Crecimiento en adopción de IA en México: 31% de las empresas la han implementado

De acuerdo con una nueva investigación de mercado encargada por IBM, tres de cada diez organizaciones ya están implementando activamente inteligencia artificial en México.

El Índice de adopción de IA global de 2022 muestra que la adopción de la tecnología en el país está impulsada por hacerla más accesible (49 %) y aumentar los avances en las aplicaciones comerciales estándar.

17% de las organizaciones tienen más probabilidades de adoptar inteligencia artificial (IA) en México que en 2021. Según el estudio, el 43% admitió haber explorado sus usos. De estos, el 46% tiene una estrategia, solo el 29% tiene una estrategia general y el 20% tiene planes para casos de uso limitados o específicos.

Además, casi 7 de cada 10 profesionales de TI de empresas que analizan o implementan su uso dicen que han acelerado la inversión y la implementación en los últimos 24 meses, mientras que más de la mitad (59 %) dice que las empresas ya planean invertir en la adopción de IA para incorporarlo en procesos y aplicaciones.

La investigación realizada por Morning Consult para IBM mostró que en América Latina, también era más probable que encontraran dificultades en la gestión de datos en sus empresas, con un 51 % que dijo que la seguridad y el gobierno de los datos eran difíciles, mientras que un 50 % mencionó el cumplimiento y la privacidad.

Fuente: itmastersmag.com

Blockchain, inteligencia artificial y compliance

Estas tecnologías convergen en cuanto a los datos personales, encuentran en estos los elementos esenciales de su funcionamiento y funcionamiento, sin los cuales simplemente no pueden funcionar.

En octubre de 2021, el INAI fue sede del evento de privacidad y protección de datos más importante del mundo: la Conferencia Global de Privacidad (GPA), en su 43° período de sesiones, expertos de diferentes países concluyeron que las tecnologías de la información y la comunicación (TIC) son un elemento separado de la vida humana y del futuro y es esencial para el procesamiento de datos personales.

Entre las nuevas tecnologías destacan en especial el blockchain y la inteligencia artificial (IA), así como los planes seguidos por entidades públicas y privadas; el llamado “compliance” que acapara debates y mesas de discusión.

La tecnología Blockchain es un sistema que permite a una comunidad compartir, recopilar o distribuir información digital o datos de transacciones de múltiples fuentes sin copiarlos ni alterarlos, a menos que se obtenga el permiso de cada miembro o participante. Los datos o la información se dividen en bloques compartidos que se vinculan con identificadores únicos, lo que le da integridad al ser una única fuente de verdad, eliminando así la duplicidad y aumentando la seguridad, previniendo el fraude y el fraude de datos y la manipulación ya que no se puede cambiar sin el permiso de este. grupo.

Diseñado en principio para asegurar moneda digital o criptomonedas como «Bitcoin», los desarrolladores de tecnología buscan otros usos potenciales, ya que al permitir que cualquier información digital se distribuya sin ser copiada, puede ser manipulada miles de veces de manera segura, con lo cual, los datos personales que se requieren para realizarlas de igual forma estarán protegidos.

Ni hablar de la inteligencia artificial, estamos a la espera de grandes descubrimientos que cambiarán nuestro mundo, las películas y series presentan un escenario futurista donde los robots inteligentes nos han superado y de hecho se han apoderado de nuestro planeta. Aunque aún no se han desarrollado máquinas que sean autónomas, totalmente autosuficientes y libres de cualquier interferencia humana, la inteligencia artificial se entiende como sistemas o máquinas que imitan la inteligencia humana para realizar tareas y pueden mejorarlas en función de la información recopilada. La realidad.

Los motores de nuestros teléfonos inteligentes, computadoras o televisores nos muestran sugerencias específicas basadas en nuestros hábitos de búsqueda y gasto: aplicaciones que simulan conversaciones y brindan respuestas automáticas Los «chatbots» usan IA para comprender las preguntas de los usuarios y brindar respuestas más efectivas; los asistentes inteligentes la usan para analizar grandes cantidades de información y mejorar la programación. En esencia, la IA funciona a partir de los datos personales que recaba.

