Las 10 increíbles aplicaciones de inteligencia artificial que IBM está desarrollando

La inteligencia artificial ha surgido como la palabra de moda más caliente en tecnología, a pesar de que ha estado presente desde los albores de la informática. Innumerables startups están aferrándose a la IA para explicar lo que hacen y los expertos en marketing tecnológico están utilizando la marca con IA para hacer que cosas simples como algoritmos y aprendizaje automático básico suenen mucho más inteligentes y sofisticados.

"La IA es hoy en día un paraguas ridículamente amplio", dijo Michael Karasick, vicepresidente de cómputo cognitivo de IBM Research (los términos elegantes de IBM para la IA).

Karasick ofreció una presentación en IBM InterConnect 2017 esta semana en Las Vegas, donde presentó el plan de acción de IBM Research en relación con la IA. El enfoque del equipo de Karasick es ridículamente práctico, ya que su mandato es incubar tecnologías que puedan ser útiles para las empresas. Como era de esperar, muchas de las cosas en las que están trabajando se reducen a la automatización y el big data.

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

  1. Desarrollar soluciones industriales de alta calidad
  2. Hacer un uso más eficiente de las personas
  3. Mejorar el tiempo para obtener valor

La sesión de Karasick en IBM InterConnect, titulada "Mirando hacia el futuro: el futuro de la inteligencia artificial", ofreció una visión de los proyectos de IA en los que IBM ya está trabajando. Aquí tienes un resumen rápido de 10 de ellos.

Índice de Contenido
  1. 1. Comprender los PDFs
  2. 2. Comprender las obligaciones
  3. 3. Subtítulos de imágenes
  4. 4. Creación automática de trailers de películas
  5. 5. Asistente cognitivo para científicos de datos
  6. 6. Asistente del radiólogo
  7. 7. Investigación operativa
  8. 8. Conversar sin un profundo conocimiento de instancia
  9. 9. Cognitive software DevOps
  10. 10. Escalando el aprendizaje profundo

1. Comprender los PDFs

Muchas de las funciones clave de IBM Watson están impulsadas por el procesamiento de grandes cantidades de conocimiento en diversos campos, desde la investigación médica hasta la cocina. Gran parte del conocimiento industrial se encuentra bloqueado dentro de PDFs no estructurados, por lo que si IBM puede enseñar a la IA y al aprendizaje automático a organizar, procesar y asimilar esa información, acelerará casi todas las áreas de su trabajo en IA.

La automatización y la robótica eliminarán 9.8 millones de empleos en Estados Unidos para el 2027

2. Comprender las obligaciones

Empresas, gobiernos, organizaciones de todos los tamaños e incluso equipos de proyectos constantemente tratan de cumplir con su trabajo dentro de ciertas reglas y parámetros. Cuando esos parámetros cambian, a menudo se mueve la meta. IBM quiere utilizar la IA para reconocer y señalar rápidamente cambios en las reglas, regulaciones, leyes y requisitos.

3. Subtítulos de imágenes

Al utilizar el aprendizaje automático para comprender, evaluar y categorizar el contenido de las imágenes, la IA puede desbloquear mucho valor y establecer conexiones valiosas entre conjuntos de datos visuales. Hoy en día, gran parte de este trabajo lo realizan personas que ganan salarios muy bajos.

4. Creación automática de trailers de películas

Llevando el concepto de análisis de contenido de imágenes aún más lejos, IBM ya ha demostrado que su IA puede combinar imágenes de video con procesamiento de lenguaje natural para crear trailers de películas. Si bien Hollywood probablemente seguirá dependiendo de artistas digitales, las empresas que tienen recursos de diseño limitados podrían utilizar esto para crear avances de su contenido en video.

5. Asistente cognitivo para científicos de datos

Los científicos de datos son uno de los trabajos más demandados en tecnología y la falta de ellos pone en riesgo la futura innovación. Los científicos de datos actuales pasan demasiado tiempo organizando y clasificando datos antes de poder evaluarlos y establecer conexiones importantes. Se necesita IA para la limpieza de datos a gran escala y para permitir la búsqueda de datos utilizando lenguaje natural a través de Watson Conversations.

6. Asistente del radiólogo

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

7. Investigación operativa

Llevar a cabo investigaciones tradicionales sobre el rendimiento operativo a menudo puede llevar 3 meses o más, e implica modelos analíticos complicados para garantizar errores mínimos. Con la IA, esto puede hacerse en menos de cuatro semanas y con una precisión superior.

Microsoft IoT Central: La solución SaaS que simplifica las implementaciones de IoT empresarial

8. Conversar sin un profundo conocimiento de instancia

IBM está desarrollando activamente tecnología de chatbot utilizando sus fortalezas en IA y procesamiento de lenguaje natural. Está buscando desarrollar sistemas que puedan funcionar con el tipo de "conocimiento profundo de instancia" que Watson puede obtener al procesar grandes conjuntos de datos sobre un área temática, así como chatbots que puedan funcionar sin ese tipo de comprensión profunda.

9. Cognitive software DevOps

IBM también cree que la IA puede potenciar el DevOps, y no solo el ciclo de vida del software con el que normalmente asociamos el DevOps. IBM también ve un impacto en la "experiencia de usuario cognitiva" y en el modelado de máquinas (un pariente del aprendizaje automatizado).

10. Escalando el aprendizaje profundo

Tal vez el aspecto más amplio del trabajo de IBM con la IA sea utilizarla para llevar el aprendizaje profundo a gran escala. IBM ve la explosión de datos no estructurados como el catalizador detrás del aprendizaje automático, que toma un subconjunto de datos, lo analiza en profundidad y luego lo utiliza para extraer valor del resto del conjunto de datos. "El aprendizaje profundo es una forma de especificar el aprendizaje automático de manera más temprana", dijo Karasick. Y expandir nuestra capacidad para hacer eso aumentará las conexiones que se pueden establecer y la velocidad a la que podemos innovar.

En Newsmatic nos especializamos en tecnología de vanguardia, contamos con los artículos mas novedosos sobre Conjunto de instrumentos, allí encontraras muchos artículos similares a Las 10 increíbles aplicaciones de inteligencia artificial que IBM está desarrollando , tenemos lo ultimo en tecnología 2023.

Artículos Relacionados

Subir

Utilizamos cookies para mejorar su experiencia de navegación, mostrarle anuncios o contenidos personalizados y analizar nuestro tráfico. Al hacer clic en “Aceptar todo” usted da su consentimiento a nuestro uso de las cookies.