Sé la primera persona en valorar esta idea Valorar

Que quede claro "la IA no tiene nada que ver con data science" - #IA #DataScience



La verdad este post nace por la importancia de que ciertas ideas y conceptos se manejen con claridad, como Inteligencia Artificial y Data Science.

Quienes trabajamos en innovación y hemos vivido varios hype por la innovación, hemos visto como muchos directivos caen ante "vendedores de humo" o "seudo expertos" que comienzan a usar conceptos como parte de su experticia, pero su propio uso muestra lo desconocedores que son de los mismos.

En el mundo de la innovación solemos toparnos frecuentemente con la Inteligencia Artificial y por eso nos preocupa que se entienda bien para que empresas y organizaciones las usen adecuadamente.

Además no hablamos de conceptos y áreas nuevas, sino de campos de conocimiento bastante sólidos y con muchos más de 50 años de vida y trabajo serio y profesional.

Pero no nos detendremos en este tema, sino en que señalar que cualquier confusión o mal uso impacta directamente en los resultados de las empresas, pues realizan inversiones altas en herramientas, metodologías o soluciones que luego no dan los resultados que esperaban.

Y si extendemos esto a nivel país, y habiendo conocido varios países, veo que hay una cierta correlación entre mal uso y confusión de conceptos, con la posición que el país tiene en ranking como el GEM (Global Entrepreneurship Monitor) o el GII (Global Innovation Index).

Desde otra perspectiva se puede decir qué, a mejor uso y explotación del conocimiento, mejores resultados de desarrollo y competitividad.

Esto además lo constato en mi red de linkedin (con casi 19000 conexiones, de muchos países).

Veo que en países con más alta posición en los ranking citados, las personas en general usan los conceptos de forma más precisa, o al menos se intenta mantener un nivel de debate que busca correctitud en el uso, a diferencia de otros países con peores posiciones en los ranking, en los cuales se aprecia más novelería, marketing, o efecto hype en el uso de los términos.

Sin entrar en detalles, diversos estudios muestran que profesionales y directivos con mejor preparación y formación de más calidad, y sumado a buena experiencia, aporta capacidad de análisis, reflexión y crítica, todas cualidades esenciales en un mundo sobrepoblado de información real y de fakes.

Por supuesto estas son generalidades y hay excepciones, sin dejar de mencionar que la culpa no es del instrumento, sino de quien las usa, quien las compra y quien las vende.

Por ello recurro a los post de John Atkinson Abutridy, ya que continuamente publica aclaraciones muy precisas en el campo de la Inteligencia Artificial y que con su permiso publico sus escritos.

John recientemente publicó un artículo interesante donde muestra la distinción entre Inteligencia Artificial y Ciencia de Datos.

Y claro esta distinción es importante.

Porque son campos que se cruzan, pero se venden y se tratan como iguales, e impactan en lo que se vende por innovación. Y si todo se mezcla, pierde la IA, la ciencia de datos, la innovación y las empresas y organizaciones.

Aquí va : "Inteligencia Artificial y Ciencia de Datos: ¿Para dónde apuntan?" (autor John Atkinson A.)

************************************************************************************************************Texto original disponible en https://www.linkedin.com/pulse/inteligencia-artificial-y-ciencia-de-datos-para-d%C3%B3nde-john/
************************************************************************************************************Es preocupante que desde hace algún tiempo se ha ido generando una confusión creciente entre lo que es la Inteligencia Artificial (IA) y la Ciencia de Datos (Data Science), tanto en aspectos conceptuales como prácticos. Claramente todas las tecnologías de alguna forma están relacionadas en muchas aplicaciones, pero esto naturalmente no significa que sean lo mismo, tal como tratan de “vender” muchos profesionales y empresas. Más aún, cada día se están produciendo más estragos a nivel empresarial y laboral, con más del 90% de empresas que usando la “moda” (hype) para vender usan, aplican conceptos e incluso productos sin entenderlos realmente: empresas que supuestamente venden productos de IA pero en realidad son productos de data sciences, empresas que supuestamente venden productos de IA, que no tiene nada de IA, etc.