En cuanto al “compliance”, debemos entenderlo como el conjunto de procedimientos y buenas prácticas que emplean las organizaciones para identificar, advertir y reportar los riesgos operativos y legales a los que se enfrentan (tales como sanciones, riesgo de pérdida financiera y pérdida de activos). Reputación, por Incumplimiento de leyes, reglamentos y códigos de conducta, así como asesorar y establecer mecanismos internos de prevención, gestión, control y respuesta. Este cumplimiento normativo tiene derecho a la protección de datos personales, una de sus áreas más sensibles, las leyes y reglamentos aplicables en esta materia imponen una serie de obligaciones y deberes a los responsables del tratamiento, y el incumplimiento de estas obligaciones y obligaciones, grave Las consecuencias pueden resultar, incluyendo fuertes multas.

La tecnología blockchain, la inteligencia artificial y el compliance convergen en materia de datos personales; encuentran en estos un elemento esencial para su funcionamiento y operación, sin los cuales simplemente les es imposible funcionar.

Fuente: elfinanciero.com.mx

Pandemia acelera IA para 40% de empresas en México

En América Latina, el país con la tasa de adopción de IA más alta es Colombia con un 50 %; Perú ocupa el segundo lugar con un 49 %; Argentina y Brasil están empatados en tercer lugar con un 41 %.
El Covid-19 ha acelerado la adopción de tecnología alrededor del mundo en los últimos años, y entre las empresas, ya que muchas han ido más allá en el uso de la inteligencia artificial (IA) en sus operaciones durante este periodo; de hecho, el 40% en México de las empresas aumentó el uso durante la pandemia.

Sin embargo, este fenómeno no es el único de la economía latinoamericana. Según un estudio global del IBM Institute for Business Value, el país con la tasa de adopción de IA más alta es Colombia, con un 50 %; Perú ocupa el segundo lugar con un 49 %; luego, Argentina y Brasil empatan con un 41 % En tercer lugar, Chile tiene 39 %

Para Baltazar Rodríguez, arquitecto senior y evangelista tecnológico de IBM México, la aceleración se debe a la necesidad de la empresa de cumplir con las crecientes expectativas de los clientes, operar de manera más eficiente y gestionar interrupciones cada vez más comunes y severas, como eventos climáticos importantes o una pandemia global.

“Es por eso que las empresas buscan cada vez más usar IA para desbloquear nuevos valores y conocimientos, acelerar el descubrimiento, optimizar procesos, mejorar la experiencia del cliente y más”, dijo en una entrevista con Forbes México.

Los países latinoamericanos varían en adopción y madurez, pero en general, la región aceleró la adopción de IA en un 43 % durante la pandemia, según el índice de adopción de IA de IBM y Morning Consult.

El experto aseguró que la IA está cambiando la forma en que las empresas operan e interactúan con el mundo, ya que brinda capacidades predictivas para aumentar la toma de decisiones humanas.

Por ejemplo, la IA está ayudando a los agricultores a tomar decisiones sobre la siembra de cultivos y la asignación de tierras en función de información basada en datos; médicos e investigadores para comprender mejor enfermedades neurológicas complejas; y minoristas para garantizar productos en los que todos confiamos. Inventario en el momento adecuado y en el lugar correcto. .

«Los minoristas están cambiando su enfoque de las tecnologías tradicionales a la nube híbrida, impulsada por inteligencia artificial. De esta manera, las organizaciones podrán brindar a sus clientes una experiencia omnicanal sin fricciones, así como predecir el comportamiento de compra y planificar los picos de ventas», Rodríguez comentó.

Al mismo tiempo, en la industria de servicios financieros, un enfoque centrado en el cliente y el uso responsable de los datos permitirán a las organizaciones predecir el comportamiento del cliente para ofrecer ofertas más personalizadas, automatización de tareas de cumplimiento, protección de transacciones y datos financieros altamente confidenciales, así como modernizar cargas de trabajo de misión crítica.

Según un estudio del Banco Interamericano de Desarrollo (BID), en América Latina y el Caribe (ALC), el 56 % cree que los beneficios de la ética de la IA se refieren a la privacidad y seguridad de los datos personales; la confiabilidad y seguridad del sistema es del 37 % , y la transparencia es del 33%.

