EVENTOS culas; las empresas aeronáuticas y farmaceúticas ya están en ello. Ahora mismo, con un ordenador D-Wave o con simuladores cuánticos ya se pueden tratar todos los problemas de optimización. Esto incluye optimización de distribución, scheduling, etc.. En definitiva, la computación cuántica transformará casi todos los aspectos de nuestra tecnología, ciencia, economía y vida. Inteligencia artificial, quantum blockchain, quantum 4 quants, scheduling, sensores muy precisos... se convierten en magnificas herramientas para todos los sectores económicos.”Y todavía no sabemos ni el 10% de las nuevas posibilidades y utilidades. Cuando salió internet, quién se iba a imaginar que en la actualidad, de las nueve mayores empresas por capitalización bursátil, nueve se dedican a lo de internet”, aseguró Alfonso RubioManzanares, antes de pasar a su tercera conclusión del día: «en la actualidad hay infinidad de empresas y entidades dedicadas al tema yEspañaes unapotencia mundial en talento que quiere liderar el desarrollo de las tecnologías cuánticas en el sur de Europa». Inteligencia Artificial Acontinuación fue el turno de Lali Soler, Responsable del Área de Tecnología Digital de Eurecat, que abordó en su intervención los principales aspectos de la inteligencia artificial, tanto la definición de los principales conceptos como las buenas prácticas para una implantación exitosa en la empresa. La InteligenciaArtificial (IA) es la inteligencia exhibida por máquinas. En ciencias de la computación, una máquina ‘inteligente’ ideal es un agente racional flexible que percibe su entorno y lleva a cabo acciones que maximicen sus posibilidades de éxito en algún objetivo o tarea. Atribuir a la máquina la capacidad de aprender es uno de los pilares fundamentales de la inteligencia artificial. El Machine Learning es el campo de la ciencia de la computación que se ocupa de enseñar a los ordenadores a desarrollar determinadas tareas sin necesidad de hacer una programacioìn expresa o ad-hoc. Existen varias maneras de abordar el problema: lAprendizaje Supervisado. Tiene lugar cuando el ordenador recibe datos ‘etiquetados”’que consisten en pares de inputs y outputs (ejemplo: una imagen de un gato correctamente etiquetada como ‘gato’). De estemodo, lamáquina aprende reglas generales que le permiten otorgar a cada input su etiqueta correcta. Es unmecanismomuy eficaz para clasificar o predecir valores futuros. lAprendizaje No Supervisado. Tiene lugar cuando el ordenador recibe datos desestructurados y no etiquetados y desarrolla la capacidad de descubrir estructuras y patrones inherentes a los datos. Una de las aplicaciones más importantes es el clustering cuyo resultado es la obtención de grupos de datos que comparten características similares. lAprendizaje Reforzado. Se trata de una disciplina que otorga a la máquina la capacidad de aprender mediante una metodología de prueba y error. En este caso, el ordenador es instruido para alcanzar un determinado objetivo en un entorno dinámico. El deep learning es un sub-campo del machine learning cuyos algoritmos de aprendizaje se basan en redes neuronales multicapa. Se trata de estructuras matemáticas que emulan el mecanismo biológico de las conexiones neuronales. Las redes neuronales aparecieron en 1950, pero los avances tecnológicos en capacidad de computación, unidos al fenómeno del Big Data han hecho posible que los algoritmos basados en deep learning se aproximen omejoren el rendimiento humano en campos como el reconocimiento de voz o de imágenes. Estrategia de IA La historia de la inteligencia artificial no está exenta de altibajos y momentos de olvido. No es hasta la pasada década cuando los avances en capacidad de computación y el fenómeno de datificación (o generación de datos digitales) confluyen para crear el entorno óptimo para su desarrollo y aplicación en ámbitos inusuales hasta entonces, como la gestión empresarial. Sea como sea, el gasto global en sistemas de inteligencia artificial seguirá su trayectoria de sólido crecimiento en los próximos cuatro años. Las previsiones apuntan a que el gasto a nivel mundial en estos sistemas alcanzará los 77.600 millones de dólares en 2022, lo que supone más de tres veces la cifra prevista para este 2018 que se sitúa en 24.000 millones. Según varias fuentes, la tasa de crecimiento anual compuesto para el período 2017-2022 será de un 37,3%. La inteligencia artificial da solución automática, actualmente, demanera casi perfecta a problemas como el reconocimiento de voz, de imágenes y el procesado de lenguaje natural. Sorprendentemente, a pesar de la amplitud del impacto de la IA, los tipos de despliegue que se están implementando todavía son extremadamente limitados. Casi todo el progreso reciente de la IA es a través de un tipo, en el que algunos datos de entrada (A) se utilizan paragenerar rápidamente alguna respuesta simple (B). Esto es, aprendizaje supervisado. El software de aprendizaje supervisado de hoy tiene un talón de Aquiles: requiere una gran cantidad de datos. Se debe mostrar al sistema muchos ejemplos de A y B. Por ejemplo, crear un etiquetador de fotos requiere de decenas a cientos de miles de imágenes (A), así como etiquetas o etiquetas que le informen si hay personas en ellas. La construcción de un sistema de reconocimiento de voz requiere decenas de miles de horas de audio (A) junto con las transcripciones (B). Para el desarrollo de una estrategia empresarial de inteligencia artificial la experta apuntó cuatro pilares en los que trabajar: lConstruir una cultura empresarial preparada para la InteligenciaArtificial. 45 - Ascensores y Montacargas
RkJQdWJsaXNoZXIy Njg1MjYx