Inteligencia artificial: una guía para principiantes

Todo el mundo habla de inteligencia artificial. Eso es comprensible: después de todo, de repente hay herramientas gratuitas (o baratas) disponibles para crear una variedad de contenido generado por IA, incluidos texto e imágenes, en una variedad ilimitada de estilos y aparentemente en segundos.

Por supuesto que es emocionante.

Pero deténgase un momento y hágase algunas preguntas:

• ¿Sé realmente qué es la IA?
• ¿Sé cuánto tiempo ha estado alrededor?
• ¿Conozco la diferencia, si la hay, entre la IA y el aprendizaje automático?
• ¿Y sé qué diablos es el aprendizaje profundo?

Si respondiste afirmativamente a todas esas preguntas, es posible que este artículo no sea para ti. Si dudaste sobre algunos de ellos, sigue leyendo.

La revolución de la IA comienza... ¿ahora?

Comencemos por completar algunos antecedentes.

¿Es la IA algo nuevo?

No. Conceptualmente, al menos, la IA se remonta a 1950 (más sobre esto más adelante). Como actividad práctica, comenzó a florecer en las décadas de 1960 y 1970, cuando las computadoras se volvieron más rápidas, más baratas y más accesibles.

¿La IA en el marketing es algo nuevo?

No. Vale la pena tener en cuenta que la IA ha tenido muchas, muchas aplicaciones en el marketing además de la creación de contenido. Las recomendaciones de contenido y las recomendaciones de productos han sido impulsadas por IA durante años. El análisis predictivo, utilizado para predecir el comportamiento del usuario en función de grandes conjuntos de datos de comportamiento pasado, así como para predecir la siguiente mejor acción (mostrarle un documento técnico relevante, mostrarle una gorra de béisbol roja, enviar un correo electrónico), ha sido IA -alimentado durante mucho tiempo.

Los proveedores conocidos han integrado la IA en sus soluciones durante casi una década. Adobe Sensei y Salesforce Einstein datan de 2016. La participación de Oracle con la IA se remonta al menos al mismo tiempo y probablemente más; simplemente nunca le dio un nombre lindo. Otro implementador veterano de IA es Pega, que la usa primero para predecir las siguientes mejores acciones en su oferta de gestión de procesos comerciales y luego en su plataforma CRM.

Bueno… ¿la IA generativa es algo nuevo?

IA generativa. IA conversacional. Herramientas de escritura de IA. Todas frases del momento, todas superpuestas en significado. La IA generativa genera textos (o imágenes, o incluso videos). La IA conversacional genera textos en interacción con un interlocutor humano (piense en chatbots impulsados ​​por IA). Las herramientas de escritura de IA tienen como objetivo crear textos personalizados bajo demanda. Todas estas soluciones utilizan, en un sentido u otro, "indicaciones", es decir, esperan a que se les haga una pregunta o se establezca una tarea.

¿Es todo esto nuevo? No. Lo nuevo es su amplia disponibilidad. El procesamiento del lenguaje natural (NLP) y la generación del lenguaje natural (NLG) existen desde hace años. El primero denota la interpretación de textos impulsada por IA; la última, creación de textos impulsada por IA. Ya en 2015, según mis propios informes, NLG con tecnología de inteligencia artificial creaba informes escritos para médicos y operaciones industriales, e incluso generaba pronósticos meteorológicos para Met Office, el servicio meteorológico nacional del Reino Unido.

Entrada de datos, salida de texto. Simplemente no tan ampliamente disponible como algo como ChatGPT.

Vídeo también. Al menos en 2017, la IA se estaba utilizando para crear, no solo contenido de video personalizado sino individualizado, generado cuando el usuario hace clic en reproducir, tan rápido que parece estar transmitiendo desde una biblioteca de videos existente. Una vez más, no está ampliamente disponible, sino que es una oferta empresarial costosa.

Excavar más hondo: ChatGPT : Una guía de marketing

Qué es la IA: la versión simple

Vamos a explicarlo desde cero.

Empezar con algoritmos

Un algoritmo se puede definir como un conjunto de reglas a seguir en los cálculos u otras operaciones de resolución de problemas o finalización de tareas, especialmente por parte de una computadora. ¿Es “algoritmo” del griego? No, en realidad es parte del nombre (al-Khwārizmī) de un matemático árabe del siglo ^IX . Pero eso no importa.

