BLOG Y NOTICIAS

17.07.2017

De la inteligencia artificial a la inteligencia aumentada

La inteligencia artificial en muchos casos se conceptualiza como robots conquistándonos, máquinas invasivas y computadoras que actúan como humanos malvados.

Sin embargo, la inteligencia artificial es mucho más que esto. Hoy en día se utiliza en diversas industrias para atacar grandes problemas de negocio. Por esto, en Cognitiva preferimos, al igual que en IBM, alejarnos un poco de este término en dirección hacia el término augmented intelligence o inteligencia aumentada para referirnos a la computación cognitiva.

Esto significa que las soluciones que creamos y los negocios que transformamos digitalmente, obtienen soluciones de que aumentan las capacidades y habilidades de los individuos para quienes fueron diseñadas, y por ende, las organizaciones.

screen-shot-2017-07-17-at-4-45-38-pm

HOY

Todo lo que se comenta aquí, son escenarios y situaciones que suceden no sólo hoy, sino que en Latinoamérica.

Por esto, es de gran importancia comprender bien esta nueva era en la cual los datos son accionados más rápido que nunca antes en importantes decisiones de negocio.

Todos utilizamos inteligencia artificial, todos los días. Desde la música que nos recomiendan según nuestros gustos, la ruta más óptima que nos es recomendada para llegar al hogar, los productos recomendados por los clics que hemos dado o la publicidad que por hablar de celulares inteligentes, nos recomienda en otro sitio web comprarlo.

Este tipo de inteligencia artificial muchas veces se basa en lo que llamamos transacciones, por ejemplo, un clic, una compra o un like. Y se deriva en soluciones importantes como la detección de fraude en el momento en que yo compro algo en Costa Rica y 2 horas después aparece un pago de $10,000 en Singapur.

Esta tecnología lleva años de años de estar con nosotros, pero tradicionalmente solo comprende datos computacionales como transacciones, que se ven reflejados en muchos casos en forma de tabla.

Pero, ¿qué sucede con el resto de información que se genera diariamente?

screen-shot-2017-07-17-at-4-54-43-pm

Hay un tipo de contenido o datos que le llamamos datos oscuros. Esta es información que los seres humanos creamos para que otros seres humanos consuman.

Por ejemplo, publicaciones en redes sociales, blogs, noticias, fotos, videos, audios, entre otros.

Un sistema tradicional puede comprender ciertas aristas del contenido como palabras claves, por ejemplo ver que publiqué acerca de un Banco X y recomendarme en una publicidad de un servicio de ese banco en una publicidad. Pero... ¿qué sucede cuando más bien hablé mal de ese banco, y el sistema de Ads igual me recomienda sus servicios? !!!

Se necesita algo más, y es por esto que nace la computación cognitiva.

Su objetivo es comprender estos datos oscuros que representan el 80% de la información que diariamente se genera en las compañías.

Utiliza el poder de repetir tareas de manera masiva de los computadores, con procesos similares a como los humanos procesamos la información.

La computación cognitiva es el darle capacidades de cognición a las aplicaciones. 
Watson de IBM, es la primera plataforma de este tipo, de modalidad abierta.

Para aterrizar estas principales capacidades, la forma más sencilla de hacerlo es mapearlas a capacidades de los humanos.

La escucha y el habla fueron algunas de las capacidades que primero fueron automatizadas, y que han evolucionado en gran nivel con los años. Se describen como la capacidad de transformar audio en texto y texto en audio.

Una vez que el audio ha sido transcribido a texto, este requiere ser procesado y entendido por el computador; y esto es lo que conocemos como procesamiento de lenguaje natural. Esto significa que el texto no es solamente palabras claves, entenderlo es una ciencia que implica comprender conexiones gramaticales, contextuales y otros. De tal forma, Watson comprende no sólo las palabras claves que aparecen en el texto, sino que, comprende que se quiere decir detrás de ese texto (la intención) y el concepto implícito que se está comentando.

Un ejemplo de que significa comprender la intención, es cuando uno se refiere a lo mismo pero puede escribirlo de 1M de formas distintas. Esto se logra contemplando el contexto completo de las palabras y no solo cada palabra clave.

Por otro lado, un ejemplo de extracción de conceptos es cuando una persona habla por 10 minutos del internet sin mencionar la palabra "internet" pero al preguntarle al público de que habló el charlista, todos coinciden que el tema principal fue la internet.

Otra capacidad es la de dar habilidades de entendimiento de emociones y sentimientos para crear sistemas empáticos que pueden entender cuando una persona escribe triste, feliz, enojado, positivo o negativo. Y tomar decisiones con base a esto. Por ejemplo, escalar un caso a un superior en un call center, cuando el cliente se está expresando de manera negativa.

Y por último, Watson puede reconocer imágenes, es decir, puede ver una fotografía, que tradicionalmente está llena de ambigüedades visuales y alto poder computacional requerido.

screen-shot-2017-07-17-at-5-09-30-pm

Cada día salen nuevas tecnologías. Sin embargo, todas tienen algo en común, generan datos. Y la interpretación de estos datos, llevan a generar valor y conocimiento.

