Informe OBS: Inteligencia artificial, inteligencia computacional y análisis inteligente de datos
En IA no ha habido nuevos paradigmas en los últimos 30 años
- El análisis de sentimientos es uno de los campos más importantes, difíciles y demandados.
- En ambientes profesionales, científicos o académicos las figuras de data scientist son las más solicitadas sin embargo escasean.
- Los profesionales cada vez necesitarán más formación orientada a la Inteligencia Artificial.
OBS Business School ha publicado el informe de investigación: Inteligencia artificial, inteligencia computacional y análisis inteligente de datos, realizado por José Ángel Olivas Varela, Profesor y Colaborador de OBS Business School.
Introducción
En IA nada es tan nuevo como a veces se transmite o pueda parecer. Los modelos y técnicas que están más de moda en este momento surgieron hace ya varias décadas y apenas han sufrido variaciones desde su concepción. Realmente, en IA no ha habido nuevos paradigmas en los últimos 30 años. Lo que sí supone un cambio sustancial es el aumento de la potencia computacional y la capacidad de manipular grandes volúmenes de datos. Esto nos lleva a que las técnicas, que en el momento de su presentación no eran tan eficientes, ahora sí lo sean, lo que permite que puedan ser aplicadas a grandes volúmenes de datos o a sistemas muy complejos en tiempos de computación mucho más razonables.
No solo se deben desarrollar sistemas de IA a partir de datos, ya que no es fácil (ni posible) representar una situación real solamente con datos numéricos estructurados y normalizados. También se debe tener en cuenta el conocimiento humano sobre ese dominio (las hipótesis, interpretaciones y heurísticas de los expertos en ese campo y otros muchos elementos "cognitivos" más), para crear sistemas "sofisticados" que simulen el razonamiento humano, y no solo aplicar técnicas estadísticas básicas.
Qué son la Inteligencia Artificial y el análisis inteligente de datos, y cómo afectan a nuestra vida cotidiana
La Inteligencia Artificial es la disciplina del ámbito de la computación y los sistemas de información que pretenden simular computacionalmente comportamientos humanos que pueden ser considerados como inteligentes.
Hay diversas ramas dentro de la IA, pero en este informe nos centraremos en el aprendizaje automático (AA/ML Machine Learning) y en lo que se suele denominar “Ingeniería del Conocimiento” (IC/KE), que se ocupa del desarrollo de Sistemas Basados en el Conocimiento (SBC/KBS), como pueden ser los Sistemas de Ayuda a la Decisión (DSS Decision Support Systems).
En cuanto a la “analítica de datos” se la suele enmarcar como una parte esencial de lo que se denomina “Inteligencia de Negocio” (Business Intelligence, BI) y se suele definir como la capacidad de transformar datos en información para ayudar a gestionar una empresa, que consiste en los procesos, aplicaciones y prácticas que apoyen la toma de decisiones ejecutivas.
La visión habitual de las posibilidades y expectativas de la BI es demasiado restringida, y mucho más las prácticas habituales en las empresas e instituciones. Se habla por ejemplo de “transformar datos en información”, o de “apoyar la toma de decisiones”, pero estas son expresiones muy imprecisas.
El análisis de sentimientos y opiniones en redes sociales
El análisis de sentimientos o minería de opiniones (opinion mining) es uno de los temas de investigación más recientes en el ámbito de la IA. Hoy en día es uno de los campos más importantes, difíciles y demandados por la repercusión que tiene tanto para las empresas como para la sociedad en general.
El análisis de sentimientos es un concepto que abarca muchas tareas, como la extracción de sentimientos, la clasificación de sentimientos, la clasificación de subjetividad, el resumen de opiniones o la detección de spam de opinión, entre otros. Para llevar a cabo cualquiera de estas actividades, el análisis de sentimientos tiene que lidiar con muchos desafíos.
Uno de ellos es la definición de los elementos que intervienen, y se hace a través de los conceptos de opinión, subjetividad o emoción. Es un proceso difícil ya que la subjetividad no implica necesariamente un sentimiento, sino que permite expresar sentimientos o creencias.
Estas definiciones tienen que ser formalizadas mediante expresiones matemáticas que puedan ser calculadas y utilizadas como entradas para los algoritmos de IA. Por lo tanto, el éxito del análisis de sentimientos depende principalmente de la capacidad de extraer la información necesaria de esas definiciones a partir de los textos para llevar a cabo esas tareas.
A pesar de la complejidad y la dificultad de este problema, muchas empresas y universidades están desarrollando nuevas herramientas e instrumentos y servicios web que tratan varios de los temas mencionados. Estos servicios podrían incluirse, especialmente para la investigación, en otras aplicaciones o plataformas sin necesidad de ser experto en análisis de sentimientos.
Conclusiones
La necesidad de un análisis inteligente de datos en todas las empresas y entidades provoca la demanda de diversos profesionales de múltiples ámbitos. En particular, son especialmente requeridos titulados en matemáticas y estadística, por su capacidad para entender los rudimentos formales de la mayoría de los algoritmos de aprendizaje automático y poder diseñar y modificar algoritmos de este tipo. Sin embargo, resulta claro que los directores de proyectos de esta naturaleza deben tener una formación más amplia, incluso más allá de la ciencia de datos. Deberían disponer de un “maletín de herramientas” que les permita seleccionar aquellas más adecuadas para cada problema específico, y no solo en lo que concierne al análisis de datos.
La Inteligencia Artificial está cambiando y seguirá transformando todavía más nuestras vidas y nuestro modo de desenvolvernos en el mundo. Pero hay que tener mucho cuidado con no trivializar y a cualquier automatismo sencillo llamarle “de Inteligencia Artificial”.
Debemos pensar en una Inteligencia Artificial que emule en determinados aspectos el comportamiento racional humano y no solo en sistemas que analicen unos datos numéricos desde un punto de vista estadístico