Krypton Solid

La última tecnología en raciones de 5 minutos

Aprovechar los múltiples usos de las redes neuronales artificiales

Los usos de redes neuronales artificiales en la empresa continúan ampliándose a medida que las organizaciones evolucionan digitalmente. A las empresas les resulta cada vez más difícil ignorar las ventajas del uso de redes neuronales, incluso a pesar de las preocupaciones éticas y los desafíos de implementación de la IA.

¿Qué son las redes neuronales?

Las redes neuronales artificiales son un tipo de procesamiento de datos que se basa en cierta medida en la estructura y los procesos del cerebro humano. Se componen de una capa de entrada, una capa de salida y una capa oculta, con retropropagación, un algoritmo utilizado para el aprendizaje automático supervisado, una pieza fundamental del proceso.

Las organizaciones despliegan en gran medida dos tipos de redes neuronales: convolucionales y recurrentes. Cada red neuronal tiene su propio conjunto de usos.

Casos de uso de redes neuronales convolucionales

Las redes neuronales convolucionales (CNN) son las más adecuadas para resolver problemas relacionados con datos espaciales, como imágenes. Las organizaciones los utilizan para servicios como software de reconocimiento facial, análisis de resultados médicos (rayos X) y clasificación de imágenes en sitios web minoristas para marketing dirigido.

Los sitios de comercio electrónico, como eBay, utilizan CNN para crear una plataforma de compra y venta más eficiente, mejorando la experiencia del cliente.

«El uso de aprendizaje profundo y experiencias visuales ha sido un enfoque clave para nosotros», dijo Nitzan Mekel-Bobrov, director de inteligencia artificial de eBay.

Por ejemplo, eBay utiliza redes neuronales para enumerar automáticamente productos, como tarjetas comerciales, para los vendedores en función de los datos recopilados de listados anteriores. Los vendedores pueden tomar una fotografía de las tarjetas que quieren vender, y la CNN identificará características clave como qué tipo de tarjetas son y cuándo fueron emitidas, luego creará la lista para el vendedor.

«La visión es realmente poder llegar a un punto en el que un vendedor pueda tomar una imagen de cualquier cosa y podamos generar el listado para ellos automáticamente», continuó.

Tipos de IA, aprendizaje automático, redes neuronales, aprendizaje profundo

Gracias a las mejoras en la tecnología, los casos de uso de las CNN involucran cada vez más componentes de video.

Las CNN, por ejemplo, pueden extraer información de videos para rastrear datos como la cantidad de farolas rotas en una ciudad, dijo Sreekar Krishna, líder nacional de inteligencia artificial y jefe de ingeniería de datos en KPMG.

La capacidad de responder a estas preguntas mediante el análisis de video puede beneficiar a las compañías de seguros. Las CNN están bien equipadas para manejar el análisis de daños, la reconstrucción de accidentes y otras formas de análisis espacial, por ejemplo.

«Puede reconstruir los daños que están ocurriendo en los vehículos o incluso en las casas … de hecho, puede analizar cuál es el impacto del daño analizando estos videos e imágenes», dijo Krishna.

Usos recurrentes de redes neuronales

Mientras tanto, la fuerza de las redes neuronales recurrentes (RNN) radica en su capacidad para analizar datos secuenciales temporales, como texto y datos de series de tiempo. Las aplicaciones comunes de esta tecnología se encuentran en el reconocimiento y la previsión de voz.

Las empresas minoristas y otros proveedores utilizan RNN para monitorear los hábitos de los clientes y luego intentan de manera proactiva retener a los clientes cuando el RNN detecta posibles señales de alerta.

Por ejemplo, los RNN pueden ayudar a identificar a los clientes que han realizado varias devoluciones en un período corto, dijo Kirk Borne, director científico de DataPrime, Inc., un sitio de emparejamiento impulsado por inteligencia artificial para candidatos y puestos de trabajo.

«Probablemente no vayan a comprarnos nunca más», dijo Borne, y agregó que las redes neuronales pueden ayudar a responder «¿qué podemos hacer para intervenir?»

Capa de red neuronal, capa oculta, capa de salida, capa de entrada
Las redes neuronales se componen de una capa de entrada, una capa de salida y una capa oculta.

