Sistemas cognitivos: ¿Qué hacen los entrenadores de algoritmos?

Los sistemas cognitivos son invisibles a los humanos. Aún así dan soporte, sincronizan y planean el día a día. Te informan de la ruta más rápida desde el punto A al punto B o se aseguran de que los ascensores de un gran edificio de oficinas vuelvan a la planta baja automáticamente durante las horas pico de la mañana, para ahorrarnos tiempo.

Algoritmos e IA: La sutil diferencia

Si, por ejemplo, se pone en marcha un algoritmo de un sistema de ascensores inteligente en un edificio de oficinas, inicialmente éste dispone únicamente de una fórmula de cálculo. La fórmula incluye factores como el número de ascensores, las plantas y los empleados. El sistema está programado para optimizarse cuando llega nueva información. Este proceso se conoce como machine learning (“aprendizaje automático”).

Cuando se alimenta al sistema con más información y se utiliza el machine learning, el sistema se convierte en una Inteligencia Artificial (IA).

La base de la IA: El machine learning

En el ejemplo del sistema de ascensores, se alimenta al algoritmo con los datos de todos los usuarios desde el inicio de su operación. El sistema advierte que hay una alta demanda de ascensores en la hora punta de las 8 a las 9 de la mañana y ajusta su comportamiento, asegurándose que los ascensores vuelven a la planta baja durante esas horas, para recoger más rápidamente a los pasajeros.

Los sistemas de autoaprendizaje de reserva de salas de reuniones funciona de forma similar. El artículo de Job Wizards “Reuniones inteligentes: Tres visiones del futuro” explica cómo trabajan.

Sistemas cognitivos y de autoaprendizaje

El machine learning se basa principalmente en dos métodos: El aprendizaje sin supervisión, en el que el propio sistema busca patrones en bases de datos muy grandes y los filtra. Así es como se obtienen las recomendaciones de compra en Amazon (“compradores que compraron A compraron también B”) o las recomendaciones musicales.

Los análisis de las transacciones bursátiles y el reconocimiento de patrones de fraude con tarjetas de crédito funcionan también de esta forma. La composición de los datos es muy importante en el aprendizaje sin supervisión. Si los datos son incorrectos o están desactualizados los resultados se verán afectados consecuentemente, perjudicando la calidad de la inteligencia artificial y los sistemas cognitivos.

Cómo se entrena a los algoritmos

En el aprendizaje supervisado, a los algoritmos se les proporcionan datos de entrenamiento. A la vez, el algoritmo recibe respuesta sobre la calidad de su categorización por parte de sus entrenadores humanos. Las personas funcionan como entrenadores de algoritmos en cuestiones como la clasificación de imágenes, noticias o la valoración de datos.

Si, por ejemplo, un sistema tiene que aprender cómo archivar correctamente información públicamente accesible en una base de datos empresarial, necesita un soporte inicial, monitorización y supervisión por parte de una persona.

¿Necesita una PYME un entrenador de algoritmos?

La mayoría de los entrenadores de algoritmos trabajan entre bastidores. Para una PYME este puesto de trabajo será interesante únicamente si va a desarrollar una IA para sus propios fines. El programa para una IA o sistema cognitivo será escrito por programadores.

A menudo una PYME demandará únicamente tareas sencillas de ordenación, que pueden llevar a cabo entrenadores de algoritmos. Estas tareas se dividen normalmente en paquetes que se entregan a trabajadores contratados para esa tarea, por ejemplo a través de la plataforma Mechanical Turk de Amazon.