Las tecnologías de inteligencia artificial que transformarán el futuro según Gartner

Los usuarios esperan mucho más de lo que la inteligencia artificial puede proporcionar en este momento, pero esas capacidades están cambiando rápidamente, según el informe de Gartner sobre el Ciclo de Hype para la Inteligencia Artificial 2021. Los analistas de Gartner describieron 34 tipos de tecnologías de AI en el informe y también señalaron que el ciclo de hype de la AI es más rápido, con un número por encima del promedio de innovaciones que alcanzan la adopción generalizada dentro de dos a cinco años.

Los analistas de Gartner encontraron más innovaciones en la fase de desencadenante de innovación del ciclo de hype de lo habitual. Esto significa que los usuarios finales buscan capacidades tecnológicas específicas que las herramientas de AI actuales aún no pueden brindar completamente. Los datos sintéticos, las plataformas de orquestación, la AI compuesta, la gobernanza, la AI centrada en el ser humano y la AI generativa se encuentran en esta fase temprana.

Tecnologías más conocidas, como la AI de borde, la inteligencia de decisión y los gráficos de conocimiento, se encuentran en la fase de expectativas infladas del ciclo de hype, mientras que los chatbots, los vehículos autónomos y la visión por computadora se encuentran en el abismo de la desilusión.

Los analistas de Gartner Shubhangi Vashisth y Svetlana Sicular escribieron el informe e identificaron estas cuatro megatendencias de la AI:

1. Las empresas buscan operacionalizar las plataformas de AI para permitir la reutilización, escalabilidad y gobernanza y acelerar la adopción y el crecimiento de la AI. Las plataformas de orquestación y automatización de AI (AIOAPs) y la operacionalización de modelos (ModelOps) reflejan esta tendencia.
2. La innovación en la AI implica el uso eficiente de todos los recursos, incluidos los datos, los modelos y la capacidad de cálculo. La AI multiexperiencia, la AI compuesta, la AI generativa y los transformers son ejemplos de esta tendencia.
3. La AI responsable incluye la AI explicada, la gestión de riesgos y la ética de la AI para aumentar la confianza, la transparencia, la equidad y la posibilidad de auditar las iniciativas de AI.
4. Los enfoques de datos pequeños y amplios permiten analíticas y AI más robustas, reducen la dependencia de las organizaciones de los grandes datos y brindan una conciencia de la situación más completa.

Vashisth y Sicular también ven un mayor enfoque en los productos mínimos viables y los ciclos de desarrollo de AI acelerados, que consideran una importante mejor práctica.

Estas seis tecnologías se encuentran todas en la fase de "desencadenante de innovación" del ciclo de hype y se espera que alcancen la meseta de productividad (el final del ciclo de hype) dentro de dos a cinco años:

Oracle lanza seis nuevos servicios de IA para su plataforma Oracle Cloud Infrastructure

1. AI compuesta
2. Plataforma de orquestación y automatización de AI
3. Gobernanza de AI
4. AI generativa
5. AI centrada en el ser humano
6. Datos sintéticos

A continuación, se muestra una breve descripción de cada tipo de AI, basada en el informe de Gartner sobre el ciclo de hype.

AI compuesta

Este enfoque de AI combina diversas técnicas para expandir el nivel de representaciones de conocimiento y resolver de manera más eficiente más problemas empresariales. El objetivo es construir soluciones de AI que requieran menos datos y energía para aprender. La idea es que este enfoque haga que la tecnología esté disponible para empresas que no tienen grandes cantidades de datos pero sí tienen una experiencia humana significativa. Según Gartner, esta tecnología está emergiendo y ha penetrado del 5% al 20% del mercado objetivo.

Esta técnica es más efectiva cuando no hay suficientes datos para análisis tradicionales o cuando el "tipo de inteligencia requerido es muy difícil de representar en las redes neuronales artificiales actuales".

Plataforma de orquestación y automatización de AI

Las empresas utilizan AIOAP para estandarizar DataOps, ModelOps, MLOps y las tuberías de implementación y establecer prácticas de gobernanza. Esta tecnología también unifica los contextos de desarrollo, implementación y operación, especialmente en torno a la reutilización de componentes como almacenes de funciones y modelos, monitoreo, gestión de experimentos, rendimiento de modelos y seguimiento de linajes. Esta tendencia está impulsada por los problemas creados por los enfoques tradicionales fragmentados de la gestión y el análisis de datos. AIOAP está emergiendo y ha alcanzado del 1% al 5% de la audiencia objetivo.