Lo que importa es que usar algoritmos para un cálculo o una tarea no es, repito, no, lo mismo que usar IA. Un algoritmo se crea fácilmente; tomemos un ejemplo simple. Supongamos que tengo una librería en línea y quiero ofrecer recomendaciones de productos. Puedo escribir cien reglas (algoritmos) y entrenar mi sitio web para ejecutarlas. “Si busca a Jane Austen, muéstrale también a Emily Bronte”. “Si busca libros de la Primera Guerra Mundial, muéstrale también libros de la Segunda Guerra Mundial”. “Si busca a Agatha Christie, muéstrenle otra novela policíaca”.

Necesitaré tener mis volúmenes de ficción detectivesca debidamente etiquetados, por supuesto, pero hasta ahora todo es fácil. Por un lado, estas son buenas reglas. Por otro lado, no son reglas “inteligentes”. Eso es porque están grabados en piedra a menos que regrese y los cambie. Si las personas que buscan libros de la Primera Guerra Mundial ignoran constantemente los libros de la Segunda Guerra Mundial, las reglas no aprenden ni se adaptan. Continúan haciendo tontamente lo que se les dijo que hicieran.

Ahora, si tuviera los recursos de Amazon, haría que mis reglas fueran inteligentes, es decir, capaces de cambiar y mejorar en respuesta al comportamiento del usuario. Y si tuviera la participación de mercado de Amazon, tendría una avalancha de comportamientos de los usuarios de los que las reglas podrían aprender.

Si los algoritmos pueden aprender por sí mismos, con o sin supervisión humana, tenemos IA.

Pero espera. ¿No es eso solo aprendizaje automático?

IA versus aprendizaje automático

Para los puristas, la IA y el aprendizaje automático no son originalmente lo mismo. Pero, y es un gran pero, los términos se usan de manera tan intercambiable que no hay vuelta atrás. En cambio, el término “IA general” se usa cuando la gente quiere hablar de IA pura, IA en su sentido original.

Volvamos a 1950 (te advertí que lo haríamos). Alan Turing fue un científico informático brillante. Ayudó a los aliados a vencer a los nazis a través de su trabajo de inteligencia para descifrar códigos. Su recompensa fue ser tratado abominablemente por la sociedad británica por su (todavía ilegal) homosexualidad, trato que resultó en una disculpa oficial del primer ministro Gordon Brown, más de 50 años después de su muerte: “En nombre del gobierno británico, y todos esos que viven libremente gracias al trabajo de Alan, estoy muy orgulloso de decir: Lo sentimos. Te merecías algo mucho mejor.

Entonces, ¿qué pasa con la IA? En 1950, Turing publicó un artículo histórico, "Maquinaria informática e inteligencia". Lo publicó, no en una revista científica, sino en la revista de filosofía “Mind”. En el corazón del artículo hay una especie de experimento mental que él llamó “el juego de la imitación”. Ahora es ampliamente conocido como "la prueba de Turing". En los términos más simples, propone un criterio para la inteligencia artificial (o artificial). Si un interlocutor humano no puede distinguir la diferencia entre las respuestas a sus preguntas de una máquina y las respuestas de otro ser humano, podemos atribuir inteligencia a la máquina.

Por supuesto, hay muchas, muchas objeciones a la propuesta de Turing (y su prueba ni siquiera está diseñada inteligentemente). Pero esto lanzó la búsqueda para replicar, o al menos crear el equivalente, de la inteligencia humana. Puede pensar en IBM Watson como una búsqueda continua de ese objetivo (aunque tiene muchos casos de uso menos ambiciosos y más rentables).

Nadie piensa realmente que una máquina de recomendación de productos similar a Amazon o un motor de creación de contenido similar a ChatGPT sea tan inteligente como lo son los humanos. Por un lado, son incapaces de saber o preocuparse si lo que están haciendo está bien o mal: hacen lo que hacen en función de los datos y las estadísticas predictivas.

De hecho, toda la IA discutida aquí es realmente aprendizaje automático. Pero no vamos a impedir que nadie lo llame IA. En cuanto a la búsqueda de nivel humano o "IA general", hay buenas razones para pensar que no está a la vuelta de la esquina. Véase, por ejemplo, "El mito de la inteligencia artificial: por qué las computadoras no pueden pensar como nosotros" de Erik J. Larson.