Siendo justos, me parece natural la confusión entre IA y Data Science ya que, a menos que alguien tenga conocimiento y/o experiencia muy especializada, el común de la gente no tiene porqué saberlo. Sin embargo, esto no tiene justificación cuando estas nuevas tecnologías se vician y mal usan para intentar vender y/o comunicar algo cool. Ejemplos hay muchos en el ámbito profesional/laboral, sin embargo, donde se me ha incrementado exponencialmente el número de canas ha sido recientemente al leer un anuncio de una empresa buscando “Especialista en IA” y en los requerimientos del cargo, se solicitaba “..conocimiento de metodologías scrum y estar certificado en Project Management" (nada que ver!!), etc, y leyendo toda la lista, uno llega al punto final y aún no encuentra qué temas de IA debería conocer el candidato. En otros casos, el desconocimiento de lo que se publica es al menos más sutil: “.. con conocimientos de IA (chatbots)..” (sic), o incluso en perfiles de supuestos “científicos de datos” donde aparecen descripciones al estilo “Data Scientist (AI)” (sic), aludiendo que casi una cosa sería casi equivalente a la otra!!!. Pero definitivamente, un anuncio relacionado de trabajo que me ayudó a quitarme el hipo que tenía, es este: "...Chief Data Scientist que domine los conceptos teóricos de programación estructurada orientada a objetos.." (sic). Claramente, en estos casos, no sólo se evidencia una falta de comprensión total sino una mezcla de “peras con manzanas” para producir quizás algún efecto en la audiencia, o no se qué.. Sin embargo, esto es sólo la punta del iceberg, empresas que "supuestamente" venden tecnologías/productos de IA en realidad o son cosas que no tienen que ver con IA (a propósito o por desconocimiento), o que en realidad son soluciones de analítica al estilo de data sciences.

Matices más o menos, la IA es la ciencia de hacer que los computadores realicen tareas que si las hicieran los humanos serían catalogadas como inteligentes. Aunque existen teorías y modelos más profundos de lo que implica integralmente la “inteligencia”, para propósitos de esta diferenciación, el foco será más práctico, y enfocado en lo cognitivo. La componente “inteligencia” de “Inteligencia Artificial” no viene de regalo, ni de puro nombre “rimbombante”, sino como un conjunto de capacidades “combinadas” que permiten la realización de tareas o resolución de problemas (cognitivamente) complejos, de forma eficiente, muchas de las cuales están basadas en el uso intensivo de conocimiento (NO datos).

Estas capacidades usualmente incluyen aquellas que uno pensaría como símiles en un ser humano: representación de conocimiento y razonamiento (Knowledge Representation ó KR), búsqueda de soluciones (Search), planificación de actividades (Planning), procesamiento de lenguaje natural (Natural Language Processing ó NLP), agencia ó inteligencia social (Multi-Agent Systems), robótica autónoma (Intelligent & Autonomous Robotics), visión artificial (Computer Vision), y aprendizaje automático (Machine Learning ó ML). Una característica común de antaño en muchas de estas capacidades es que están basadas en Conocimiento (knowledge-based) y NO basadas en datos (data-oriented) como ocurre en sistemas de procesamiento convencional de datos. Por otro lado, es importante destacar que no todo lo que tiene alguna palabra “parecida” al ámbito de IA, es IA. Por ejemplo, áreas como la robótica “a secas” han existido hace mucho tiempo y convencionalmente involucran un proceso de automatización más mecánico, y que es suficiente para varios ambientes productivos “estáticos”. Sin embargo, cuando se requiere tareas de automatización en ambientes de producción dinámicos (ej. ensamble automotor, etc), claramente necesitamos robótica más “inteligente”. Así también, visión por computador inicialmente no tiene que ver con IA, sino más bien con métodos geométricos, análisis tradicional de imágenes, etc. Otra historia es que las tareas de visión por computador se realicen con técnicas de IA y que generen una solución actual no sólo factible, sino también más eficiente y robusta que lo tradicional, y así sucesivamente, se puede seguir con varios ejemplos.

Cada una de estas capacidades constituye un área de trabajo independiente pero obviamente relacionada, de la IA, cuya complejidad es tal, que generalmente los científicos se especializan y profundizan en una de ellas, y las combinan a medida que poseen más experiencia. Sutilmente, he recalcado la naturaleza “integrada” o combinada de estas áreas debido a que sistemas prácticos de IA realmente inteligentes de verdad que aporta a un negocio, generalmente unen varias capacidades para resolver un problema en forma eficiente. Esto no sólo es importante por su relevancia práctica en los negocios, sino que se sustenta en la naturaleza concurrente en cómo operan los procesos cognitivos en nosotros, los seres humanos. ¿O acaso Ud. si habla, no puede caminar? ¿O cuando razona no puede aprender? ¿O cuando se mueve no puede interactuar con otros?. ¿O cuando habla no puede ver?, etc. ¿Se da cuenta?. La inteligencia es mucho más que hacer que un computador realice una tarea simple!! (bueno, algunos no pueden caminar y mascar chicle al mismo tiempo, pero eso es otra historia ).