Baltazar Rodríguez cree que la innovación es necesaria hoy más que nunca para satisfacer las necesidades de muchos de los grandes desafíos de nuestro tiempo, desde crear modelos de crecimiento sostenible, responder a futuras pandemias y al cambio climático, hasta optimizar el uso de la energía y asegurar el suministro de alimentos. seguridad.

«Para resolver estos problemas, necesitamos un descubrimiento más rápido, una colaboración abierta, una resolución de problemas eficiente y la capacidad de impulsar la ciencia y los negocios hacia nuevas fronteras. Aquí es donde el conocimiento humano combinado con el poder de la inteligencia artificial marcará la diferencia».

En ese sentido, explicó, la IA centrada en el ser humano es el camino a seguir y la forma en que lo están abordando desde IBM, ya que es una disciplina emergente que busca crear sistemas que amplifiquen y aumenten en lugar de reemplazar las capacidades del sistema de inteligencia artificial humana.

Fuente: forbes.com.mx

El futuro de la inteligencia artificial: 3 avances que pronto veremos

El futuro de la inteligencia artificial aún está por llegar. En estas tres áreas, veremos un mejor uso de esta tecnología, que promete cambiar la forma en que vivimos.

La inteligencia artificial puede ser la herramienta más poderosa que la humanidad haya creado en los últimos tiempos. Aunque todavía está en sus inicios, si tenemos en cuenta su verdadero potencial, ha habido miles de propuestas que demuestran que realmente funciona. Por ejemplo, existe una inteligencia artificial capaz de descifrar la escritura antigua corrompida por el tiempo, mientras que otros pueden predecir si estás a punto de sufrir un infarto al escuchar tu voz. Su utilidad es inconmensurable, y apenas estamos comenzando a comprenderlo.

Por eso, hoy queremos mostrarte tres áreas en las que la IA progresará más en los próximos años. Después de todo, este tipo de tecnologías se están volviendo más prominentes y, según se informa, su valor noticioso aumenta hasta en un 34,5 %. Muy superior al 19,6% reportado en 2020.

¿Quieres saber dónde progresará la IA? Estas son algunas tecnologías y ciencias en las que debe centrarse.

inteligencia artificial neurosimbólica

Los investigadores Artur d’Avila Garcez y Luis Lamb describen la IA neurosimbólica como la tercera ola de la inteligencia artificial. Con él, esperamos ver un progreso significativo en los patrones de reconocimiento utilizados por el sistema. Al fin y al cabo, hasta el momento, la IA no es más que un compendio de conocimientos que, combinado con la formación previa, es capaz de producir resultados.

Sin embargo, esta nueva iniciativa de investigación de IBM permite que la inteligencia artificial reconozca símbolos mientras les otorga un significado semántico y lógico. De esta forma, se espera producir un sistema de inteligencia artificial capaz de realizar tareas más complejas con mayor precisión, requiriendo menos datos y entrenamiento.

Por lo tanto, es posible crear una inteligencia artificial que responda al razonamiento y los procesos, y que sea capaz de explicar por qué toma ciertas decisiones.

«Las redes neuronales y los conceptos simbólicos se complementan muy bien. Porque las redes neuronales te dan respuestas, desde el caos del mundo real hasta representaciones simbólicas del mundo, para encontrar todas las correlaciones en imágenes. Una vez que tienes representaciones simbólicas, puedes hacer algunas cosas bastante sorprendentes en el razonamiento de las cosas».

David Cox, director de MIT-IBM Watson AI en Cambridge, Massachusetts.

Redes generativas adversarias

¿Recuerdas cuando dijeron que el conflicto era malo? Sí, pero esa es una regla que no se aplica a la IA.

Si conoce Internet, probablemente haya visto alguna IA capaz de crear imágenes a partir de texto o recrear cosas que no existen con un realismo increíble. Claro, esto puede ser aterrador para millones de artistas en todo el mundo, pero también es una de las demostraciones más importantes de poder tecnológico.

