Advanced Artificial intelligence

La aplicación de la Inteligencia Artificial en las organizaciones en este momento será decisiva para mejorar la productividad.

La posibilidad de dotar a los ordenadores de algoritmos capaces de realizar tareas humanas está revolucionando la optimización empresarial. La inteligencia artificial permite realizar una simulación de los procesos de inteligencia humana por parte de las máquinas. Entre las aplicaciones específicas de la IA se encuentran los sistemas expertos, el procesamiento del lenguaje natural, el reconocimiento del habla y la visión artificial.

El equipo de Cloud Levante – dirigido por Oscar M. Mozos – ayuda a las empresas a poner en marcha rápidamente iniciativas de IA utilizando diversas técnicas, como el aprendizaje automático, el aprendizaje profundo y los modelos de predicción. Con este marco, las empresas ofrecen resultados en semanas o meses, en lugar de años. A Óscar le gusta aplicar soluciones de ciencias de la computación (principalmente el aprendizaje automático y la IA) para resolver problemas en diferentes áreas, incluyendo la robótica de servicios, la bioingeniería, la vida asistida por el entorno y las tecnologías de calidad de vida en general, con el objetivo principal de mejorar el día a día de los clientes de Cloud Levante.

Técnicas de IA aplicadas a los modelos de negocio

Probabilistic models 

Una de las principales ventajas de los modelos probabilísticos es que dan una idea de la incertidumbre vinculada a las predicciones al tener en cuenta el impacto de los acontecimientos o acciones aleatorias en la predicción de la posible aparición de resultados futuros.

Podemos hacernos una idea de la confianza que tiene un modelo de aprendizaje automático en su predicción. Por ejemplo, si el clasificador probabilístico asigna una probabilidad de 0,9 a la clase «Perro» en su lugar de 0,6, significa que el clasificador tiene una confianza extra en que el animal de la imagen es un perro. Estos conceptos relacionados con la incertidumbre y la confianza son muy valiosos cuando realizamos la modelización probabilística de inventarios para empresas. Para ello se utiliza una distribución de probabilidad para especificar el valor de la demanda u otra variable desconocida.

Classic Machine Learning, Deep learning

El aprendizaje automático nos permite que las aplicaciones de software sean más precisas a la hora de predecir resultados sin estar explícitamente programadas para ello. Los algoritmos de aprendizaje automático utilizan datos históricos como entrada para predecir nuevos valores de salida. Los motores de recomendación son un caso de uso común para el aprendizaje automático. Otros usos populares son la detección de fraudes, el filtrado de spam, la detección de amenazas de malware, la automatización de procesos empresariales (BPA) y el mantenimiento predictivo.

El aprendizaje profundo elimina parte del preprocesamiento de datos que suele conllevar el aprendizaje automático. Estos algoritmos pueden ingerir y procesar datos no estructurados, como texto e imágenes, y automatizan la extracción de características, eliminando parte de la dependencia de los expertos humanos. Por ejemplo, digamos que tenemos un conjunto de fotos de diferentes mascotas y queremos clasificarlas por «gato», «perro», «hámster», etc. Los algoritmos de aprendizaje profundo pueden determinar qué características (por ejemplo, las orejas) son más importantes para distinguir cada animal de otro.

Prediction models, decision making, planning

Proceso utilizado para predecir eventos o resultados futuros mediante el análisis de patrones en un conjunto dado de datos de entrada. Es un componente crucial del análisis predictivo, un tipo de análisis de datos que utiliza datos actuales e históricos para predecir la actividad, el comportamiento y las tendencias.

Time series / spatial trajectory analysis

Estos datos tienen numerosas aplicaciones en diversos sectores. Ejemplos de análisis de series temporales: Actividad eléctrica en el cerebro, mediciones de lluvia, precios de las acciones, número de manchas solares. Ventas anuales al por menor, Abonados mensuales o Latidos del corazón por minuto. 

También hay multitud de aplicaciones de la IA. Aplicamos la IA en la Industria 4.0 / 5.0, la robótica, los coches autónomos, el comportamiento de las personas, las interacciones sociales, la salud, el cuidado, la alimentación, la sostenibilidad, la IA fiable / justa, los impactos sociales, la ética, la privacidad, …

Para quien esté dispuesto a adoptar estos modelos, Oscar M. Mozos se centra en las previsiones estructurales de las necesidades futuras de los clientes. Su capacidad de anticipación se perfecciona, además, con una cátedra en  Wallenberg AI, Autonomous Systems and Software Program (WASP) Associate Professorship at the Centre for Applied Autonomous Sensor Systems (AASS), at Örebro University, Sweden.