Todo sobre Apple, Android, Juegos Apks y Sitios de Peliculas

La lógica discreta de los algoritmos seduce a los negocios y coquetea con los clientes.

Para muchas personas que gestionan negocios, el concepto de inteligencia artificial sigue siendo vago y da la sensación de que están entrando en un territorio extranjero. Estoy convencido de que la familiaridad con los derechos básicos que subyacen a las nuevas tecnologías puede agregar confianza a cualquiera que busque aumentar la capacidad de innovación de la empresa.

Es por eso que presentará (en la forma máxima condensada) cuál es la base tecnológica sobre la cual nacen hoy tales fenómenos, como el nacimiento de vehículos autónomos, las recomendaciones durante las compras en línea o las respuestas de voz de los asistentes de dispositivos móviles.

La máquina aprende sin manta.

Las dos fuerzas básicas que determinan los procesos clave de las tecnologías inteligentes son: aprendizaje automático y aprendizaje profundo.

El aprendizaje automático a menudo se define como un fuerte soporte para el análisis predictivo y es una técnica de computación y modelado estadístico que permite que la máquina (aplicación) se base en un análisis independiente y sin tener que preprogramarlo para predecir el resultado de la operación y, a menudo, trabajar y tomar una decisión independiente.

El aprendizaje profundo, por otro lado, es una de las variedades de inteligencia artificial basada en redes neuronales, cuya tarea principal es mejorar las técnicas de reconocimiento de voz y procesamiento del lenguaje natural, que se simplifica enormemente como una forma de automatizar los sistemas predictivos.

En un gran giro, estas son técnicas que permiten el procesamiento de grandes conjuntos de datos basados ​​en el autoaprendizaje de las máquinas. Son diferentes cuando se trata de oportunidades y tareas. Me refiero a mis artículos anteriores sobre los temas de estas técnicas a mis artículos anteriores.

Los algoritmos que son la base del Aprendizaje automático operan sobre la base de un esquema en el que la computadora utiliza señales de entrada (datos) y toma decisiones sobre lo que se hace con ellos como grupo, clasificación, etc. En el Aprendizaje automático existe una importante limitación de la computadora: realizar tareas, trabajar Como parte de la experiencia supervisada.

Esto significa que el papel clave aquí lo desempeña una persona que alimenta el dispositivo con porciones de información. La computadora más poderosa del mundo, IBM Watson, no podrá lograr resultados magistrales si no fue alimentada con datos por personas antes o si las personas no le mostraron los datos o el conocimiento.

Sin embargo, la segunda técnica, el aprendizaje profundo, que es responsable del reconocimiento de voz, el procesamiento del lenguaje natural, el reconocimiento de imágenes, ya es un nivel cualitativamente diferente. Se asemeja a operaciones que ocurren en el cerebro humano. La computadora utiliza redes neuronales para sus operaciones, que consisten en grupos de procesadores paralelos alimentados con grandes cantidades de datos.

Después de cada nueva experiencia de una computadora que toma medidas, las conexiones entre estos procesadores y las corrientes de información que operan, es decir, que se encuentran en gran simplificación, están sujetas a la auto reorganización. El nivel de propósito de estas organizaciones es cada vez más perfecto y, por lo tanto, la máquina responde de manera más eficiente a sus tareas asignadas.

Admito que no me es extraño sentir una certeza de estos procesos aparentemente puramente técnicos. El uso de la historia personal logrará, la experiencia adquirida a través del contacto con personas es el comportamiento de las máquinas que no dejan de sorprenderme.

¿Cómo reconocerá a un perro en una foto?

El hecho de que las computadoras puedan resolver cada vez más sus problemas, gracias al trabajo realizado anteriormente y los contactos con las personas, se traduce en un avance en el desarrollo de tecnologías inteligentes. Está bien, pero ¿cómo es esto en todos los mercados populares de tales y no otras tendencias tecnológicas? Una vez más, puede estar seguro de la simplicidad.

El Aprendizaje automático y el Aprendizaje profundo analizan los datos de varias maneras básicas, creando un conjunto de reglas de decisión por ti mismo o con un humano. Los más importantes de ellos son: análisis de bases de datos (base de BIG DATA), clasificación de objetos (ordenar fotos en función de características comunes), detección de errores (comparación de objetos y estados para detectar la probabilidad de que ocurra un desastre), recomendaciones (en base a ello, se crean sugerencias de compra) ), optimizaciones (buscando la mejor ruta para el coche).

Todo lo que es tan importante para los consumidores de hoy, y lo que impulsa la innovación empresarial, se basa en estas pocas operaciones que toman formas bien empaquetadas.

Verdaderamente divina deliberadamente

Los procesos descritos, bajo la influencia de las decisiones comerciales, de marketing y sociales, de las abstracciones de TI, cambian a innovaciones específicas. Si es posible predecir algoritmos de procesamiento de datos, entonces la consecuencia lógica de esta capacidad es implementar el comercio electrónico basado en el hecho de que la tienda ofrece al cliente un producto similar al que se compró anteriormente.

Otro ejemplo: si los algoritmos pueden clasificar los datos debido a características comunes, entonces podrán reconocer sin ningún problema si se ve un perro o un avión en la foto. Y esto, a su vez, no puede ser la atención del propietario del sitio de redes sociales, que recopila miles de millones de fotografías de los usuarios. En el campo de la inteligencia artificial, tenemos que ver con cierta lógica y propósito.

Eche un vistazo a las tres tendencias que consolidarán su popularidad en el mundo de los negocios digitales a través de los mecanismos descritos anteriormente.

Los algoritmos pueden eliminar errores.

La función de detección de errores mencionada anteriormente será cada vez más crucial, teniendo en cuenta tanto la opinión pública como la popularidad de tendencias comerciales específicas. El control y la eliminación de anomalías tienen un significado especial en el área de Internet de las cosas. Estoy pensando en aumentar la popularidad de los dispositivos basados ​​en sensores responsables de obtener datos del entorno.

La enorme cantidad de información recopilada que proviene de nuestras calles, tiendas e incluso vidas (casas inteligentes) significa beneficios indiscutibles. Sin embargo, conlleva peligro. Para un ciudadano promedio, las irregularidades pueden significar tanto la vida cotidiana (falla del equipo inteligente) como un sentido de amenaza (monitoreo dañino usado con propósitos políticos). Para los negocios, el asunto también es importante.

Basta con señalar los problemas de seguridad, claves en la industria automotriz y automotriz. Los sensores se utilizan en la construcción de motores de aviones para procesar flujos de información que surgen durante el vuelo. Eliminar errores potenciales dentro de estos procesos es de inmensa importancia. Los sistemas de sensores también son responsables de las habilidades de los coches autónomos. La eliminación de irregularidades en los datos recopilados por cámaras y sensores Lidar tiene una influencia tremenda en el desarrollo de la tendencia.

y saber satisfacer al consumidor.

El uso de funciones de predicción predefinidas (recomendaciones) es una prioridad en el comercio electrónico y en el comercio minorista. ¿Qué tan importante es la importancia del mecanismo de los comandos automáticos para conocer bien tales preocupaciones? Amazon
o Netflix. Han hecho que los sistemas predigan el valor comercial global y, de hecho, crearon un nuevo estándar que mantendrá al cliente promedio.

En los próximos años, aprenderemos sobre el desarrollo de tecnologías centradas en el análisis de la voz y las expresiones faciales del cliente en el área de comercio electrónico. Los análisis en los que estoy pensando se usarán para entrenar a botw o asistentes digitales que puedan comunicarse mejor con nosotros usando lenguaje natural.

Hoy en día, los robots continuamente imperfectos, mejoraré constantemente mis habilidades y, con el tiempo, competiré plenamente con las competencias de los empleados del centro de llamadas. Nos darán sugerencias sobre los productos que nos interesan, nos reservan un viaje de vacaciones, muestran el mejor préstamo y hablan con el médico.

y entender estas necesidades de eficiencia empresarial.

