Cloud e IA Impulsan el Futuro de Soluciones Inteligentes

Las innovaciones tecnológicas modernas han ido más allá de los límites de la automatización central. Actualmente, se espera con amplia anticipación que tales sistemas tengan inteligencia nativa, permitiéndoles aprender, adaptar sus funcionalidades y tomar sus propias decisiones. Ejemplos de tales sistemas inteligentes son asistentes activados por voz, cámaras avanzadas capaces de reconocer comportamiento anómalo y programas médicos capaces de sugerir tratamientos alternativos.

Los bloques de construcción centrales de tales sistemas involucran dos tecnologías transformacionales centrales: Inteligencia Artificial (IA) y Cloud Computing. La IA soporta la capacidad del sistema para aprender y evolucionar, similar a los procesos de desarrollo encontrados en la mente humana, mientras que Cloud Computing proporciona la infraestructura subyacente requerida para el despliegue y operación global de tales sistemas. Juntas, las tecnologías sustentan la realización de experiencias más complejas, sensibles al contexto e individualizadas para empresas, así como eficiencias operacionales.

Características de un sistema de computación cognitiva

El sistema complejo realiza tareas más allá del mero cumplimiento de protocolos predeterminados. Recopila información, hace análisis, deriva conclusiones, usa lógica y mejora continuamente sus métodos. Partes del sistema pueden agruparse en las siguientes categorías:

1. Adquisición de Datos

Esta fase involucra la recopilación de diferentes formas de información, como instrucciones verbales, mensajes electrónicos, contenido de usuario y salidas de sensores. El sistema de cloud computing, arraigado en el marco dado, suministra la infraestructura para el almacenamiento y mantenimiento de vastas cantidades de información recopilada de una variedad de fuentes.

2. Comprensión de los Datos

Tras la recopilación de información, el sistema pasa a la fase de procesamiento, donde la información pasa por una serie de operaciones como limpieza, estructuración y análisis. Por ejemplo, cuando el usuario da la orden "Reproduce la pieza de música", el sistema tendrá que descifrar esto como la solicitud del usuario para que se reproduzca una pieza musical.

3. Implicaciones de los Hallazgos

El uso de inteligencia artificial mejora el reconocimiento de patrones en información histórica, por ejemplo, los gustos musicales individuales o los intervalos estándar entre usuarios reconfigurando sus termostatos. Este impulso permite que los procesos de toma de decisiones en el sistema sean mejor informados y de mejor calibre a largo plazo.

4. Proceso de Toma de Decisiones

El sistema actúa según reglas lógicas predeterminadas o patrones de comportamiento aprendidos para decidir qué hará a continuación. Tiene la capacidad de recomendar una película, hacer un pedido de reposición o informar a una persona.

5. Cumplimiento de Expectativas del Usuario

Finalmente, el sistema tiene la capacidad de producir una respuesta que puede entregarse a través de voz, texto o realizando una acción personalizada. Usualmente, la respuesta es personalizada basada en la información que el sistema ha aprendido sobre el usuario.

Por Qué Cloud Computing Importa

Sin cloud computing, los sistemas inteligentes no funcionarían bien a escala. Aquí está por qué la nube es tan importante:

• Flexibilidad: La infraestructura cloud ofrece la capacidad para que el sistema escale basado en niveles de demanda cambiantes. Cuando hay varios usuarios accediendo al sistema al mismo tiempo, la infraestructura cloud pone recursos disponibles bajo demanda.
• Velocidad: Los centros de datos en la nube están distribuidos sobre un área geográfica vasta y tienen capacidades operacionales aumentadas, permitiendo capacidad de respuesta instantánea y consistente.
• Almacenamiento: Las plataformas cloud almacenan enormes cantidades de datos, lo cual es necesario para entrenar sistemas de IA. Los servicios cloud están alojados en múltiples ubicaciones alrededor del mundo y pueden accederse a través de una vasta gama de dispositivos.
• Mantenimiento: Las tareas del desarrollador no incluyen actualización y mantenimiento de servidores, ya que estas son responsabilidades del proveedor de servicios cloud.

Cómo la IA Potencia la Inteligencia

La inteligencia artificial mejora las capacidades de los sistemas con la adición de capacidades de razonamiento, aprendizaje y optimización, resultando en mayor efectividad operacional. Algunos de los usos más comunes de la inteligencia artificial incluyen:

• Aprendizaje experiencial implica que los algoritmos de IA mejoran continuamente a medida que absorben cantidades crecientes de datos durante un período.
• Comprensión del lenguaje: NLP permite la capacidad de los sistemas para entender y responder a entradas dadas en forma de lenguaje humano.
• Reconocimiento Visual y Auditivo: La IA puede reconocer rostros humanos, objetos y señales auditivas.
• Análisis predictivo tiene la capacidad de pronosticar muchos resultados posibles; por ejemplo, puede evaluar la probabilidad de un envío retrasado o determinar el producto más apto para interesar a un cliente a continuación.
• IA generativa proporciona a las máquinas la capacidad de generar contenido escrito, crear lenguajes de programación, así como formas de arte musicales y visuales.

