Artículo de Carlos García Fernández, profesor de EOI y socio en Strategy Big Data y Guillermo González Sánchez, científico de datos en Strategy Big Data.
Estamos en un momento de cambio que ninguna generación anterior ha sufrido en términos de efectos económicos y sociales. Los modelos de negocio se están transformando y los ciclos se reducen drásticamente; inmediatez, agilidad, adaptación al cambio y digitalización son claves en esta nueva situación a la que nos enfrentamos como sociedad. Para ilustrar cómo se están reduciendo los ciclos económicos y la inmediatez de los mismos, valga el siguiente ejemplo. El teléfono fijo tardó 75 años en tener 50 millones de usuarios; el famoso juego Angry Birds, 35 días. Estas diferencias se fundamentan en dos conceptos fundamentales: la digitalización y la inteligencia artificial.
Actualmente, una gran mayoría de compañías están enfocadas en definir su estrategia digital. En cinco años, estarán definiendo su estrategia de inteligencia artificial. Una de las definiciones que desde nuestro punto de vista mejor describen al aprendizaje automático (rama de la inteligencia artificial) aplicado al mundo empresarial es “la digitalización de la digitalización empresarial”. Algunos pronósticos indican que el 40% de las empresas que actualmente están en el Fortune 500 ya no lo estarán en los próximos 5-10 años.
El aprendizaje automático se puede describir como la capacidad de crear sistemas que aprenden a partir de los datos y que mejoran automáticamente con la experiencia. Podemos definir Machine Learning (ML) como la capitalización intelectual de los sistemas de información de una compañía.
A lo largo de los últimos años, las técnicas aplicadas de ML se han ido extendiendo en el mundo empresarial a nivel global. Empresas que usan masivamente ML son Amazon, Netflix, Google, Spotify y Apple como ejemplos más conocidos. Pero no solo las grandes pueden emplear de manera efectiva los datos; todas las empresas pueden hacerlo.
Uno de los avances más significativos en 2016 han sido las Redes Generativas Adversarias (GANs). Estas se ubican en el campo de lo que se conoce como aprendizaje profundo, que consiste en redes con muchas capas de neuronas. Este tipo de modelos consisten en dos redes neuronales compitiendo entre sí, una por crear ejemplos válidos y la otra por etiquetarlos con precisión. Al enfrentar a la máquina contra sí misma se produce un escalado de rendimiento considerable y sin coste de datos adicionales.
Si a día de hoy las redes neuronales tienen tantas células como una rana, ¿imaginan qué podrán hacer cuando tengan la misma cantidad que un simio?