Pero, ¿qué tiene que ver el conflicto en todo esto? tan fácil. Con la ayuda de las redes antagónicas generativas (GAN), esta imagen impulsada por IA promete mejorar cada vez más. La razón es simplemente que al usar entidades «generadas» y otras entidades «diferenciadas», la IA puede generar comentarios. Por lo tanto, es posible lograr el resultado de que este algoritmo discriminador no pueda distinguir entre imágenes creadas artificialmente e imágenes reales.

Algunos investigadores han ido más allá y están utilizando redes adversarias generativas para crear códigos genéticos completamente falsos. Sin duda, esta es una de las vistas más interesantes que están por venir.

Aprendizaje automático y síntesis molecular
Síntesis Molecular de Inteligencia Artificial
En 2020, AlphaFold de DeepMind aplicó con éxito el aprendizaje profundo a tareas biológicas. En concreto, se utiliza para resolver problemas de plegamiento de proteínas. El campo se ha estudiado durante décadas y las posibles soluciones que utilizan inteligencia artificial podrían conducir al descubrimiento de tratamientos para enfermedades, nuevos medicamentos y una mayor comprensión de cómo se comporta la vida celular.

Esta vez no encontramos inteligencia artificial con funciones específicas y revolucionarias. Sin embargo, es un claro ejemplo de cómo la aplicación de IA puede ser beneficiosa, sin importar el campo.

De hecho, el uso de la inteligencia artificial y el aprendizaje automático ha demostrado ser beneficioso en campos como la biología y la salud. Con ellos, los científicos pueden determinar qué medicamentos podrían ser mejores y qué medicamentos deberían evaluar. Además, podrían sacar diferentes conclusiones sobre el método de síntesis más eficiente.

Fuente : hipertextual.com por Tomás Rivero

Inteligencia artificial: ¿Para qué sirve el aprendizaje automático?

Los humanos entrenan a las computadoras para realizar actividades de manera automatizada. Pero, ¿cómo aprenden las máquinas? Aplicaciones biomédicas que podrían revolucionar la salud.

Gracias a los avances en computación, la inteligencia artificial y el aprendizaje automático llegaron para quedarse. ¿Cuáles son las ventajas y aplicaciones actuales? Lo que comúnmente se conoce como «aprendizaje profundo» o «aprendizaje automático» se refiere a un conjunto de técnicas, un conjunto de algoritmos que enseñan a las computadoras a realizar tareas específicas. “Es una forma de aprender diferente a la de los humanos: si le digo a un niño ‘esto es amarillo’ tres o cuatro veces, entenderá y aprenderáLas computadoras, en cambio, pueden necesitar cientos de miles de ejemplos, es aprendizaje estadístico”, explicó a la Agencia de Noticias Científicas UNQ, Universidad Terra, el ingeniero informático Emmanuel Iarussi, investigador del Conicet en el Laboratorio de Inteligencia Artificial de la UNQ.

Resulta que si tienes una gran base de datos, la computadora aprende a buscar patrones o tendencias. Es diferente de la llamada programación clásica. El científico explicó que al programar, cada paso debe ser metódicamente claro para completar las tareas necesarias. «En el aprendizaje automático, la situación se invierte: al algoritmo se le muestra una etiqueta diferente y se le pide que lo aprenda», agregó. Un ejemplo es el etiquetado de fotos de gatos y perros: después de escanear millones de imágenes, una computadora puede identificar estas etiquetas en otras fotos que nunca antes había visto. Iarussi aclara que computacionalmente es muy costoso porque hay que repetirlo muchas veces.

Algunas de las técnicas utilizadas por el aprendizaje automático se conocen desde hace mucho tiempo, pero actualmente están explotando por dos razones fundamentales.

Por un lado, la cantidad de datos es enorme, Internet y las computadoras han aumentado drásticamente esta disponibilidad, que era inimaginable en la década de 1990. Por otro lado, actualmente existe hardware para procesar toda esta información porque los algoritmos de aprendizaje automático son exigentes.

