La inteligencia artificial ha progresado rápidamente y cada vez se integra más a nuestras vidas cotidianas. Está presente en algunos dispositivos móviles en forma de asistentes personales e incluso es la tecnología responsable de los autos que se conducen solos y que ya se encuentran en pruebas de campo en países como Estados Unidos.

Sin embargo, estas tecnologías todavía tienen un gran camino por recorrer y empresas como Google apuntan a que apenas nos encontramos en la primera edad de la inteligencia artificial.

La IA como la hemos llegado a conocer a través de las películas todavía se encuentra lejos; sin embargo, se han producido grandes avances en áreas clave como semi-automatización, comprensión del lenguaje natural, predicción y diagnósticos, que están cimentando el camino a nuevas innovaciones.

Para la empresa de inteligencia artificial Nearshore Delivery Solutions, todavía existen grandes retos que enfrenta la IA y que profesionales del área en todas partes del mundo luchan por resolver, lo que podría significar un gran avance y abrir todavía más el abanico de posibilidades que esta tecnología permite.

Estos son tres de los grandes problemas de la inteligencia artificial que quedan por resolver para facilitar su uso en la industria:

1. El volumen de datos

La IA necesita miles de veces más datos que los requeridos por el cerebro humano para poder comprender conceptos y características. Sin embargo, estamos en un punto en que la capacidad de las máquinas para ver, entender e interactuar con el mundo está creciendo a un ritmo acelerado, apoyado en el volumen de datos que les ayuda aprender y entender aún más rápido.

Los expertos en inteligencia artificial de Amazon han afirmado en diversas ocasiones que los resultados exitosos de aprendizaje profundo en IA son aquellos en los que las máquinas tienen acceso a una enorme cantidad de datos.

Aún así, hay un gran camino por recorrer, ya que cada año la cantidad de datos que producimos se duplica. Las previsiones dicen que en la próxima década habrá unos 150 mil millones de sensores conectados a la red, el equivalente a más de 20 veces la población de la Tierra.

En este sentido, el big data ha sido un gran aliado de la inteligencia artificial para procesar esta cantidad cada vez más grande de información y volverla útil.

2. Inteligencia artificial multitarea

Una vez que un cerebro de IA es “entrenado”, este puede ser altamente efectivo para tareas como el reconocimiento facial o de voz. Sin embargo, a pesar de la gran cantidad de datos que utiliza, la inteligencia artificial actual está desarrollada para realizar una tarea en específico.

Según Raia Hadsell, científico de la división de Google DeepMind, no existe una red neuronal artificial en el mundo capaz de hacer más de una cosa a la vez, ya que a pesar de que pueden aprender tareas nuevas, al hacerlo olvidan las ejecuciones anteriores, por lo que no se tiene una memoria inteligente.

La propuesta para solucionar este inconveniente ya está en desarrollo y se llama “redes neuronales progresivas”, aunque se encuentra aún en fase de pruebas.

3. Limitaciones de hardware

A pesar de la gran capacidad de procesamiento que han alcanzado las máquinas y toda la información que se encuentra disponible, esta tecnología aún se encuentra limitada por el hardware.

Hace unos años, la capacidad de las máquinas para analizar cantidades masivas de datos era limitada, por eso se utilizaban muestras representativas en lugar de utilizar datos verdaderos en tiempo real. Las limitantes de hardware parecidas siguen existiendo en la actualidad, sin mencionar que la infraestructura necesaria para experimentar con esta tecnología es escasa y costosa. Se necesitan equipos más potentes para tener mejores resultados.

La inteligencia artificial siempre se enfrentará a esta problemática, ya que el hardware se encuentra en constante actualización y se requerirá un equipo de mayor capacidad para procesar la cantidad de datos que se duplica año con año.

Afortunadamente, las empresas que manufacturan hardware se encuentran en una carrera por construir chips que tengan mayor capacidad. Empresas como Intel, IBM, Nvidia y un sinfín de startups se han dado a la tarea de darle a los especialistas en inteligencia artificial las herramientas necesarias para seguir trabajando.