{"id":26785,"date":"2022-05-10T10:56:21","date_gmt":"2022-05-10T08:56:21","guid":{"rendered":"https:\/\/www.enactiu.org\/?p=26785\/"},"modified":"2022-05-12T09:29:59","modified_gmt":"2022-05-12T07:29:59","slug":"dios-no-juega-a-los-dados-la-inteligencia-artificial-si-lo-hace","status":"publish","type":"post","link":"https:\/\/www.enactiu.org\/es\/dios-no-juega-a-los-dados-la-inteligencia-artificial-si-lo-hace\/","title":{"rendered":"Dios no juega a los dados. La Inteligencia Artificial, s\u00ed lo hace."},"content":{"rendered":"

\u00abDios no juega a los dados con el universo\u00bb, es una de las citas m\u00e1s famosas de Albert Einstein.<\/em><\/p>\n

Einstein hac\u00eda referencia a la mec\u00e1nica cu\u00e1ntica, rama de la f\u00edsica que estudia el comportamiento de las part\u00edculas muy peque\u00f1as (a nivel at\u00f3mico y subat\u00f3mico), y que nunca lleg\u00f3 a aceptar. Lo m\u00e1s sorprendente de la mec\u00e1nica cu\u00e1ntica es que propone que a nivel at\u00f3mico todo se rige por probabilidades; no es posible calcular con certeza ning\u00fan estado.<\/p>\n

Y este es un planteamiento totalmente opuesto al de la mec\u00e1nica cl\u00e1sica, que es determinista. Es decir, sostiene que, si se tienen todos los datos y se conocen las leyes que lo rigen, cualquier resultado es medible y predecible. Para todo resultado existe previamente una causa explicable (causa-efecto). Un ejemplo es la f\u00f3rmula de la segunda Ley de Newton que todos conocemos: Fuerza = Masa x Aceleraci\u00f3n.<\/p>\n

La inform\u00e1tica \u201ctradicional\u201d se basa en este determinismo. Si conoces las reglas (leyes, o f\u00f3rmulas), las puedes escribir en c\u00f3digo inform\u00e1tico, lo que se llama un algoritmo. Y si tienes todos los datos que necesita el algoritmo, lo que se conoce como las variables, puedes calcular un resultado de forma precisa. Sin lugar al error.<\/p>\n

Fuente imagen: Fisimat<\/em><\/p>\n

\"\"Es lo que utilizaron en las olimpiadas de Tokyo 2020 para programar un robot que lanzaba tiros de baloncesto. Encest\u00f3 2020 veces seguidas; ni un solo fallo. Al fin y al cabo, la f\u00f3rmula del tiro parab\u00f3lico es bien conocida (Leyes de Newton). No es f\u00e1cil hacer los c\u00e1lculos porque intervienen muchas variables, adem\u00e1s de las conocidas y fijas como la altura y distancia de la canasta, tambi\u00e9n influyen la gravedad (que depende de la altitud), densidad del aire, presi\u00f3n atmosf\u00e9rica, rozamiento del aire, peso y forma del bal\u00f3n, e incluso la rotaci\u00f3n de la Tierra, entre otras.<\/p>\n

 <\/p>\n

\u00bfY qu\u00e9 pasa si no tenemos todas variables, o no conocemos la f\u00f3rmula?<\/strong><\/p>\n

Es entonces cuando entra en juego la Inteligencia Artificial (AI), y al igual que con la mec\u00e1nica cu\u00e1ntica, a lo m\u00e1ximo que podemos aspirar es a calcular la probabilidad de que un hecho ocurra. Es lo que sucede cuando queremos predecir el comportamiento de nuestros clientes. No existe una regla para adivinarlo con exactitud. Pero lo que s\u00ed tenemos son muchos muchos muchos datos sobre el comportamiento de otros clientes en el pasado. Tenemos los datos, pero desconocemos la f\u00f3rmula.<\/p>\n

Utilizando la Inteligencia Artificial podemos intentar averiguar la regla. Aunque al final a lo m\u00e1ximo que llegaremos es a una aproximaci\u00f3n, a una probabilidad.<\/p>\n

\u00bfY c\u00f3mo se hace?<\/strong><\/p>\n

\"\"<\/p>\n

En los modelos de AI no supervisados, una de las t\u00e9cnicas utilizadas es la del Clustering. Agrupamos los datos en conjuntos, de forma aleatoria, y estudiamos estos grupos para identificar alguna \u201cse\u00f1al\u201d (insight) que tenga sentido. \u00bfEn qu\u00e9 se parecen los datos de un mismo grupo?; \u00bfEn qu\u00e9 se diferencian de los del otro grupo?. Y si no encontramos una relaci\u00f3n o sentido (un patr\u00f3n), entonces lanzaremos los dados otra vez.<\/p>\n