Para implementar AIOAP, Gartner recomienda que las empresas auditen las prácticas actuales de datos y análisis, simplifiquen los procesos de datos y análisis y utilicen entornos de proveedores de servicios en la nube.

Gobernanza de AI

La gobernanza de AI es la práctica de establecer responsabilidad por los riesgos asociados con el uso de AI. Los líderes gubernamentales en Japón, Estados Unidos y Canadá están estableciendo límites para la AI con cierta guía voluntaria y obligatoria. Los analistas señalan que la AI sin gobernanza es peligrosa, pero establecer reglas puede ayudar a establecer responsabilidad.

La revolución de la inteligencia artificial y el procesamiento del lenguaje natural en los centros de llamadas de salud

Los esfuerzos de gobernanza no deben ser iniciativas independientes y deben abordar:

• Ética, equidad y seguridad para proteger a una empresa y su reputación
• Confianza y transparencia
• Diversidad

La gobernanza está emergiendo y ha alcanzado del 1% al 5% de la audiencia objetivo.

Las empresas deben establecer pautas de riesgo basadas en el apetito de riesgo empresarial y las regulaciones, y asegurarse de que los humanos estén involucrados para mitigar las deficiencias de la AI.

AI generativa

Este tipo de AI aplica lo que ha aprendido para crear nuevo contenido, como texto, imágenes, videos y archivos de audio. La AI generativa es más relevante para las industrias de ciencias de la vida, atención médica, manufactura, ciencia de materiales, medios de comunicación, entretenimiento, automotriz, aeroespacial, defensa y energía, según el informe. Los analistas predicen que la AI generativa interrumpirá la codificación de software y podría automatizar hasta el 70% del trabajo realizado por los programadores cuando se combine con técnicas de automatización. Esta tecnología también puede usarse para fraude, software malicioso, desinformación y motivación para disturbios sociales.

Esta tecnología está emergiendo y ha alcanzado menos del 1% de la audiencia objetivo. Los analistas recomiendan prestar mucha atención a la AI generativa debido a que esperan una adopción rápida. Las empresas deben prepararse para lidiar con deepfakes, determinar casos de uso iniciales y pensar cómo los datos generados sintéticamente podrían acelerar el desarrollo de análisis y reducir el costo de adquisición de datos.

AI centrada en el ser humano

Este enfoque de AI también se conoce como inteligencia aumentada o humano-en-el-bucle y asume que las personas y la tecnología trabajan juntas. Esto significa que ciertas tareas son completadas por un algoritmo y otras por humanos. Además, las personas pueden hacerse cargo de un proceso cuando la AI alcanza los límites de sus capacidades. La AI centrada en el ser humano puede ayudar a las empresas a gestionar los riesgos de la AI y ser más éticas y eficientes con la automatización. Según el informe, "Muchos proveedores de AI también han cambiado sus posiciones hacia el enfoque de HCAI (inteligencia centrada en el ser humano) más impactante y responsable."

Deloitte lanza Dimension10 Studio para crear experiencias de Realidad Ilimitada con IA

La AI centrada en el ser humano está emergiendo y ha alcanzado del 5% al 20% de la audiencia objetivo. Gartner recomienda establecer HCAI como un principio clave y crear un comité de supervisión de AI para revisar todos los planes de AI. Las empresas también deben utilizar la AI para enfocar la atención humana donde más se necesite para respaldar la transformación digital.

Datos sintéticos

Los datos generados artificialmente son una solución al desafío de obtener datos del mundo real y etiquetarlos para entrenar a los modelos de AI. Los datos sintéticos también resuelven el problema de eliminar la información de identificación personal de los datos en vivo. Estos datos son más baratos y rápidos de obtener y reducen el costo y el tiempo en el desarrollo del aprendizaje automático. Las desventajas de estos datos son que pueden tener problemas de sesgo, perder anomalías naturales o no contribuir con nueva información a los datos existentes.

Esta tecnología está emergiendo y ha alcanzado del 1% al 5% de la audiencia objetivo. Las empresas deben trabajar con proveedores especializados mientras esta tecnología madura y con científicos de datos para asegurarse de que un conjunto de datos sintéticos sea estadísticamente válido.

En Newsmatic nos especializamos en tecnología de vanguardia, contamos con los artículos mas novedosos sobre Inteligencia artificial, allí encontraras muchos artículos similares a Las tecnologías de inteligencia artificial que transformarán el futuro según Gartner , tenemos lo ultimo en tecnología 2023.