MENU

| AR

Sedes

Programación

Marketing

Diseño

Datos

Paises

Watson: los secretos de la inteligencia cognitiva como solución

Watson: los secretos de la inteligencia cognitiva como solución
mkt
#tecnología
#datos
#otros
20 de febrero de 2017
  -  
-min de lectura


Attendees gather at IBM Watson event in lower Manhattan, New YorkTuve la suerte de participar recientemente en una capacitación para docentes organizada por IBM Argentina, en la cual se presentaron muchísimos detalles sobre Watson, el sistema de computación cognitiva que está revolucionando a muchas industrias y posiciona nuevamente al Gigante Azul en la cima del mundo tecnológico. Durante esta actividad aprendimos muchísimo. Por ejemplo, que si bien algunos consideran que Watson es sucesor de IBM Deep Blue, la computadora que en 1996 venció a Gary Kasparov al ajedrez, en realidad no tiene mucho que ver con aquella máquina, ya que Deep Blue no era realmente “inteligente”, sino que analizaba todas las jugadas posibles del rival y en base a eso proponía el mejor movimiento. En síntesis, su código servía solo para el ajedrez. Por el contrario, Watson es realmente una supercomputadora que entiende el lenguaje natural, es decir, la forma en la que hablamos los humanos. Además, procesa miles de millones de datos estructurados y no estructurados al tiempo que formula respuestas en base a predicciones que realiza en tiempo real analizando los datos recopilados. En los últimos meses vimos como Watson salió del laboratorio para convertirse en una solución comercial para distintos procesos, como analizar impuestosdesarrollar medicamentos innovadoresrealizar diagnósticos oncológicos y hasta buscar la cura para el cáncer. Watson se hizo famoso en 2011, cuando venció a los dos mejores jugadores de Jeopardy, el juego norteamericano televisado donde hay que contestar distintos tipos de preguntas.  ¿Cómo lo hizo? Básicamente le insertaron todos los contenidos de Wikipedia en inglés, y así logró vencer a los humanos. Este programa era un ícono de inteligencia en Estados Unidos hasta que ganó Watson. ¿Cómo funciona? Muchos dicen que “Watson razona”. Profundizando sobre este aspecto, el sistema realiza un análisis profundo de la pregunta que se le formula para entender qué información se está solicitando. Además, genera distintas hipótesis en base al análisis de inmensos volúmenes de datos que tiene almacenados. A mayor cantidad de hipótesis, mejor será el resultado. Algo interesante es que si en el set de hipótesis no hay respuesta, no puede responder.   En base a todo esto se genera un “ranking de hipótesis”, ya que Watson empieza a buscar evidencias en los datos, combina algoritmos, y devuelve cientos de miles de scores o posibles resultados con distintas probabilidades. Por último llega a lo que se llama “Merge final”. En esta instancia es fundamental la experiencia, es decir, cuántas veces el sistema pasó por la misma pregunta en el entrenamiento previo. A medida que pasó por situaciones similares va a rankear mejor y a generar mejores respuestas posibles. ¿Cómo aprende? Watson aprende desde cero interactuando con el humano, que le da feedback, en base a una gran inyección de datos. En esta parte del proceso participan expertos para entender si el sistema arroja resultados que tienen sentido o no. Por ejemplo, los médicos lo entrenan para que pueda brindar diagnósticos coherentes. Con Watson, IBM busca diferenciarse del ecosistema creando un paraguas sobre la inteligencia artificial. Por este motivo, se refiere a él como “una solución cognitiva compleja donde intervienen humanos en el proceso”. Sin embargo, todo el ecosistema que está avanzando en soluciones de inteligencia artificial corre en la misma dirección. Por caso, API.AI -ahora adquirida por Google- permite al usuario desarrollar sus propios agentes para conversar con Google Home. De la misma manera, los servicios de inteligencia artificial de Amazon.com AWS, tienen capacidades similares a los módulos de Watson. En definitiva, tanto la propuesta de IBM como las iniciativas recién mencionadas no son como los sistemas determinísticos de antaño, sino que se trata de soluciones basadas en la probabilística, que siempre va a tener como output de su proceso una probabilidad de ocurrencia. Si bien no estoy tan seguro que sea correcto hablar sobre el inicio de la “era cognitiva” solo porque se genera nuevo conocimiento a partir de las predicciones (algo imposible de hacer en el pasado con los métodos tradicionales), semejante frase le quita mérito a lo que pueda ocurrir en el futuro. Sin dudas, después de Watson pero antes de Skynet, vamos a ver la verdadera “era cognitiva” con el despertar de las máquinas capaces de hacer cosas hasta hoy impensadas.  