Es decir, volveremos a agrupar aleatoriamente los datos en conjuntos, y otra vez los analizaremos. Y as\u00ed, repetiremos agrupando aleatoriamente (lanzando los dados) hasta que encontremos alg\u00fan tipo de regla, relaci\u00f3n o patr\u00f3n entre los grupos.<\/p>\n

Esta t\u00e9cnica de AI no supervisada es utilizada por las empresas, por ejemplo, para poder crear mejores perfiles de los clientes y sus h\u00e1bitos de compra, y as\u00ed poder enviarles mensajes comerciales m\u00e1s personalizados que mejoren la probabilidad de compra.<\/p>\n

\"\"<\/p>\n

Es el caso de las recomendaciones de productos. Con los miles y miles de datos que tienen de los clientes, y sus anteriores compras la Inteligencia Artificial los va agrupando hasta que encuentra una \u201cposible\u201d relaci\u00f3n entre 2 diferentes grupos.<\/p>\n

Simplificando mucho, un caso ser\u00eda el de un \u201cgrupo A\u201d formado por clientes que compran material deportivo de gama media-alta, y consumen suplementos nutricionales. Y, por otro lado, tendr\u00edamos el \u201cgrupo B\u201d formado por clientes que compran comida bio, y consumen tratamientos de bienestar y salud.<\/p>\n

Es posible analizar sem\u00e1nticamente los dos tipos de consumo y llegar a la conclusi\u00f3n de que ambos grupos, aunque compran diferentes productos, tienen intereses comunes relativos a la salud por lo que los productos y servicios que compra un grupo tienen mayor probabilidad (no certeza) de que sean de inter\u00e9s tambi\u00e9n para el otro grupo. No hace falta decir que, en la realidad, estos an\u00e1lisis son mucho m\u00e1s complejos, con m\u00e1s grupos y m\u00e1s variables.<\/p>\n

La AI no supervisada es utilizada tambi\u00e9n para otros usos, como por ejemplo la detecci\u00f3n de fraudes. La l\u00f3gica es similar, segmentar a los clientes en grupos distintos e identificar alg\u00fan tipo de regla entre ellos. En este caso ser\u00eda detectar una diferencia de comportamiento entre el grupo que realiza un uso correcto de la tarjeta de cr\u00e9dito, y otro grupo en el que el uso de la tarjeta est\u00e1 fuera de lo habitual por lo que surge la sospecha de que hay un fraude en curso.<\/p>\n

En la computaci\u00f3n \u201ctradicional\u201d conocemos las reglas y tenemos todos los datos, y obtenemos resultados precisos. La Inteligencia Artificial la utilizamos cuando no tenemos todos los datos, o no conocemos las reglas (o s\u00f3lo parte de ellas), y el resultado que obtendremos es siempre una predicci\u00f3n, es decir, la probabilidad de que algo ocurra, pero nunca una seguridad.<\/p>\n

 <\/p>\n

Entrevista al presidente de PIMEC, Antoni Ca\u00f1ete, y el experto en Tecnolog\u00eda y Estrategia Empresarial de ACCI\u00d3, Carles G\u00f3mara<\/strong><\/a><\/p>\n

 <\/p>\n

\n","protected":false},"excerpt":{"rendered":"

\u00abDios no juega a los dados con el universo\u00bb, es una de las citas m\u00e1s famosas de Albert Einstein. Einstein hac\u00eda referencia a la mec\u00e1nica cu\u00e1ntica, rama de la f\u00edsica que estudia el comportamiento de las part\u00edculas muy peque\u00f1as (a nivel at\u00f3mico y subat\u00f3mico), y que nunca lleg\u00f3 a aceptar. Lo m\u00e1s sorprendente de la mec\u00e1nica cu\u00e1ntica es que propone que a nivel at\u00f3mico todo se rige por probabilidades; no es posible calcular con certeza ning\u00fan estado. Y este es un planteamiento totalmente opuesto al de la mec\u00e1nica cl\u00e1sica, que es determinista. Es decir, sostiene que, si se tienen todos<\/p>\n","protected":false},"author":178,"featured_media":23773,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[332],"tags":[],"coauthors":[939],"class_list":["post-26785","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-innovacio"],"_links":{"self":[{"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/posts\/26785","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/users\/178"}],"replies":[{"embeddable":true,"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/comments?post=26785"}],"version-history":[{"count":17,"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/posts\/26785\/revisions"}],"predecessor-version":[{"id":26853,"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/posts\/26785\/revisions\/26853"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/media\/23773"}],"wp:attachment":[{"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/media?parent=26785"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/categories?post=26785"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/tags?post=26785"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.enactiu.org\/es\/wp-json\/wp\/v2\/coauthors?post=26785"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}