes y solo estoy buscando una, que, en cierto modo, es similar al caso de uso número cinco, es decir, las transacciones financieras. Ahora, solo en los EE. UU., hay 150 millones de transacciones con tarjetas de crédito todos los días, y la gran mayoría de ellas son legítimas. ¿Cómo detectar los fraudulentos? Bueno, el aprendizaje automático y el aprendizaje profundo se utilizan ampliamente en la detección de fraudes. Donde las instituciones financieras entrenan modelos de aprendizaje automático y algoritmos de clasificación para reconocer transacciones sospechosas en línea y señalarlas para una mayor investigación. 150 millones de transacciones con tarjetas de crédito cada día son 1739 por segundo. Por lo tanto, esta es una tarea que sería casi imposible de realizar manualmente. Bueno, ¿sabía también que entre el 60 y el 73% de todas las operaciones bursátiles se realizan mediante algoritmos de aprendizaje automático? Y ese porcentaje aumenta cada año. Muy bien, eliminemos rápidamente a un par más. Por lo tanto, el aprendizaje automático se usa con frecuencia en ciberseguridad. El aprendizaje por refuerzo utiliza el aprendizaje automático para entrenar a los modelos a fin de identificar y responder a los ciberataques y detectar intrusiones. ML informa mucho sobre nuestro transporte en estos días. Por ejemplo, Google Maps utiliza algoritmos de aprendizaje automático para comprobar las condiciones actuales del tráfico y determinar la ruta más rápida. Y las aplicaciones para compartir viajes, como Uber y Lyft, utilizan el aprendizaje automático para vincular a los pasajeros con los conductores. Además, el aprendizaje automático desempeña un papel importante en el filtrado de los mensajes de correo electrónico, así como en la clasificación de los mensajes entrantes y las respuestas de autocompletar. Ahora, número nueve, eso es la atención médica. Este es un ejemplo en el que el aprendizaje automático puede ayudar a aumentar y acelerar las capacidades humanas. Ahora, se estima que los médicos que evalúan las mamografías no detectan entre el 30 y el 40% de los cánceres, y la tasa de falsos positivos es aún mayor. El aprendizaje automático ya está ayudando en este sentido, donde los modelos de reconocimiento de patrones están capacitados para clasificar los tumores que son difíciles de ver con el ojo humano. Esto no solo aumenta la precisión de la interpretación de las imágenes radiológicas, sino que también aumenta el tiempo de lectura de los radiólogos. Esto les permite centrar su atención en los exámenes más sospechosos señalados por los modelos de aprendizaje automático. También hay éxitos de la ML en la detección temprana del cáncer de pulmón y en la detección de fracturas óseas. Vale, una última y una pregunta para ti. En general, ¿qué departamento de una organización utiliza más la IA y el aprendizaje automático? Bueno, según Forbes, es el departamento de marketing y ventas. Reproduce el video desde :5:56 y sigue la transcripción5:56 Los especialistas en marketing utilizan el aprendizaje automático para la generación de clientes potenciales, el análisis de datos y la optimización de motores de búsqueda y, a menudo, se basan en los modelos de aprendizaje automático existentes. Por ejemplo, considera cómo los algoritmos de recomendación, como los de Netflix, hacen sugerencias de películas y series sobre qué ver a continuación en función de tus gustos e intereses derivados. Bueno, el departamento de marketing y ventas puede usar esos mismos modelos de aprendizaje automático para campañas de marketing específicas y personalizadas que se adapten a esos mismos gustos e intereses. Mira, últimamente escuchamos mucho sobre el futuro de la IA y, en particular, de la AGI, la inteligencia artificial general, que algún día igualará y superará la inteligencia de los humanos. Pero ahora mismo, ese nivel de IA no existe, es teórico. Pero el aprendizaje automático es la IA que ya está aquí, y realmente forma parte de nuestra vida cotidiana.