Inteligencia Artificial

Cómo se trabaja con Inteligencia Artificial

El desarrollo de la tecnología supone nuevas formas de trabajar. Te explicamos cómo influye la Inteligencia Artificial en el ámbito profesional y cómo se trabaja con ella.

Por Redacción España, el 12/05/2020

auto ¿Te ha gustado nuestro artículo? ¡Vota!

Para saber cómo funciona la inteligencia artificial, a cualquier nivel, puede decirse que todos los proyectos de IA se describen como proyectos de datos. Un proyecto de IA se podría dividir en tres fases principales que podemos resumir en tres procesos: preparar, entrenar y probar.

Las técnicas de inteligencia artificial, como el aprendizaje automático, el aprendizaje profundo y el procesamiento del lenguaje natural no son mágicas, y gran parte de su éxito, si no la mayor parte, depende de la extensa preparación de datos que se requiere.

Se estima que más de la mitad del esfuerzo de un proyecto exitoso de IA es aquel dedicado a preparar los datos. Esto, suponiendo que no se haya limpiado y preparado previamente un conjunto de datos adecuado, lo cual es muy probable si estás utilizando datos de su organización para este efecto, y por primera vez.

Sin embargo, a pesar de este esfuerzo considerable, el trabajo de preparación de los datos es un trabajo crítico que en gran medida no se ve. Como tal, la complejidad de esta parte del proceso no siempre se aprecia, ya que no siempre se refleja en los resultados visibles de un proyecto, como si de la parte más pequeña de un iceberg se tratara.

¿Alguna vez has utilizado un asistente de voz, como Alexa, Siri o Google Home? Imaginemos una interacción con Google Home y exploremos una visión general de lo que sucede durante cada una de estas fases.

Fase 1. Preparar los datos relevantes

Google Home funciona mediante la comprensión de los comandos de voz para tomar acciones apropiadas, como responder una pregunta, configurar un temporizador o controlar algún dispositivo conectado. Para que este tipo de resultados sean posibles, la primera fase, la preparación de los datos, debe consistir en actividades tales como:

  • Recolectar millones de grabaciones de voz de una amplia gama de registros.
  • Limpiar el sonido de las grabaciones eliminando el ruido de fondo y similares.
  • Normalizar las grabaciones a un único formato de audio como mp3.
  • Etiquetar adecuadamente las grabaciones.
  • Otras actividades relacionadas.

Por último, los datos deben separarse en al menos dos grupos: un grupo que se usará en la fase 2 de modelar el algoritmo (datos de entrenamiento), y otro grupo que se usará para probar el algoritmo ya entrenado en la fase 3 (datos de prueba).

Para una organización como Google, imaginamos que todas las tareas relacionadas con esta fase se llevaron a cabo durante años. Además, para las grandes empresas de tecnología, los datos son su negocio, y es por eso por lo que tienen acceso a cantidades masivas de datos relevantes para organizarlos en conjuntos de datos de entrenamiento sólidos y conjuntos de datos de prueba para un desarrollo exitoso de sus productos.

Sin embargo, a pesar de todo esto, los consumidores experimentan las imperfecciones de estos dispositivos en un momento u otro, donde una o más de una palabra fue mal interpretada por un asistente de voz, o en donde una imagen no fue reconocida por algún escáner inteligente.

Ahora, si comparamos estos condicionamientos respecto a los recursos necesarios, versus los datos disponibles para el investigador común que trabaja con IA, comenzaremos a comprender la magnitud de la fase de preparación de datos y su importancia en el proceso general del desarrollo de algo funcional.


Fase 2. Entrenar el algoritmo

En esta fase, elegiremos primero qué algoritmos vamos a entrenar. ¿Qué sucede durante el proceso de entrenamiento? Probablemente hayas escuchado la expresión que es necesario encontrar el algoritmo con el mejor ajuste. Durante el proceso de entrenamiento, cada algoritmo se moldea a los datos de entrenamiento al encontrar patrones en los datos.


Fase 3. Comprobar los algoritmos entrenados

En esta fase, que también llamamos la fase de prueba, es donde a cada uno de los modelos entrenados se les proporciona los datos de prueba para ver cuál de ellos es el que da la mejor predicción. Por ejemplo, en el caso de Google Home, un resultado exitoso significaría brindar una respuesta adecuada a un comando de voz.

Si los resultados obtenidos en la fase de prueba necesitaran ser mejorados, se diría que se pueden elegir dos caminos:

  1. Cambiar el algoritmo.
  2. Adicionar nuevos y relevantes datos a nuestro proyecto.

Te recordamos que este es un proceso iterativo, pero en general la secuencia sigue las tres mismas fases.

Conviene recordar que hay muchas otras consideraciones al momento de diseñar e implementar un proyecto que utiliza Inteligencia Artificial. Esta simplificación puede serte útil para enmarcar el enfoque general de tu próximo proyecto, así como para comunicar el trabajo que se desarrolla en backstage.

TAGS:
Imagen del autor Redacción España

Equipo de redacción de B12 España: Marketing, Big Data, Inteligencia Artificial y Ventas.

Ponte en contacto con nosotros:

+34 916 629 534

madrid@agenciab12.com

Calle Alcalá, 21, 8ºD. 28014 - Madrid