10 escenarios en los que IBM ya está trabajando

=La inteligencia artificial se ha convertido en la palabra de moda más popular en tecnología, a pesar de que ha existido desde los inicios de la informática. Incontables startups ahora se están apoderando de AI para explicar lo que hacen y los marketers de tecnología están marcando con AI para hacer que cosas simples como algoritmos y aprendizaje de máquina básica suenen mucho más inteligentes y sofisticadas.

"AI es un paraguas ridículamente amplio en estos días", dijo Michael Karasick, vicepresidente de informática cognitiva de IBM Research (términos sofisticados de IBM para AI).

Más acerca de la innovación

Apple planea auriculares AR, VR híbridos que podrían señalar la masa crítica de la industria
La cadena de bloques de IBM para joyería destaca el potencial del libro mayor en la cadena de suministro, logística
Investigación Enterprise IoT: usos, estrategia y seguridad (Tech Pro Research)
Tecnología en educación: los últimos productos y tendencias (PDF gratuito)
Karasick realizó una presentación en IBM InterConnect 2017 esta semana en Las Vegas, donde presentó la hoja de ruta de IBM Research para AI. El enfoque del equipo de Karasick es ridículamente práctico, ya que su mandato es incubar tecnologías que podrían ser útiles para las empresas. Como era de esperar, muchas de las cosas en las que están trabajando se reducen a automatización y Big Data.

"La razón por la que utilizamos el aprendizaje automático en estos problemas es porque hay demasiados datos", dijo Karasick, cuyo equipo de IBM Research contiene una mezcla de matemáticos y analistas de sistemas. El equipo usa AI para tres tipos de cosas:

Desarrollar soluciones de fuerza industrial
Haz un uso más eficiente de las personas
Mejore el tiempo de valor
VER: Informe especial: Cómo implementar AI y aprendizaje automático (PDF gratuito)

La sesión de IBM InterConnect de Karasick "Looking Ahead: El futuro de la inteligencia artificial" ofreció una ventana a los proyectos de inteligencia artificial en los que IBM ya está trabajando. Aquí hay un resumen rápido de 10 de ellos.

1. Comprender archivos PDF

Muchas de las funciones clave de IBM Watson se procesan mediante el procesamiento de grandes áreas de conocimiento en diversos campos, desde la investigación médica hasta las comidas de cocina. Gran parte del conocimiento de la industria está encerrado en archivos PDF no estructurados, por lo que si IBM puede enseñar IA y formas de aprendizaje automático para organizar, procesar y asimilar esa información, acelerará casi todas las áreas de su trabajo en IA.

2. Comprender las obligaciones

Las empresas, los gobiernos, las organizaciones de todos los tamaños e incluso los equipos de proyectos intentan constantemente realizar su trabajo dentro de ciertas reglas y parámetros. Cuando esos parámetros cambian, a menudo mueve la línea de gol. IBM quiere usar AI para reconocer rápidamente y marcar las cambiantes reglas, regulaciones, leyes y requisitos.

3. Subtitulado de imagen


Software de recursos humanos superior para 2018 - Opiniones y precios de expertos - Informe de analista gratuito
El informe de analista interactivo le brinda calificaciones de comparación, revisiones y precios de proyectos de selección de software reales. Conéctese con SelectHub para agilizar su búsqueda de software de recursos humanos con recomendaciones y precios gratuitos basados n nuestras evaluaciones de software experto y conocimiento de precios internos.
Descargas proporcionadas por Select Hub
Al utilizar el aprendizaje automático para comprender, evaluar y categorizar las imágenes de contenido, AI puede desbloquear un gran valor y establecer conexiones valiosas entre conjuntos de datos visuales. Hoy en día, gran parte de este trabajo se realiza a mano por etiquetadoras de datos de salarios muy bajos.

4. Automáticamente construyendo trailers de películas

Tomando el concepto de análisis de contenido de imagen aún más, IBM ya ha demostrado que su IA puede emparejar imágenes de video con procesamiento de lenguaje natural para crear avances para películas. Mientras que Hollywood probablemente continuará confiando en los artistas digitales, las compañías que están atadas a los recursos de diseño podrían usar esto para crear vistas previas de su contenido de video.

5. Asistente cognitivo para científicos de datos

Los científicos de datos son uno de los trabajos más solicitados en tecnología y la escasez de ellos pone en riesgo la innovación futura. Los que tenemos hoy pasan demasiado tiempo ordenando y organizando datos antes de que puedan evaluarlos y establecer conexiones importantes. La IA es necesaria para la limpieza de datos a gran escala y para permitir la búsqueda en lenguaje natural para la búsqueda de datos usando Watson Conversations.

VEA: ¿Por qué Bill Gates y otros piensan que el robot que roba su trabajo debería pagar impuestos?

6. Asistente del radiólogo

IBM Watson Health ya está demostrando ser valioso como una herramienta para procesar artículos de revistas y las últimas investigaciones y luego actuar como asistente de diagnóstico. Ahora, IBM le está enseñando a Watson cómo leer imágenes médicas para acelerar el trabajo de los radiólogos y ayudar a reducir los errores.

7. Investigación operacional

Hacer investigaciones tradicionales sobre el rendimiento operativo a menudo puede llevar 3 meses o más e involucra modelos de análisis complicados para garantizar errores mínimos. Con AI, se puede hacer en menos de cuatro semanas y con una precisión superior.

8. Conversar sin conocimiento profundo de instancia

IBM está desarrollando activamente la tecnología de chatbot utilizando sus puntos fuertes en AI y en el procesamiento del lenguaje natural. Está buscando desarrollar sistemas que puedan funcionar con el tipo de "conocimiento profundo de instancias" que Watson puede hacer.

9. Software cognitivo DevOps

IBM también cree que AI puede potenciar DevOps, y no solo el ciclo de vida del software que generalmente asociamos con DevOps. IBM también ve que tiene un impacto en el "UX cognitivo" y en el modelado de máquinas (un primo del aprendizaje automático).

10. Escalar el aprendizaje profundo

Quizás el mayor paraguas de lo que IBM está haciendo con AI es usarlo para escalar el aprendizaje profundo. IBM ve la explosión de datos no estructurados como el catalizador detrás del aprendizaje automático, que toma un subconjunto de datos, los analiza profundamente y luego los utiliza para ayudar a extraer valor del resto del conjunto de datos. "El aprendizaje profundo es una forma de especificar el aprendizaje automático antes", dijo Karasick. Y ampliar nuestra capacidad de hacerlo aumentará las conexiones que se pueden establecer y la velocidad a la que podemos innovar.

vi IBM