Hoy en día es sencillo desarrollar inteligencia artificial, pero los datos son los que marcan la diferencia.
En 2016 hubo mucha bulla con las plataformas de inteligencia artificial. Vimos grandes desarrollos y ofertas por parte de Microsoft (Cognitive Services), Google (TensorFlow), Amazon (Rekognition, Polly, Lex), IBM (Watson) y otros más. Sin embargo, a partir de este año, los datos de entrenamiento son los que marcarán la diferencia, no las plataformas. De hecho, las plataformas ya se encuentran bastante desarrolladas, solo que los avances en este campo a menudo pasan desapercibidos. Si nos fijamos bien, la inteligencia artificial está presente en todas partes e interactuamos con ella todos los días cuando navegamos por internet.
Algunos datos como análisis de percepción, muestras de conversaciones y expresiones, atributos de un producto, entre muchos otros, son datos de entrenamiento necesarios para la inteligencia artificial de hoy en día y su uso es lo que separa una aplicación del resto. Es por eso que grandes jugadores, como los que mencioné al principio, están complacidos de permitir el uso de sus plataformas de forma gratuita, siempre y cuando puedan tener acceso a nuestros datos para mejorar sus algoritmos.
La proliferación de infraestructuras y plataformas hace que las funciones básicas de inteligencia artificial sean asequibles a través de software para distintas aplicaciones. Las empresas líderes buscan ir más allá de este nuevo estándar y quieren usar nuestros datos para aplicar la inteligencia artificial de una manera mucho más sofisticada y personalizada. Pero son los pioneros en este ámbito, con una gran cantidad de datos de entrenamiento, quienes llevan la delantera. Esto, en gran parte, se debe a un circulo de aprendizaje y precisión que les ha permitido mejorar sus modelos de predicción durante estos últimos años.