Por esto, se dice que la inteligencia artificial está en el centro de todas estas soluciones, en el punto donde todo converge.

 

¿Qué implica todo esto para el periodismo?

Todos los días se generan miles de contenidos en la web, que son virtualmente imposibles para los seres humanos procesar. Y esta tendencia solo va en subida. Interpretar el contenido "alrededor" de un tema, marca, persona o tendencia; se vuelve cada vez más en un reto latente, así como lo es optimizar trabajos y tareas a través de la tecnología.

La inteligencia artificial, al día, y quizás en varios años venideros, no reemplazará periodistas. Pero no significa que esta profesión está fuera de riesgo. Significa que quienes sean los primeros que abracen esta tecnología y la pongan a apoyarles en sus labores diarias, serán quienes superen y hasta maten competidores que adopten tarde estos beneficios.  

 Las anteriores son 4 de las tareas más comunes que los periodistas y profesionales adyacentes ejecutan para poder cumplir con sus labores y objetivos. Si bien existen muchos otros pilares, para enfocar en soluciones puntuales, debemos centrarnos en estos 4.

 

El primer caso es la obtención y organización de información, dos labores esenciales. La obtención de información de fuentes definidas como sitios web u otros repositorios de datos o de ambientes complejos como redes sociales, se dificulta aún más cuando el contenido se compone de libros, publicaciones, audios, videos, fotografías, textos, entre otros.

screen-shot-2017-07-17-at-5-29-51-pm

Watson puede además de recabar contenido de múltiples orígenes dispersos, extraer valor para organizar de tal manera el contenido que sea relevante para quien lo consume. Un ejemplo es la imagen anterior, donde se puede extraer las personas que son mencionadas en medios, temas que se conversan, sentimientos y todo esto en el tiempo.

Una vez que la información relevante sea obtenida de manera automática y organizada de manera que sea relevante para el periodista, otro gran reto que aparece es la comunicación y presentación de información de manera efectiva.

El gran reto que se presenta frente a los comunicadores y creadores de contenido, es mantener su información llegando a quienes se quiere que llegue. Sin embargo, hoy gran porcentaje de su público meta, entre ellos millenials, cuentan con la mentalidad de "si la noticia es tan importante, ella llegará a mi, y no yo a ella".

Por esto, conocer bien a los receptores de la información y mostrarles solo la información que sea importante para ellos es un acelerador de negocios de este tipo.

screen-shot-2017-07-17-at-5-33-02-pm
screen-shot-2017-07-17-at-5-36-11-pm

Con Watson, el contenido no tiene que ser liberado o dirigido de manera genérica o solo basándose en demografías como sexo, edad, etc... es decir, cuando se tiene suficiente contenido de un usuario, como por ejemplo, publicaciones en redes sociales, y se agrupa esta información (al menos 1,200 palabras) Watson puede comprender la personalidad de los individuos. Es decir, su perfil de personalidad que incluye las principales características de personalidad, sus valores, necesidades y hasta tendencias de compra.

Siendo así, se puede realmente proyectar cual será el contenido más relevante para un usuario basado en su demografía, preferencias explícitas y sus rasgos de personalidad. Colocando el contenido que le es más relevante, siempre en sus pantallas. En algunos casos se hace al segmentar usuarios según sus tendencias de preferencias + los grupos de personalidad que comparten estos intereses.

Una vez que el contenido es lanzado, la retroalimentación es clave para comprender el impacto, reacción o descubrimiento de nueva información relevante desde comentarios en redes sociales.

Con Watson, en lugar de verse los comentarios solo como una centena o un millar de textos acumulados, los comentarios pueden ser priorizados y analizados, por ejemplo extrayendo quien lo comenta, con qué sentimiento, sobre que se comenta y que tipo de comentario es.

 

screen-shot-2017-07-17-at-5-41-28-pm
screen-shot-2017-07-17-at-5-36-21-pm

Cuando la información realmente es comprendida con poder computacional virtualmente ilimitado para la tarea, se pueden detectar conexiones en el tiempo entre eventos, personas, situaciones, organizaciones, y casi cualquier información. Además, una vez procesada la información, esta puede ser explorada visualmente.

La computación cognitiva requiere de que los humanos la entrenen, a través de un proceso de curado de información, que es muy similar a como un ser humano entrena a otro, un "profesor" llamado Subject Matter Expert.

Esto sucede porque no todo el contenido en la red necesariamente tiene relevancia o es verdadero. El Subject Matter Expert asegura que la calidad de la información que se ingesta al sistema.

Por esto, en lugar de pensar que un sistema inteligente me reemplazará, debemos pensar como me apoyará en mi labor diaria para acceder a más información, estar en más lugares a la vez y descubrir insights ocultos de mares de información.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *