Big data e inteligencia artificial

Comentarios

El mundo estaba inmerso en el big data incluso antes de que se diera cuenta de que el big data existía. Cuando se acuñó el término, el big data había acumulado una cantidad masiva de información almacenada que, si se analizaba correctamente, podía revelar valiosos conocimientos sobre la industria a la que pertenecían esos datos en particular.
Los profesionales de la informática y los científicos se dieron cuenta rápidamente de que el trabajo de cribar todos esos datos, analizarlos (convertirlos en un formato más fácil de entender por un ordenador) y analizarlos para mejorar los procesos de toma de decisiones empresariales era demasiado para las mentes humanas. Habría que escribir algoritmos artificialmente inteligentes para llevar a cabo la enorme tarea de obtener información a partir de datos complejos.
Se espera que los profesionales de los datos y los que tienen un máster en análisis empresarial o en análisis de datos sean demandados a medida que las empresas amplíen sus capacidades de big data e inteligencia artificial en los próximos años. El objetivo es ponerse al día y aprovechar la cantidad de datos que producen todos nuestros ordenadores, teléfonos inteligentes y tabletas, y dispositivos del Internet de las cosas (IoT).

Optimización matemática

¿Cómo está ayudando la inteligencia artificial -y su disciplina más destacada, el aprendizaje automático- a ofrecer mejores conocimientos empresariales a partir de los grandes datos? Examinemos algunas formas, y echemos un vistazo a lo que está por venir para la IA y el análisis de big data
Antes se consideraba un reto importante. Pero ahora se considera cada vez más como un estado deseado, específicamente en las organizaciones que están experimentando e implementando el aprendizaje automático y otras disciplinas de IA.
“La IA y el ML nos están dando ahora nuevas oportunidades para utilizar el big data que ya teníamos, así como para desencadenar un montón de nuevos casos de uso con nuevos tipos de datos”, dice Glenn Gruber, estratega digital senior de Anexinet. “Ahora tenemos muchos más datos utilizables en forma de imágenes, vídeo y voz [por ejemplo]. En el pasado, puede que hayamos intentado minimizar la cantidad de este tipo de datos que capturamos porque no podíamos hacer tanto con ellos y, sin embargo, [supondría] grandes costes almacenarlos”.
Existe una relación recíproca entre el big data y la IA: la segunda depende en gran medida de la primera para tener éxito, al tiempo que ayuda a las organizaciones a liberar el potencial de sus almacenes de datos de formas que antes eran engorrosas o imposibles.

Big data vs inteligencia artificial

El propósito de este documento de posición es presentar el estado actual, las oportunidades y los desafíos del big data y la IA en la educación. El trabajo se ha originado a partir de las opiniones y las actas de los paneles de discusión de una conferencia internacional sobre big data e IA en la educación (The International Learning Sciences Forum, 2019), donde destacados investigadores y expertos de diferentes disciplinas como la educación, la psicología, la ciencia de los datos, la IA y la neurociencia cognitiva, etc., intercambiaron sus conocimientos e ideas. Este artículo está organizado de la siguiente manera: comenzamos con una visión general del progreso reciente de los big data y la IA en la educación. A continuación, presentamos los principales retos y las tendencias emergentes. Por último, basándonos en nuestras discusiones sobre los grandes datos y la IA en la educación, se sugieren las conclusiones y el alcance futuro.
Como subconjunto de la IA, el aprendizaje automático se centra en la construcción de sistemas informáticos que pueden aprender de los datos y adaptarse a ellos automáticamente sin necesidad de programación explícita (Jordan y Mitchell, 2015). Los algoritmos de aprendizaje automático pueden proporcionar nuevos conocimientos, predicciones y soluciones para personalizar las necesidades y circunstancias de cada individuo. Con la disponibilidad de una gran cantidad de datos de entrenamiento de entrada de alta calidad, los procesos de aprendizaje automático pueden lograr resultados precisos y facilitar la toma de decisiones informadas (Manyika et al., 2011; Gobert et al., 2012, 2013; Gobert y Sao Pedro, 2017). Estos métodos de aprendizaje automático con gran cantidad de datos se sitúan en la intersección de los big data y la IA, y son capaces de mejorar los servicios y la productividad de la educación, así como de muchos otros campos, como el comercio, la ciencia y la administración.

Big data e inteligencia artificial pdf

Los objetivos finales de la IA son:Probablemente estamos a años de distancia de conseguir la primera IA perfeccionada, y nunca es realmente perfecta. Sólo para el procesamiento del lenguaje natural, se necesitarán millones de muestras del habla humana que se descomponga en un formato que la IA pueda entender.Cómo la IA da una mejor visión de los datosLa IA está creando nuevos métodos para analizar los datosEn el pasado, obtener una visión de los datos era un duro trabajo humano. Los ingenieros utilizaban consultas o SQL para analizar los datos importantes. “La IA es el siguiente paso a las consultas/SQL”, Steven Mih, director general de AlluxioLo que antes eran modelos estadísticos se ha fusionado con la informática y se ha convertido en big data y machine learning.El análisis de datos es cada vez menos laboriosoComo se ha mencionado en la introducción, gracias a la IA que analiza la videovigilancia, el esfuerzo humano es ahora mucho menor. Algo que podría haber llevado semanas, ahora sólo lleva uno o dos días. “La IA y el ML son herramientas que ayudan a una empresa a analizar sus datos de forma más rápida y eficiente de lo que podrían hacer los empleados”, afirma Sue Clark, arquitecta senior del CTO de Sungard AS.Una de las formas más profundas en las que el ML está cambiando el mundo puede verse en las tendencias actuales de la atención sanitaria. La IA se está utilizando para dar un diagnóstico basado en las respuestas a las preguntas rellenadas previamente por los pacientes. Los médicos no tienen que examinar a todos los pacientes que entran por la puerta.