Las habilidades predictivas de los algoritmos pueden tener una influencia colosal en categorías de negocios importantes, cuán efectivo es. Su aumento, ya que conocemos la prioridad para muchos gerentes, independientemente de la industria. Cada tecnología que nos muestra que puede hacer un mejor uso de los recursos existentes, despierta un interés natural en los negocios.

Esta capacidad de algoritmos le permite reducir costos y aumentar la productividad. Tomando el ejemplo de los transportes, los algoritmos pueden traer muchos beneficios aquí. Los jefes de las empresas de transporte no son indiferentes al hecho de que las observaciones del conductor y el vehículo en tiempo real pueden llevar a una reducción de costos incluso de una docena por ciento.

Los dispositivos que siguen las reacciones del conductor, el trabajo con el motor, los sistemas de parada y los obstáculos en la carretera pueden sugerir cuándo el conductor debe apurarse y cuándo disminuye la velocidad cuando rellena el combustible y cuando conduce. Cada decisión que toma, que toma en cuenta este tipo de información, se traduce en ahorros financieros.

¿Quién ya puede apreciar todo?

McKinsey Global Institute en el informe. Notas desde la frontera de la IA: las aplicaciones y el valor del aprendizaje profundo analizan qué se puede considerar más interesado en la implementación de las tecnologías descritas y quién puede cambiar las predicciones, reconocer imágenes, buscar Bdw en valores empresariales. Y así, en primer lugar de la lista de hoy está el retail.

Una posición de primer nivel que ocupa no es sorprendente si se tiene en cuenta el hecho de la gran cantidad de datos de clientes que tiene a su disposición en la actualidad. La información sobre la edad, la educación, el trabajo, las decisiones de compra anteriores, permite a las empresas comerciales transferir la experiencia del cliente a un nivel diferente. La información sobre el cliente, que se incluye en su historial de compras con el contenido que genera en las redes sociales, se está convirtiendo en la tendencia actual en el comercio electrónico global.

En la industria, que los instrumentos de inteligencia artificial aprecian más, también encontramos la logística mencionada anteriormente. A su vez, la alta posición de la industria del turismo y su participación en el uso de nuevas técnicas pueden traducir varios factores. Mantener un registro de la historia del cliente, el análisis de las fotos que están disponibles en el espacio virtual para una oficina de turismo es esencial hoy en día, para mantenerse en contacto con él, ofrecerle nuevas ofertas y así mantener el negocio rentable.

La enorme popularidad de la geolocalización, la actividad en las redes sociales, son dos factores que influyen en el aumento significativo de los datos disponibles, lo cual es un fenómeno para la industria.

Los ejemplos anteriores muestran que cada industria realmente utiliza una combinación de varias funciones algorítmicas. Los sistemas de recomendación, la detección de errores, la búsqueda de anomalías, la planificación de las mejores decisiones solo en conjunto, pueden crear una base tecnológica que determina el éxito de un negocio determinado.

Obstáculos que debemos superar.

El McKinsey Global Institute indica que todas las empresas encuestadas que han sido declaradas saben que la inteligencia artificial tiene un gran potencial, solo el 20 por ciento toma medidas para adaptarla. Hay varios factores inhibitorios que significan constantemente que, en la práctica empresarial, no todas las posibilidades de las tecnologías inteligentes se pueden apreciar y adaptar de manera inmediata.

Comience con el problema de la incomodidad cognitiva, que puede incluirse en la pregunta: por qué la tecnología me sugiere tal comportamiento. ¿Cómo hacer esto? La rapidez con que crece la posibilidad de los procesadores no se traduce automáticamente en una mayor confianza en las personas. Y no se trata solo de ciudadanos irracionales.

Los sistemas regulatorios y de certificación presentes en muchos gases industriales son tan complejos que la aceptación rápida de incluso las soluciones más innovadoras no es posible en ninguna parte. A menos que el marketing tenga problemas con implementaciones rápidas, la industria de la medicina, aeroespacial o bancaria no abandonará los procedimientos de control formalizados y los sistemas de certificación de un día para otro.

