Tendencias en IA que debemos seguir en 2020

La Inteligencia Artificial (IA) en todos sus campos y subconjuntos, desde el Machine Learning hasta el Deep Learning, y con todas sus aplicaciones, es una de las tendencias tecnológicas con mayor proyección de futuro a nivel global.

Según un Informe de Accenture, el mercado de la IA superará los 14 billones de dólares en 2035; otro informe, esta vez del MIT, se refiere al potencial de la inteligencia artificial para influir positivamente en el mercado laboral, creando diferentes oportunidades y una transformación integral.

Lo que está claro es que la Inteligencia Artificial como disciplina, tocará diversos sectores e influirá en la industria de una manera decisiva y, desde luego, notable. Veamos a vuelapluma cuáles son las principales tendencias en IA que podemos observar este 2020.

Integración con Blockchain e IoT

La innovación en inteligencia artificial va ligada, en multitud de casos, al Internet de las Cosas (IoT). En realidad, una y otra se conjugan y colaboran para dar lugar a lo que conocemos como Edge Computing. Podemos decir que esta arquitectura de computación en la Nube (en el «borde») surge de hacer más inteligentes a los dispositivos IoT, de manera que puedan realizar ciertos procesamientos y tareas in situ, antes de enviar los datos finales relevantes a los servidores en el Cloud.

Por tanto, si Edge Computing es una tendencia tecnológica clara este 2020, la IA en este campo lo es también, con aplicaciones que irán desde los coches autónomos (lejos todavía de ser una realidad tangible, pero en camino de serlo), pasando por logística (y hablamos de cosas que van desde almacenaje inteligente hasta el reparto de comida a domicilio), planificación de rutas, procesamiento de lenguaje natural y mil aplicaciones más.

En cuanto a la relación entre Blockchain y la Inteligencia Artificial, la integración beneficiará a áreas como la privacidad, la seguridad y la escalabilidad de las soluciones.

Inteligencia Artificial y medios de comunicación

La predicción de éxitos en el cine o la música, extraer conocimiento a partir de los gustos de la audiencia o de los visitantes a medios escritos, incluso la creación de series o cualquier producto audiovisual a partir de los datos de los clientes de una plataforma de streaming no serían posibles sin potentes algoritmos de IA.

Los profesionales de la Inteligencia Artificial tendrán un papel importante no solo en análisis de contenidos y datos, sino también en el desarrollo de historias (storytelling, como en el caso de la IA capaz de redactar fake news de manera convincente, cuyo modelo jamás se publicó en su totalidad) u otras tareas tradicionalmente «humanas».

Ciberseguridad

Por poco que leamos acerca de ciberseguridad y de las principales amenazas y retos a los que nos debemos enfrentar, nos daremos cuenta de que tanto los propios hackers como los tipos de ataque y las herramientas de que disponen están progresando a toda velocidad.

De hecho, para poder luchar contra estas amenazas es necesario cada vez disponer de mayor potencia de computación, más velocidad y herramientas predictivas más efectivas. Aquí es donde la inteligencia artificial entra en juego y se posiciona como la herramienta del futuro.

Las principales aplicaciones en las que la IA toma ventaja en estas tareas son la detección de atacantes y la prevención de las actividades criminales en la red. Además, la detección de identificación de brechas de seguridad es cada vez mejor.

Menor necesidad de datos para los algoritmos

El problema de «alimentar» a los algoritmos de Deep Learning con flujos de datos constantes en tiempo real, significativos y útiles para su entrenamiento será cada vez menos importante gracias a las metodologías de síntesis de datos. Rana el Kaliouby, cofundadora y directora ejecutiva de Affectiva, ha predicho:

Veremos un aumento de las metodologías de síntesis de datos para combatir los desafíos de datos en IA. Los algoritmos de inteligencia artificial basados en el aprendizaje profundo solo pueden funcionar con precisión cuando están entrenados y luego validados en grandes cantidades de datos. Pero las empresas que desarrollan IA a menudo tienen el desafío de acceder a los tipos de datos correctos y a los volúmenes de datos necesarios. Para combatir esto, las empresas pueden tomar datos que ya se han recopilado y sintetizarlos para crear nuevos datos. La síntesis de datos no elimina la necesidad de recopilar datos del mundo real; esto siempre será fundamental para el desarrollo de algoritmos de IA precisos. Sin embargo, puede aumentar el valor de esos conjuntos de datos