¿Qué pasa con el 'aprendizaje profundo'?

“Aprendizaje profundo” es otro término relacionado con la IA con el que te puedes encontrar. ¿Es diferente del aprendizaje automático? Sí, lo es; es un gran paso más allá del aprendizaje automático y su importancia es que mejoró en gran medida la capacidad de la IA para detectar patrones y, por lo tanto, manejar imágenes (y videos) de manera tan competente como maneja números y palabras. Esto se complica; aquí está la versión corta.

El aprendizaje profundo se basa en una red neuronal, una capa de neuronas artificiales (partes de matemáticas) que se activan con una entrada, se comunican entre sí y luego producen una salida. Esto se llama "propagación hacia adelante". Al igual que en el aprendizaje automático tradicional, los nodos pueden averiguar qué tan preciso fue el resultado y ajustar sus operaciones en consecuencia. Esto se llama "propagación hacia atrás" y da como resultado que las neuronas se entrenen.

Sin embargo, también hay una multiplicación de lo que se conoce como "capas ocultas" entre la capa de entrada y la capa de salida. Piense en estas capas literalmente apiladas: esa es simplemente la razón por la cual este tipo de aprendizaje automático se llama "profundo".

Una pila de capas de red resulta ser mucho mejor para reconocer patrones en los datos de entrada. El aprendizaje profundo ayuda con el reconocimiento de patrones, porque cada capa de neuronas descompone patrones complejos en patrones cada vez más simples (y también está ocurriendo ese proceso de entrenamiento de retropropagación).

¿Hay proveedores de IA en el espacio martech?

Depende de lo que quieras decir.

Proveedores que usan IA

Se estima que hay más de 11,000 proveedores en el espacio martech. Muchos de ellos, quizás la mayoría, usan IA (o pueden argumentar bien que eso es lo que están haciendo). Pero no están usando la IA por sí misma. Lo están usando para hacer algo.

• Para crear recomendaciones de comercio.
• Para escribir líneas de asunto de correo electrónico.
• Para recomendar las siguientes mejores acciones a los vendedores o representantes de ventas.
• Para potenciar los chatbots.
• Para escribir textos publicitarios.
• Generar contenido para pruebas multivariadas a gran escala.

La lista es interminable.

El punto que quiero señalar es que la IA es un poco como la sal. Se agrega sal a la comida para que sepa mejor. A la mayoría de nosotros, al menos, nos gusta el uso adecuado de la sal en nuestra comida. Pero quien alguna vez diga: “Tomaré sal para la cena” o “Tengo ganas de un refrigerio; Tomaré un poco de sal.

Ponemos sal en la comida. Ponemos IA en la tecnología de marketing. Aparte, tal vez, para fines de investigación, la sal y la IA no se usan mucho por sí solas.

Entonces, sí, hay innumerables proveedores de martech que usan IA. Pero, ¿hay proveedores de martech que vendan IA como un producto independiente?

Proveedores que venden IA

La respuesta es, en el espacio martech, muy pocos. La IA como producto realmente significa software de IA diseñado por ingenieros que luego puede incorporarse y usarse en el contexto de alguna otra solución. Es fácil encontrar proveedores de ingeniería que vendan software de IA, pero en su mayor parte lo venden a organizaciones de TI en lugar de a organizaciones de marketing, y lo venden para que se use para una amplia gama de propósitos administrativos en lugar de permitir el marketing o ventas.

Hay una o dos excepciones, claramente dirigidas a los vendedores. Sin embargo, no es suficiente para crear una categoría poblada en un panorama de tecnología de marketing.

Rascamos la superficie

Eso es todo lo que pretende hacer este artículo: arañar la superficie de un tema enormemente complejo con una rica historia detrás y un futuro impredecible por delante. Por supuesto, hay cuestiones éticas que abordar, como los casos casi inevitables en los que los modelos de aprendizaje automático se entrenarán con conjuntos de datos sesgados, así como el igualmente inevitable plagio de contenido humano por parte de la IA generativa.

Pero espero que esto sea suficiente para masticar por ahora.