La inteligencia artificial ha recibido algunos golpes. Durante años, Watson de IBM prometió transformar el mundo de los negocios pero no estuvo a la altura de sus propias esperanzas y de su campaña de marketing. El CEO de Tesla, Elon Musk y otros prometieron construir coches que se manejen solos, pero no están ni siquiera cerca de ese objetivo. En junio, The Economist declaró: “La comprensión de las limitaciones de la IA está empezando a hacer efecto”.
Martin Engelsen, un gerente de una granja familiar de salmón en una pequeña isla frente a la costa del norte de Noruega, tiene una visión diferente. Revisa su iPhone una vez al día para ver qué está pasando con su pez, algo que no se imaginaba hacer hace unos meses. Engelsen obtiene información de las imágenes tomadas por las cámaras ubicadas a 20 pies bajo el agua en sus corrales de peces. Le paga a Aquabyte, una empresa de San Francisco que instaló las cámaras a finales de mayo, por un software que analiza las imágenes utilizando un aprendizaje profundo, una forma avanzada de aprendizaje automático, el tipo más común de IA. El software mide y rastrea la densidad de su millón de peces y el número de parásitos en sus escamas, que debe informar a las autoridades.
Google, Amazon y otros gigantes de la industria de la tecnología han liderado y capitalizado los avances en la IA para convertirse en fuerzas dominantes en la economía de los Estados Unidos. Lo que es menos conocido es la medida en que las empresas, tanto dentro como fuera del ámbito tecnológico, están comprando productos y servicios de IA para mejorar sus operaciones, a menudo de una de las decenas de empresas de nueva creación respaldadas por capital de riesgo que han inundado el campo en los últimos años.
Los puntos
- Los negocios que buscan costos más bajos alimentan el auge de la IA.
- La pandemia aumenta el interés por la eficiencia de la IA
- AWS lanza un desafío a Nvidia con un nuevo chip
Las startups de IA como Aquabyte hacen software que realiza tareas que los humanos suelen hacer con menos eficiencia y fiabilidad. Otras empresas de IA ofrecen almacenamiento de datos y herramientas para ayudar a los ingenieros internos de los clientes a desarrollar la tecnología por su cuenta.
Chatbots y cadenas de suministro
Por ahora, muchas empresas de IA se centran en ayudar a las compañías a automatizar partes de su negocio, como el servicio al cliente, permitiéndoles emplear a menos personas en esas funciones, o en predecir la demanda de bienes físicos para que las compañías puedan ampliar sus cadenas de suministro.
Con nombres como Databricks, Scale y Abacus, las nuevas empresas de IA también han ayudado al desarrollo de sistemas que pueden, por ejemplo, ayudar a las compañías de seguros de automóviles a deducir automáticamente el coste de la reparación de un coche dañado a partir de una imagen cargada por el cliente.
T-Mobile utiliza una forma de IA para escanear las notas de los representantes de servicio al cliente de llamadas anteriores. Por ejemplo, si un cliente ha demostrado un patrón de lo que la compañía considera un comportamiento beligerante, el software puede sugerir el enrutamiento de la llamada a ciertos gerentes, según una persona que haya trabajado con la compañía.
“Hay un aburrido mundo de aplicaciones de aprendizaje por máquina de la IA, y van a automatizar casi todo lo que sucede en cada empresa. Sinceramente, la mayoría de la gente no entiende bien eso”, dijo Ali Ghodsi, director general de Databricks, una empresa de rápido crecimiento que está ayudando a compañías como Starbucks y el equipo de béisbol de los Minnesota Twins a implementar software de IA.
En los Estados Unidos, la proporción de anuncios de trabajo relacionados con la IA en línea creció a cerca del 1% de todos los empleos en 2019, desde el 0,07% en 2010, según la empresa de análisis del mercado laboral Burning Glass Technologies. Las inversiones privadas en empresas de IA aumentaron a unos 40.000 millones de dólares al año en 2018 y 2019, desde una cantidad insignificante una década antes, según un estudio de 2019 de la Universidad de Stanford.
La pandemia Covid-19 ha ayudado a muchas de estas nuevas empresas, dijeron los fundadores, ya que los negocios que se han visto afectados por los cambios de los consumidores han buscado nuevas formas de ahorrar dinero.
Aquabyte, la nueva empresa de granjas de peces, es una parte pequeña pero simbólica del boom. Aproximadamente 20 empresas de cría de peces en Noruega y Chile pagan cada una de ellas al negocio de tres años un mínimo de decenas de miles de dólares al año por sus servicios, y algunos contratos superan los 100.000 dólares, según el fundador de Aquabyte, Bryton Shang. Cabe destacar que su software de análisis de peces se basa en algunos métodos de aprendizaje automático que sólo estuvieron disponibles en el último año o dos, dijo Shang, después de que aparecieran en los documentos de investigación.
Antes de que llegaran las cámaras de Aquabyte, la única manera de que Engelsen pudiera controlar su salmón era salir en un barco, capturar algunos peces y esperar que reflejaran con precisión la salud del resto. Las cámaras le ahorrarán a Engelsen más que tiempo. Espera que el software de Aquabyte le ayude a saber con precisión cuándo empezar a vender los peces este otoño, aumentando así sus ganancias.