Cada una de las áreas de la IA ha generado desde sus inicios un sinnúmero de avances y aplicaciones, prácticamente desde los años 40. Sin embargo, desde mediados de los años 90, muchas de ellas han comenzado a impactar masivamente en los negocios. Una de ellas, conocida como minería de datos, es una tecnología que combina otras áreas existentes para extraer, inferir y/o descubrir patrones accionables en los datos para tomar mejores decisiones. Para que sea posible, la minería de datos "pidió prestado" y adaptó técnicas provenientes desde aprendizaje automático (ML), estadística, visualización, bases de datos, y computación de alto rendimiento (HPC).

Como parte de los requerimientos esperables en varias áreas de negocio, muchas de las tareas de “minado” de datos son más bien de naturaleza analítica en vez de descubrimiento de conocimiento per se, por lo que sólo se utiliza un conjunto muy reducido de técnicas de ML. Por otro lado, algunos algoritmos de minado de datos, debieron ser adaptados para abordar problemas en donde no sólo disponemos de muchos datos sino que su dinámica es alta, entre otras características. Interesantemente, esta problemática no es exclusiva de los negocios sino de cualquier problema científico-tecnológico, por lo que para abordarlo efectivamente generalmente se debería seguir el “método científico”, comenzando desde la exploración de datos y planteo de las hipótesis, hasta llegar al desarrollo de los modelos e interpretación que dará la solución final al problema original.

Debido a esto, en los últimos años, en un intento por estandarizar y formalizar este proceso, se evolucionó a un área conocida como ciencia de datos (data sciences) que en términos simples es el área que permite resolver problemas analíticamente complejos utilizando mecanismos de inferencia de datos (ej. Estadísticos, Basados en ML, etc), desarrollando algoritmos y tecnologías asociadas. Su objetivo último es utilizar los datos para producir formas creativas de generar valor a un negocio.

¿Se da cuenta? Por el lado que se mire, la IA no tiene nada que ver con data sciences. Una historia diferente es que data sciences “pida prestado” una parte de ML desarrollado por IA para hacer su “pega” (ML data del año 1959!!), por lo que están conectados de alguna forma, como podrían estarlo obviamente otras tecnologías y/o aplicaciones. Un detalle importante a destacar es que la ciencia de los datos sin el uso de ML podría igual hacer su “pega”, tal como se ha hecho con herramientas estadísticas tradicionales y sus aplicaciones en SPSS, Matlab, etc. De hecho, por ejemplo, una tarea de predicción utilizando métodos de regresión tradicionales permite resolver un problema, sin el uso de ML, y mantiene su paraguas de data sciences, por los pasos que implica llegar al resultado.

Entonces, ¿Una gran parte de las empresas (y muchos profesionales) que dice que vende/hace IA realmente no lo hace y vende otra cosa (ej. Data Sciences), por desconocimiento?.

Para responder lo anterior me remontaré a mi época de estudiante de pregrado en los 80s. Un día estaba en la cola para almorzar en el casino de la Universidad, y de aburrido, me puse a ver cuanto anuncio y publicidad había pegado en las paredes. Uno de estos anuncios me llamó profundamente la atención, pues marca un patrón muy transversal en la sociedad que vivimos, especialmente cuando se trata de modas y hypes. En este anuncio había la imagen de excremento y moscas alrededor, y abajo una leyenda que decía: “Coma excremento, millones de moscas no pueden estar equivocadas” !!.

************************************************************************************************************
Fuente: este post proviene de Estrategias y proyectos de innovación, TIC y desarrollo, donde puedes consultar el contenido original.
¿Vulnera este post tus derechos? Pincha aquí.
¿Qué te ha parecido esta idea?

Esta idea proviene de:

Y estas son sus últimas ideas publicadas:

Recomendamos

Relacionado

Noticias Marketing Digital Tecnologia ...

5 Formas en que la IA Transforma el Marketing Digital

Hoy en día la Inteligencia Artificial te la puedes encontrar en cualquier sitio. Impulsa nuestros asistentes personales, como Siri, Alexa y Google Home, previene el fraude con tarjetas de crédito e incluso empieza a conducir nuestros vehículos. Cada día que pasa, la IA se vuelve más inprescindible en nuestro trabajo diario. La publicidad y el marketing se encuentran a la vanguardia, creando víncul ...

