Muchas empresas acaban de empezar a explorar las aplicaciones potenciales de la inteligencia artificial. Sólo unas pocas explotan ya plenamente su potencial. Mientras tanto, el desarrollo de la IA en la investigación y la ciencia avanza rápidamente y surgen una serie de nuevas técnicas que llevan la aplicación de la IA al siguiente nivel. 

En el libro "AI Superpowers", Kai-Fu Lee describe cuatro oleadas de implantación de las tecnologías de IA. En la primera fase, "Internet AI", la atención se centra en aplicaciones que utilizan grandes cantidades de datos de Internet y el análisis del comportamiento de los usuarios para mejorar su experiencia y personalizar los contenidos. El desarrollo y la aplicación de aplicaciones de IA tuvieron lugar principalmente en grandes empresas de Internet y comercio electrónico.  

A continuación viene la segunda fase, la IA 2.0, que trata de la "IA empresarial", es decir, el uso de la IA en las empresas. 

La IA 2.0 en la empresa 

En la fase de IA 2.0, los análisis y predicciones basados en datos históricos de las empresas y otras fuentes se utilizan en una amplia variedad de ámbitos para aumentar la eficiencia y construir nuevos modelos de negocio. Los usuarios y, en cierta medida, los desarrolladores de aplicaciones de IA no son solo empresas digitales, sino empresas de todos los sectores y de todos los tamaños. 

El potencial de crecimiento económico de la IA 2.0 es enorme y ha quedado demostrado, por ejemplo, en un Estudio de PWC estimado en 15,7 billones de dólares. 

Infraestructuras de IA 2.0 

También hay grandes novedades en cuanto a conceptos e infraestructuras. Lo más importante aquí es la capacidad de desarrollar aplicaciones de IA escalables y listas para la producción. Los productos de datos e IA se implementan con la ayuda de plataformas y plantillas y se transfieren a la producción de forma ágil mediante procesos MLOps. Además, es importante establecer las estructuras y procesos organizativos necesarios en las empresas. Para ello, hay que desarrollar estrategias de datos, aplicar conceptos de gobernanza de datos y definir funciones y responsabilidades. 

Tecnologías de IA 2.0 

Según un informe reciente, las nuevas tecnologías en el contexto de la IA 2.0 incluyen Informe Forrester los siguientes elementos: 

• Redes de transformadores 
• Datos sintéticos 
• Aprendizaje por refuerzo 
• Aprendizaje federado 
• Inferencia causal 

En la IA 1.0, la atención se centraba en el reconocimiento de patrones, los modelos para tareas específicas y el entrenamiento centralizado de los modelos y su ejecución. En cambio, la IA 2.0 se caracteriza por el establecimiento de modelos para la generación de lenguaje, imágenes y otros datos, así como por la aplicabilidad universal de la IA, de forma centralizada o local -en el borde-. 

Veamos con más detalle los 5 elementos básicos de la IA 2.0: 

Transformador  

Las redes de transformación pueden encargarse de tareas con un elemento temporal o contextual, como el procesamiento y la generación de lenguaje natural. Este avance permite entrenar modelos enormes que realizan varias tareas a la vez con mayor precisión y menos datos que los modelos individuales trabajando por separado. Actualmente, el representante más destacado de esta categoría es el enormemente potente GPT-3 Modelo OpenAI. 

Datos sintéticos 

Uno de los mayores retos a la hora de construir modelos de IA es la disponibilidad de un conjunto de datos de entrenamiento suficientemente amplio y utilizable. Los datos sintéticos resuelven este problema y mejoran la precisión, solidez y generalizabilidad de los modelos. En aplicaciones de reconocimiento de objetos, conducción autónoma, asistencia sanitaria y muchos otros campos, los datos sintéticos pueden utilizarse para construir modelos de IA. 

Aprendizaje por refuerzo 

El aprendizaje por refuerzo no es un concepto nuevo, pero se ha utilizado poco en el pasado. Las aplicaciones de la IA pueden mejorarse Aprendizaje por refuerzo Responder rápidamente a los cambios en los datos aprendiendo de la interacción con un entorno real o simulado mediante ensayo y error.  

Aprendizaje federado 

Uno de los obstáculos para entrenar modelos de IA es la necesidad de transferir datos de distintas fuentes a un almacén central de datos. La transferencia de estos datos puede ser costosa, difícil y a menudo arriesgada desde el punto de vista de la seguridad, la privacidad o la competitividad. El aprendizaje federado permite entrenar modelos de IA de forma distribuida directamente en dispositivos IoT, por ejemplo, y utilizar datos en distintas ubicaciones.  

Inferencia causal 

La inferencia causal puede utilizarse para identificar relaciones causa-efecto entre atributos de un conjunto de datos y para analizar correlaciones. Esto puede servir, por ejemplo, para evitar decisiones empresariales incorrectas basadas en correlaciones espurias. 

En resumen, la IA 2.0 puede entenderse como un intento de acercarse a la inteligencia natural a través de la imaginación, el ensayo y error, el intercambio de experiencias y la comprensión de los modos de acción. Como en la naturaleza, las ventajas resultantes pueden marcar una diferencia decisiva en la capacidad de supervivencia de una empresa. 

Ya al principio de una transformación de la IA, los responsables de una empresa deben ocuparse de las posibilidades de la IA 2.0 y evaluar las posibles áreas de aplicación. De este modo, las posibles "killer applications" para su propio modelo de negocio pueden implantarse en una fase temprana con la ayuda de las nuevas tecnologías. 

IA 2.0 en Europa 

En el contexto de la IA 2.0, un factor importante es que en Europa tengamos en cuenta los valores europeos y las normas de calidad en el desarrollo y la aplicación de la IA. Las cuestiones éticas deben aclararse y aplicarse mediante normativas adecuadas. Al mismo tiempo, no deben restringirse el poder innovador y el potencial económico de la IA. Las normativas deben definirse con sentido de la proporción, centrándose en escenarios de aplicación específicos, teniendo en cuenta las medidas existentes y siguiendo una evaluación de riesgos transparente y precisa. 

Porque solo a través de un impulso a la innovación en investigación y aplicación de la IA podremos en Europa equipararnos a los grandes actores como EE.UU. y China y construir nuestra soberanía digital.