Otras Noticias

Los lenguajes de programación favoritos, según 15.000 desarrolladores img
#tecnología

Los lenguajes de programación favoritos, según 15.000 desarrolladores

Miles de programadores web full stack de todo el mundo se expresaron en Twitter días atrás para opinar acerca de cuáles son sus lenguajes de programación favoritos, en base a seis criterios:  El primero que aprendieron, el que les causó más dificultades, el que más usan, el que odian, el que más aman y el que recomiendan para principiantes.Tras obtener datos de unos 15.000 desarrolladores,  Victoriano Izquierdo  analizó los tuits con la herramienta de análisis científico de datos Graphext obteniendo, como resultado, que Javascript, Python, Java y C# lideran el ranking de los lenguajes preferidos. Este resultado coincide con otros sondeos realizados en todo el mundo. Por ejemplo, la última encuesta anual de desarrolladores de JetBrains, llevada a cabo a principios de este año, así como los índices TIOBE, el PYPL, entre otros.  Este ranking es ideal para aquellos que quieren aprender a programar, porque da cuenta de las opiniones en primera persona de aquellos que ya están recorriendo su camino dentro del campo de la programación web.

Estudiar en Digital House es una de las mejores cosas que me pasaron en la vida img
#tecnología

Estudiar en Digital House es una de las mejores cosas que me pasaron en la vida

¿Por qué estudiaste en Digital House?Elegí Digital House porque varias personas me recomendaron la institución, y de hecho, estudiar en Digital House fue una de las mejores cosas que me pasaron en la vida porque el campus es genial, aprendí a programar aplicaciones móviles Android y conseguí empleo rápidamente.¿Qué te parecieron los profesores?Los profesores son muy buenos. Cada vez que alguien tiene una duda la resuelven en dos minutos, y el material que ofrecen para trabajar es increíble.¿Cómo fue tu experiencia de búsqueda laboral?Esto fue todo una sorpresa porque tuve una recomendación por parte del profesor, y al otro día me llamaron para una entrevista, y luego de ir a esa cita me pidieron que me realice el examen pre-ocupacional para entrar. Para este proceso, el programa de Desarrollo Profesional de Digital House me ayudó un montón porque me permitió mejorar mi perfil en LinkedIn y a optimizar mi CV.¿Recomendarías estudiar en Digital House?Totalmente, porque los cursos que imparten te dan las herramientas para trabajar en cualquier ámbito en el que uno se quiera desarrollar con respecto a la programación.

Cómo determinar las palabras clave ideales para el contenido web img
mkt

Cómo determinar las palabras clave ideales para el contenido web

Dentro del marketing digital, Las palabras clave (keyword) son un elemento fundamental. De hecho, estos términos deben ser contemplados al redactar contenidos para websites ya que, si utilizamos las palabras correctas, mejorará el posicionamiento del sitio en los buscadores. Además de esto, en lo que respecta al SEO (Search Engine Optimization), identificar las palabras clave correctas también puede ayudar a entender mejor a la audiencia, medir el sentimiento de la marca y hasta monitorear a los competidores.  Para identificar las palabras clave se recomienda efectuar una serie de pasos:  1. Listar los temas relevantes: Acá el objetivo es ponerse en el lugar de un usuario para determinar cuáles son los vocablos relacionados al website. Por ejemplo, si hablamos de ciencia de datos, las palabras clave pueden ser “big data”, “Python”, “visualización” y “data scientist”, entre otras. Esta lista no es específica de palabras clave, sino que servirá para definir las keywords a utilizar para optimizar el SEO.  2. Recurrir a las sugerencias de Google: Luego hay que buscar esos temas en Google para ver qué sugiere este buscador. Por ejemplo, continuando con el tema de la ciencia de datos, si buscamos esta frase en Google aparecerán sugerencias sobre pdfs, cursos, definición, casos y mucho más.  3. Descubre búsquedas relacionadas: Para esto hay que ir a la parte inferior de la página de resultados de búsqueda y consultar los resultados que aparecen en el apartado de “Búsquedas relacionadas con __________ (la palabra clave buscada).Continuando el ejemplo del ciencia de datos, en el apartado de Google es posible encontrar búsquedas relacionadas que integran términos como: “ciencia de datos”, “importancia de la ciencia de datos” y “consultora ciencia de datos”, entre otros.  4. Filtrar la lista de palabras clave: Hay herramientas, como el Keyword Planner de Google u otras similares como Keywordtool.io, Moz Keyword Explore y BuzzSumo.  Para eso hay que cargar las palabras para consultar los volúmenes de búsquedas y tráfico estimado de cada término. Así es posible estimar cuántas impresiones o clics se pueden obtener.Una vez que se tiene toda esta información de las palabras clave, hay que prestar atención a variables tales como promedio más alto de consultas, clics e impresiones y clics.  Terminado este proceso, ya estamos listos para comenzar a redactar con el objetivo de generar contenidos de calidad para la audiencia, pero que al mismo tiempo sirvan para el posicionamiento SEO. Para releer más consejos, solo hay que hacer clic acá.