¿Cómo se aplica la inteligencia artificial a una e-commerce?

Desde hace tiempo marcas como Google, Amazon o IBM están a la cabeza de la investigación y uso de la inteligencia artificial, ya que permite, entre otras cosas, mejorar la experiencia de usuario. Pero no solo las empresas integran la inteligencia artificial en su negocio, sino que también los estados, que deben manejar miles de datos, la utilizan como parte de su estrategia geopolítica en el ámbit ...

ciencia y futuro informática internet

¿Que es el Big data?

¿Qué es el Big Data? Big Data se define como un conjunto de herramientas para manejar, gestionar y analizar grandes volúmenes de datos de cualquier tipo que no puede ser manejado por las herramientas tradicionales. Gran volumen de datos es un término inglés, la traducción es equivalente a los "datos a granel", datos de gran tecnología que tiene como objetivo analizar los datos e informac ...

Ciencia Curiosidades Estudios ...

Google Duplex, la IA que engaña humanos con su voz

Hemos platicado en múltiples ocasiones de los grandes avances en materia de Inteligencia Artificial (IA), pero también hemos comentado en este mismo espacio respecto a las grandes dudas respecto a su incursión en la vida de los humanos. En este sentido, Google es quizá la empresa que más ha apostado por el desarrollo de IA y durante su evento I/O para desarrolladores presentó un nuevo sistema a ...

general desarrollo web programación ...

Big Data, qué es y para que sirve?

Big Data es uno de los conceptos de moda en el mundo informático. En la actualidad contamos con una gran cantidad de artículos, e información, y en todas las encuestas a los CIOS aparece entre los primeros lugares la necesidad de implantar un sistema de Big Data. Obs: La materia no es mia, el link al proprietário está al fin del post.Sin embargo, observamos una gran confusión sobre "en qué co ...

blog Android

La IA de Google Duplex va a ser probada en el mundo real

Google sigue acercando su sistema de Inteligencia Artificial al mundo real. El proyecto Google Duplex, al IA capaz de imitar la forma de hablar humana y de desenvolverse con soltura en llamadas para reservar restaurantes o citas va a realizar pruebas públicas. Según los datos recogidos por algunos periodistas en las demos privadas, Google lanzará pruebas del mundo real de Duplex en circunstancias ...

_Services DigitalTransformation Innovation ...

#TransformaciónDigital: decálogo para que sea una real redefinición del negocio

1970 es el hito a partir del cual existe un antes y un después en cuanto a la velocidad en los avances en las TIC, velocidad que se ha acelerado en esta última década en cuanto a evolución e innovación tecnológica, haciendo que términos como big data, weareables, MOOC, drones, cloud computing, X as a service (XaaS), internet de las cosas (IoT), sensorización, inteligencia artificial (IA), programa ...

alejandro betancourt big data conocimiento ...

Big Data como herramienta de apoyo a la innovación

Si hay algo que en verdad ha impactado sensiblemente en el mundo de los negocios en términos de innovación y rentabilidad ha sido la aplicación del Big Data para ser más asertivo en la toma de decisiones y conectar en forma más estrecha y expedita con nuestro público por Internet. El Big Datasurge a partir de la enorme cantidad y diversidad de datos digitales que se generan en tiempo real tras la ...

Smartphones

Huawei "Fashion Flair", la primera colección de moda desarrollada con IA

Huawei quiere demostrar cómo la tecnología puede abrir nuevas puertas en todo tipo de categorías, incluso aquellas que parece sumamente alejadas de lo que hace la empresa. Por ejemplo, en la última semana ha lanzado ”Fashion Flair”, la primera colección de moda desarrollada a través de distintos móviles. Gracias al uso de los más recientes Smartphones de la marca, que mezcla la potencia de la inte ...

Computación big data minería ...

Herramientas gratuitas para hacer Data Mining

El mundo sin duda ha cambiado considerablemente a nivel tecnológico, todas nuestras vidas ahora se encuentran digitalizadas. Gracias a esto, las empresas están invirtiendo recursos en la creación de grandes bancos de información, es decir, invierten en toneladas de datos. Los datos parecen ser la nueva mina de oro para los inversionistas. Sin embargo, conseguirlos y extraerlos no es tan fácil como ...