Algoritmos ubicuos: tontos y poderosos
Hoy en día, los algoritmos de aprendizaje automático son parte de la vida cotidiana. Un ejemplo de esto son los sistemas de recomendación para plataformas de entretenimiento: el algoritmo aprende de miles de usuarios con ciertas características hasta que finalmente sabe qué películas o series les gustan y las puede recomendar a otros consumidores. Este es un asunto relativamente simple y puede realizar tareas más complejas, como los llamados «deepfakes». En este tipo de tarea, predecir cómo se vería un video de una persona hablando. Entre risas, Iarussi aclara que el problema es «¡funciona muy bien!». Hay millones de videos de personas hablando a las cámaras: si aíslas el audio y entrenas un algoritmo para que diga una determinada frase, el resultado es un video muy real de una persona diciendo algo que no sucede en la realidad. El impacto de esto es inimaginable, y puedes poner palabras en boca de las personas que nunca dijeron, y es muy creíble.

Los algoritmos de aprendizaje automático se incluyen en la denominada inteligencia artificial. Para Iarussi, «la IA es aspiracional, suena como una entidad casi humana, y la realidad es que estamos lejos de eso. Hemos visto cosas asombrosas, pero no tienen la capacidad de ser como los humanos». dio un ejemplo: “La red neuronal que entreno para una tarea generalmente no es buena para otra tarea. En cambio, las personas son capaces de realizar múltiples trabajos. Los investigadores del Conicet incluso explicaron que, en ocasiones, los algoritmos tienden a ser «tontos» porque no pueden realizar las tareas solicitadas cuando los datos se presentan de manera diferente a los datos que les enseñaron. «Una verdadera IA debe usar la misma estructura». de cosas al mismo tiempo», concluyó.

Todas estas aplicaciones están contenidas en una «caja negra» y, a veces, se les da demasiado poder. En ocasiones, incluso se utilizan algoritmos para descartar búsquedas de empleo. «Si llegan dos mil currículums, para acelerar el proceso de selección, varios son descartados por un algoritmo que se entrena con datos de empleados que ya tienen un alto rendimiento dentro de la empresa. Ahorra trabajo, pero los rechazos que ocurren son bastante oscuros». Además de los datos, hay características que el algoritmo no puede hacer un censo, y faltan todas esas dimensiones”, detalló.

«Me gusta pensar en estas técnicas como herramientas para el empoderamiento, no como reemplazos. Estos métodos empoderaron y produjeron una revolución similar a la que habría producido la fotografía en ese momento», reflexiona.

revolución biomédica
Debido a su estructura, las moléculas a menudo interactúan y reaccionan; es un juego de entrelazamiento a nivel submicroscópico. Se sabe que el comportamiento de las proteínas está determinado por su forma, razón por la cual la empresa «DeepMINd» propiedad de Google desarrolló «Alphafold». El programa es un conjunto de algoritmos que utilizan el aprendizaje automático para predecir la geometría espacial de las proteínas. «Es una enorme base de datos de proteínas que puede predecir estructuras con mucha precisión. No puedes escribir algoritmos infinitamente complejos, pero con una base de datos puedes aprender tareas automáticas», dice Iarussi.

El científico compartió con entusiasmo parte de su investigación: «Nos contactaron expertos que necesitaban contar y diferenciar rápidamente entre células muertas y vivas en cultivos de cáncer de mama». imágenes de microscopio: «Ayudamos a resolver esta tarea y pudimos proporcionar a los expertos algunas herramientas».

El grupo de Iarussi también está investigando la aplicación de algoritmos de generación de geometría. Un ejemplo de esto es la tomografía ósea computarizada, que reconstruye la geometría de los huesos pero a muy baja resolución. «No es suficiente generar modelos 3D de huesos», explicó. Lo que se hace es entrenar el algoritmo utilizando huesos escaneados a muy alta resolución. Esto no se puede hacer en personas, ya que es una técnica que requiere mucha energía y puede causar mucho daño. Sin embargo, se pueden realizar escaneos de huesos ex vivo para entrenar al algoritmo y comparar con la tomografía de baja resolución. “Si bien estamos aún muy lejos de la aplicación directa, las herramientas están mejorando a pasos agigantados”, comenta.

Fuente: pagina12.com

Translate »