Otra limitación toca el tema de la seguridad. Estamos experimentando una crisis en lo que respecta a la reflexión sobre el procesamiento de datos. Hoy en día no es fácil convencer a cada uno de nosotros de que los sistemas de reconocimiento de rostros no duelen. Todo el procesamiento de datos está actualmente bajo observación, la inteligencia artificial alimenta nuestros datos, por lo que puede sentir los temores de la especie humana en su propia piel.

No es sin importancia que el dinero, por supuesto. La decisión de que la compañía ha invertido en costosos sistemas de TI, la creación de bloques de construcción que tratan con nuevos datos, el empleo de especialistas debe tener una justificación racional y económica. Y como sabemos, gastar dinero rápidamente no es la administración favorita de las empresas más progresistas.

Ajustando los valores a tus necesidades.

Creo que el desafío clave para la administración moderna será reconocer y nombrar todos los valores que puede aportar la nueva tecnología. No es una cuestión de admiración constante por las posibilidades globales de la inteligencia artificial. Lo que cuenta es ajustar sus capacidades a las necesidades específicas de una empresa determinada. La misma palabra de inteligencia artificial ya no abre automáticamente todas las puertas.

Los representantes de empresas de nueva creación y conglomerados tecnológicos deben conocer los detalles específicos de la industria en la que opera el cliente para garantizar que se pueda presentar la oferta. Sin embargo, estoy convencido de que la participación actual de las nuevas tecnologías en la transformación del mercado todavía es modesta. Lo que, además, no es en absoluto una reflexión pesimista. Por el contrario, el mercado sigue abierto a nuevas oportunidades.

Norbert Biedrzycki

Jefe de Servicios de CEE, Microsoft. Administra los servicios de Microsoft en 36 países, su alcance incluye consultoría de negocios y consultoría tecnológica, en particular en áreas como Big Data e inteligencia artificial, aplicaciones empresariales, ciberseguridad, servicios premium y nube. Anteriormente, fue Vicepresidente de Digital McKinsey, responsable de la región y los servicios de CEE para cumplir con la consultoría estratégica y la implementación de soluciones de TI avanzadas. Desde la transformación digital integral a través de la implementación rápida de aplicaciones empresariales, soluciones y análisis de big data, aplicaciones comerciales de inteligencia artificial hasta soluciones blockchain e IoT. Anteriormente, Norbert ha sido presidente del consejo de administración y director general de Atos Polska, así como director de ABC Data S.A. y el Presidente del Consejo de Administración y CEO de Sygnity S.A. Anteriormente, trabajó en McKinsey como socio para ser el director de servicios de consultoría y desarrollo de negocios de Oracle.

Las pasiones de Norbert son las últimas tecnologías de robotización, aplicación de inteligencia artificial, blockchain, VR y AR, Internet of Things y su influencia en la economía y la sociedad. Más sobre este tema se puede leer en el blog de Norbert.

Obras citadas:

    The Guardian, Luke Harding y Leonard Barden, del archivo, 12 de mayo de 1997: Deep Blue gana un paso gigante para computerkind, enlace, 2011.
    MIT, Dimitrios G. Myridakis, Detección de anomalías en dispositivos IoT a través de monitoreo, enlace, 2018.
    Ars Technica, TIMOTHY B. LEE, ¿Por qué los expertos creen que el lidar más barato y mejor está a la vuelta de la esquina, enlace, 2018?
    Universidad McGill en Montreal, Frank P. Ferrie, Ruisheng Wang, Jeff Bach y Jane Macfarlane, un nuevo método de remuestreo de datos LiDAR móvil, enlace, 2018.
    HuffPost, Marquis Cabrera, NCCD, Netflix, y Amazon
    todos utilizan analíticas predictivas, lo que difiere del concepto de enlace, 2018.
    NetFlix Tech Blog / Medium, Chaitanya Ekanadham, Uso de Machine Learning para mejorar la calidad de transmisión en Netflix, enlace, 2018.
    Instituto Global McKinsey, Michael Chui, James Manyika, Mehdi Miremadi, Nicolaus Henke, Rita Chung, Pieter Nel y Sankalp Malhotra, Notas de la frontera de AI: Aplicaciones y valor del aprendizaje profundo, enlace, 2018.