Otro nuevo cliente para el aprendizaje profundo es Gus Shahin, director de información de Flex, un fabricante de electrónica diseñada por compañías como Apple, Cisco y Google. Dice que su empresa compra 20.000 millones de dólares de materiales al año, y sus fábricas se obstruyen con el inventario si la demanda de los consumidores de un dispositivo es más débil de lo que el cliente de Flex había previsto.
El año pasado, Flex contrató a Abacus, una startup cofundada por antiguos gerentes de Google, Amazon y Uber. El software de Abacus ayudó a Flex a predecir mejor la demanda de “todos los grandes que nos vuelven locos”, dijo Shahin, es decir, clientes que a veces no cumplen sus previsiones, lo que deja a Flex con un exceso de inventario.
Algoritmos que interpretan
El aprendizaje automático se ha convertido en un término general para describir cómo las empresas pueden utilizar los datos para mejorar sus productos. El proceso comienza con un algoritmo, una fórmula matemática que puede identificar características comunes en los datos. Esto se hace a menudo con la ayuda de los humanos que etiquetan una imagen o un texto para ayudar al algoritmo a comprender qué parte de la imagen es una grieta en una tubería de alcantarillado, por ejemplo, o interpretar alguna combinación de palabras en un párrafo como una expresión humana de felicidad o frustración.
El algoritmo está entrenado para reconocer esas características a partir de un conjunto de imágenes o textos previamente etiquetados, y se adapta en consecuencia. La participación de los humanos en el proceso se conoce como aprendizaje automático supervisado.
El resultado final es una fórmula o modelo de aprendizaje automático que puede predecir si hay una grieta en una tubería, algo que antes no podía reconocer.
El aprendizaje profundo, un subconjunto del aprendizaje por máquina, ayuda a las computadoras a hacer capas adicionales de procesamiento. Un aumento en las capas de procesamiento de datos hace más fácil para un sistema procesar pequeños trozos de datos. Este proceso ha permitido el desarrollo de la tecnología de reconocimiento facial, que reconoce grupos específicos de píxeles dentro de las imágenes, facilitando la identificación de la cara de una persona entre millones de imágenes no categorizadas.
A principios de esta década, el aprendizaje profundo ganó popularidad dentro de Google, ahora el líder ampliamente reconocido en el campo. Esto se debió a que los avances de la investigación en ese momento demostraron que el método podía mejorar la eficacia de las recomendaciones en línea, como los anuncios, a las personas. Google y otros estandartes de Internet, incluyendo Facebook y Amazon, tienen la mayor cantidad de datos sobre el comportamiento de los consumidores en línea, y ahora emplean a algunos de los mejores científicos de aprendizaje automático del mundo, ayudándolos a cosechar desproporcionadamente las recompensas de esta información.
Nvidia Challenger
El ejemplo más público del auge del aprendizaje por máquina, aparte de los gigantes de la tecnología, es Nvidia, que fabrica los chips gráficos más vendidos que alimentan los modelos de aprendizaje por máquina. La compañía dijo en mayo que sus ventas de unidades de procesamiento de gráficos para granjas de servidores, donde se produce la mayor parte del aprendizaje a gran escala de las máquinas, subió un 80% a 1.100 millones de dólares en los tres meses que terminaron en abril, en comparación con el mismo trimestre del año anterior.
Sin embargo, Nvidia puede tener pronto un nuevo desafío. En un desarrollo no reportado anteriormente, la unidad de diseño de microchip de Amazon Web Services, Annapurna Labs, va a lanzar un chip a principios de 2021 que tratará de aflojar el control de Nvidia sobre la computación que implica un aprendizaje profundo, dijo una persona con conocimiento del tema. El nuevo chip se basa en un chip existente de AWS, conocido como Inferentia, para permitir a los clientes ejecutar modelos de aprendizaje automático sobre los datos almacenados en la nube de AWS.
El próximo chip AWS, llamado Sunda, tiene como objetivo permitir a los clientes entrenar modelos como lo hace Nvidia. AWS espera comercializar el chip tan rápido como una GPU y tan barato como una unidad central de procesamiento x86. Una CPU es la base del diseño de Sunda, dijo esta persona.
En lugar de implementar nueva tecnología, algunas empresas optan por adquirir la experiencia de la IA en masa. En 2017, John Deere levantó una gran sorpresa al pagar 305 millones de dólares para adquirir Blue River Technology, una empresa que utilizaba el aprendizaje profundo para eliminar las malas hierbas. Blue River había desarrollado un sistema que podía reconocer y rociar con herbicida esas malas hierbas, pero no la lechuga o el algodón que estaban junto a ellas.
No fue fácil. Blue River contrató a agrónomos para que le ayudaran a identificar las malas hierbas, que a veces se parecen a los cultivos que intenta proteger, como el algodón, dijo Chris Padwick, jefe de aprendizaje de máquinas de Blue River. “Se necesitan muchos conocimientos especializados”, dice.
El próximo año será una gran prueba de la adquisición de John Deere. La empresa de equipos agrícolas, que tiene casi 200 años de antigüedad, venderá un herbicida “ver y rociar” alimentado por Blue River como complemento de una máquina de rociado agrícola que se vende al por menor por cientos de miles de dólares. Se espera que el complemento cueste al menos decenas de miles de dólares.
—
Amir Efrati
Via The Information