Resolver problemas comerciales con redes neuronales

Al implementar redes neuronales, «siempre hay que elegir un subconjunto del problema para abordar primero. Y a veces eso puede parecer una característica … un tipo de problema que podría resolver», dijo Mekel-Bobrov.

Los líderes empresariales ven la implementación de redes neuronales como un proceso gradual y calculado.

La iteración es una parte importante de la definición de dónde implementar redes neuronales y en qué grado. Para un sitio de comercio electrónico como eBay, esto se aplica cuando se usa AI para crear una lista de productos basada en listas similares publicadas previamente por los proveedores. Al principio, el conjunto de datos (es decir, listados anteriores) puede comenzar pequeño, por lo que la red neuronal solo puede crear nuevos listados para los artículos que se venden comúnmente.

Pero a medida que un sitio de comercio electrónico vende más artículos y el conjunto de datos crece, la tecnología de listado de productos impulsada por el aprendizaje profundo puede crear listados para una mayor variedad de productos y con mayor precisión.

Los minoristas y las organizaciones financieras también suelen utilizar redes neuronales para la detección de fraudes.

Una red neuronal puede identificar un comportamiento fuera de la norma, tomando nota cuando una persona que normalmente compra gas una vez a la semana lo compra varias veces a la semana, por ejemplo.

«Es la combinación de la hora del día, el producto que compró, la cantidad que compró, la ubicación, lo compró, ese tipo de combinación extraña que dice, ‘esto es fraudulento'», dijo Borne.

Los desafíos de las redes neuronales

Las empresas también deben comprender los desafíos detrás de la creación y el uso de redes neuronales. Los problemas comunes incluyen la falta de transparencia en el funcionamiento de un modelo, sesgo en los resultados de un modelo y no tener suficientes recursos computacionales para ejecutar modelos a escala.

Debe capacitar a la fuerza laboral que interactúa con la tecnología para que la tecnología no esté allí para tomar sus decisiones.

Sreekar KrishnaLíder nacional de inteligencia artificial y jefe de ingeniería de datos, KPMG

Para las empresas que operan a gran escala, como eBay, «los recursos computacionales necesarios son bastante desafiantes … cuanto más avancemos en infraestructura y computación, más rápido podremos avanzar en términos de implementación de aprendizaje profundo en muchos diferentes casos de uso «, dijo Mekel-Bobrov.

Un ejemplo del mundo real de los problemas éticos que surgen de confiar en el aprendizaje profundo es determinar la solvencia. Si una persona que solicita una tarjeta de crédito es rechazada por un prestamista que utiliza redes neuronales como base para su software, su historial crediticio y trayectoria financiera están determinados por una máquina, no por un ser humano.

La naturaleza de caja negra de la IA se convierte en un problema cuando las decisiones del algoritmo afectan la vida de un individuo, como si son aceptadas o rechazadas para una línea de crédito. Se necesita una explicación completa de por qué se aprobó o falló una aplicación, por lo que las personas deben comprender cómo un modelo tomó esa decisión.

Dicho esto, los prestamistas de crédito implementan cada vez más redes neuronales para analizar el historial financiero de los clientes potenciales y determinar la solvencia. Las empresas están obteniendo importantes beneficios de la implementación y la iteración de redes neuronales para el reclutamiento y la contratación. Los riesgos asociados con las redes neuronales a menudo no son suficientes para compensar las posibles mejoras en los procesos comerciales.

Cómo los líderes empresariales pueden utilizar las redes neuronales

Al considerar las redes neuronales, las empresas primero deben definir los parámetros sobre dónde quieren que las redes neuronales influyan en los negocios y determinar dónde pueden vivir y dónde no pueden vivir, con los resultados de un rendimiento tecnológico deficiente temporal.

«Tienes que capacitar a la fuerza laboral que interactúa con la tecnología en que la tecnología no está ahí para tomar tus decisiones … Google me dio un mal resultado de búsqueda, gran cosa. Mi vida no cambió. Amazon recomendó el mal producto, gran cosa. Mi vida no cambió «, dijo Krishna.

La pregunta número uno que los líderes de TI deben hacer a sus equipos es «¿Hemos medido nuestra declaración de valor antes de lanzarnos a la IA?» Krishna dijo.

