La industria de TI tiene un caso severo de cumplimiento de Buzzword. Ahora es obligatorio que las empresas escriban palabras como “aprendizaje automático,” “inteligencia artificial,” o “aprendizaje profundo” Para dinamizar cualquier conversación en torno al análisis..

Desafortunadamente, esto puede hacer que sea más difícil entender los beneficios reales que puede aportar la última evolución en análisis..

Jerga desmitificada

Para ayudar a los no iniciados, comencemos explicando algo de la jerga:

La inteligencia artificial (IA) es una capacidad. John McCarthy utilizó el término por primera vez en 1956 para describir máquinas capaces de realizar tareas que son características de la inteligencia humana..

El aprendizaje automático (ML) es un proceso. Arthur Samuel acuñó el término en 1959 para describir la variedad de métodos computacionales que son capaces de crear IA, mediante el aprendizaje y la realización de tareas específicas sin estar explícitamente programado para hacerlo..

El aprendizaje profundo (DL) es una técnica específica de ML. Existen muchos otros. Cuando la gente dice que estan “haciendo IA” o “investigando DL,” Básicamente, están haciendo aprendizaje automático..

El aprendizaje automático en su esencia es solo otra herramienta en la caja de herramientas de análisis. Pero no minimicemos su importancia. Bien hecho, el aprendizaje automático amplía nuestra capacidad de pronosticar y tomar decisiones en una gama más amplia de casos de uso que hasta ahora.

Cuando se trata de incorporar inteligencia a la empresa, a menudo se trata de predicciones y toma de decisiones. Se reconoce ampliamente que las empresas deben evolucionar más allá del simple análisis dimensional, como los tableros y desarrollar una capacidad predictiva para lograr resultados comerciales cada vez más valiosos..

¿Por qué el aprendizaje automático??

Afortunadamente, las matemáticas proporcionan algunos métodos altamente efectivos para ayudar a resolver problemas complejos de predicción y toma de decisiones. Entonces, surge la pregunta, si ya tenemos métodos efectivos disponibles, ¿qué uso tiene el aprendizaje automático??

La NASA ha logrado predecir el comportamiento de los satélites tan bien que todavía los está controlando desde una distancia de 21 mil millones de kilómetros, 41 años después de su lanzamiento. Por lo tanto, usted pensaría que resolver problemas empresariales terrestres sería una tarea fácil. Pero este no es necesariamente el caso..

Para tomar una decisión sensata o una predicción precisa, uno tiene que tener un modelo: una comprensión del problema que debe abordarse. Si bien los problemas de la NASA parecen absurdamente intratables, son capaces de resolverlos porque siglos de aprendizaje científico les han proporcionado los modelos necesarios, expresados ​​como ecuaciones matemáticas. Las técnicas analíticas clásicas son increíblemente efectivas cuando tenemos una comprensión matemática completa del problema.

Aprendizaje automático vs. analítica

A la inversa, nos quedamos rápidamente sin vapor analítico cuando carecemos de esta comprensión matemática del problema. ¿Quieres encontrar una ecuación para describir cómo se comporta la gravedad? No hay problema. ¿Necesita encontrar una ecuación para determinar cómo se comporta un grupo de consumidores? ¡La mejor de las suertes! Aquí es donde el aprendizaje automático agrega valor. Permite a la humanidad encontrar soluciones a problemas que no entendemos lo suficientemente bien como para utilizar los métodos analíticos existentes..

Los métodos de aprendizaje automático difieren en que los modelos que construyen son invariablemente simples, y solo necesitan comprender el problema específico en cuestión. Estos modelos se derivan directamente de observaciones de conjuntos de datos relevantes a los que están expuestos, y no de siglos de aprendizaje científico..

El aprendizaje automático no debe considerarse un reemplazo de los enfoques analíticos clásicos. Más bien, es una extensión útil para permitir que se obtengan respuestas más precisas a las preguntas existentes, o que se hagan preguntas completamente nuevas. En una caja de herramientas compuesta por herramientas de propósito específico, el aprendizaje automático es la navaja suiza. Con sus múltiples funciones, no es una herramienta que el experto en análisis analítico deba buscar de inmediato, pero sí que les complace tener cuando todas las herramientas convencionales han demostrado ser inadecuadas..

Paul Fermor, Director de Soluciones del Reino Unido en Software AG

  • También hemos destacado las mejores plataformas de IA para empresas.