Cada industria necesita definir su declaración de valor o sus objetivos para decidir si implementar redes neuronales artificiales es la decisión correcta.

Krishna señaló que «preguntar qué paso del proceso es el que está causando el mayor problema en la organización, y luego atacar ese problema usando IA» es la mentalidad necesaria al implementar redes neuronales.

Sin embargo, estos riesgos inherentes no pueden obstaculizar el cambio. Convertirse en AI primero es un objetivo común en la empresa, y aquellos que pasan la implementación de AI se lo están perdiendo.

«Algunas empresas simplemente dicen que no vamos a hacer IA, simplemente vamos a seguir haciendo las cosas a la antigua», dijo Borne. «Pero creo que esas empresas van a perder a largo plazo, porque la tecnología avanza tan rápido que las empresas que lo hagan bien simplemente ganarán el mercado».

Deja un comentario

También te puede interesar...

PADS acelera el diseño de PCB de IoT

IoT es el tema más candente en el mercado en este momento. Está llegando a la vida de prácticamente todas las personas en términos de equipos y dispositivos que se utilizan. En efecto, IoT es

Power BI para Office 365 promueve la colaboración

Las empresas reconocen cada vez más el valor estratégico del análisis de datos y uno de los beneficios de esta tendencia es una nueva generación de herramientas de inteligencia empresarial (BI) fáciles de usar, que

Derivados 101

Las inversiones se han vuelto más complicadas en las últimas décadas, con la creación de muchos derivados que ofrecen nuevas formas de administrar el dinero. El uso de derivados para cubrir el riesgo y mejorar

Novedades para diseñadores, diciembre de 2018

Novedades para diseñadores, diciembre de 2018 ¡Felices vacaciones! Esta colección de nuevas herramientas y recursos es nuestro regalo para ti esta temporada. Y hay muchos elementos de temática navideña. ¡Disfrútalo! Si nos hemos perdido algo

Definición de interés adeudado

¿Cuál es el interés adeudado? El interés adeudado es la cantidad en dólares necesaria para pagar el costo de los intereses de un préstamo durante el período de pago. Cuando un prestatario toma un préstamo

Cómo comprar una anualidad en línea

Si está pensando en una anualidad como un vehículo para ayudarlo a aumentar sus ahorros o proporcionarle un flujo constante de ingresos, es importante que comprenda sus opciones. Si bien las anualidades pueden ser una

Los 5 mejores emuladores de DS para Android del 2023

Curiosidad: ¿Sabías que en el año 2023 existen cinco excelentes emuladores de DS para Android? Estos emuladores te permiten disfrutar de tus juegos favoritos de Nintendo DS en tu dispositivo móvil. Consejo: Si eres fanático

¿Es Berkshire Hathaway adecuado para una IRA?

Berkshire Hathaway (BRK.A, BRK.B) es un holding de conglomerados que es mejor conocido por su icónico CEO, Warren Buffett. También conocido como el Oráculo de Omaha, Buffett ha estado construyendo la compañía durante décadas y

Stratus Technologies revisa el programa de socios de canal

Stratus Technologies, que ha estado vendiendo sistemas informáticos tolerantes a fallas durante 40 años, se encuentra en medio de un renacimiento. Como parte de una autoevaluación corporativa, la empresa redujo drásticamente sus socios de canal

Las ventajas del iPhone sobre Storm

Probablemente ya hayas escuchado suficiente sobre Blackberry Storm, pero sígueme la corriente por un segundo. Hay varias formas en que Storm vence al iPhone por cómo lo llamo la ventaja del segundo motor. RIM hizo

Turnbull hizo un gran trabajo: Conroy

El ministro de Comunicaciones, Stephen Conroy, elogió a su homólogo de la oposición, Malcolm Turnbull, y dijo que había hecho un «gran trabajo» al sacar al partido de la política de telecomunicaciones del siglo XIX.

Contáctenos – SearchContentManagement

Envíanos tus comentarios SearchContentManagement agradece sus comentarios. Nuestro objetivo es crear el mejor sitio web específico para la gestión de contenido empresarial. Una forma de hacerlo es escuchando sus comentarios. Intentaremos abordar todos los comentarios