Ver también: Un Chatbot Sin Personalización No Tiene Propósito. ¡Aquí está Por Qué!

Tecnología de Asistente Activado por Voz: Un Marco Analítico

Consideremos, por ejemplo, un sistema inteligente particular, es decir, un asistente de voz incrustado en varios sistemas de altavoces inteligentes.

Alguien pregunta: "¿Cuáles son las condiciones meteorológicas prevalentes en Seattle?"

El dispositivo capta ondas acústicas y las envía a un servidor externo. La infraestructura de cloud computing entonces transcribe intercambios verbales en forma escrita. Entiende la importancia de la declaración. Proporciona la información meteorológica correcta.

Da una salida de audio: "El clima en Seattle está actualmente despejado con una temperatura de 72 grados Fahrenheit."

Figura 1: Arquitectura de sistema de asistencia de voz de alto nivel

El diagrama proporciona una visión general de la infraestructura general de un sistema de asistente de voz inteligente en la nube y la forma en que una consulta de voz simple —"Hey Alexa, ¿cómo está el clima en Seattle?"— puede transformarse en una respuesta natural y comprensible a través del uso de tecnologías de cloud e inteligencia artificial.

En el lado del usuario, la interfaz de voz aparece como el punto de partida de la sesión del usuario. El usuario habla un comando de voz en lenguaje natural en un altavoz inteligente o, idealmente, una pantalla. Existe en el dispositivo inteligente un micrófono así como un procesador, y por lo tanto puede escuchar sonido y permanecer en estado de escucha para alguna palabra de activación predeterminada, en esta instancia, el nombre "Alexa". Al escuchar la palabra de activación, el dispositivo comienza a grabar el comando del usuario y transmite el archivo de sonido por una ruta segura a los servidores cloud para procesamiento.

La verdadera inteligencia ocurre en la sección de procesamiento cloud ilustrada en el lado derecho del diagrama. Reconocimiento Automático de Voz (ASR), en la primera etapa del pipeline en la nube, transforma el stream de audio crudo en texto. Es mucho más complicado de lo que parece; tiene que escuchar diferentes acentos, eliminar ruido de fondo y oír la sutileza de la voz en tiempo real. Los modelos ASR se entrenan en conjuntos masivos de grabaciones de muchas voces diferentes para capturar las palabras habladas lo más precisamente posible y traducirlas a forma de texto: "¿Cómo está el clima en Seattle?"

Posterior a esto, el sistema progresa a la fase de Comprensión del Lenguaje Natural (NLU), en la que se descifra la intención del usuario. Convertir la voz del usuario en texto no es suficiente; el asistente también necesita comprender la intención de la consulta y la información o las entidades mencionadas, es decir, la ciudad "Seattle". Modelos de IA entrenados en procesamiento de lenguaje natural participan en comprender la intención del usuario al pedir el clima en "Seattle" como la ciudad deseada. El asistente también necesita tener en cuenta la vaguedad de las palabras, sinónimos y el contexto para que la solicitud se interprete correctamente.

Después de que el sistema ha ganado una comprensión completa de la consulta, se mueve a la fase de Conocimiento y Razonamiento. Ahora, en esta fase, el asistente selecciona la manera en que accederá a la información meteorológica correcta, más naturalmente preguntando a un servicio externo autoritativo, es decir, una base de datos meteorológica o API. El sistema aplica algoritmos aprendidos o comportamiento establecido en el procesamiento de información recibida; por ejemplo, puede concluir que actualmente es de día en Seattle y construir una respuesta basada en esta inferencia. Si el usuario pregunta "¿Cómo está el clima?", el sistema puede usar información de geolocalización o preferencias pasadas almacenadas en él para inferir "Seattle" como la ubicación más probable.

Habiendo recopilado la información requerida, el asistente se mueve a la etapa de Generación de Lenguaje Natural (NLG), en la que la información en forma estructurada se traduce a texto gramaticalmente correcto, legible en una forma aceptable para humanos. La información cruda, por ejemplo, {temperatura: 72°F, condición: soleado} se reescribe en "El clima de Seattle es 72 grados y soleado". El sistema puede usar la fraseología correcta, seguir requisitos gramaticales y añadir buena variación en la frase con cada repetición en un intento de hacerla lo más natural posible. Antes de que una respuesta pueda liberarse para el usuario, el sistema también hace uso de la tecnología Texto-a-Voz (TTS) en un intento de convertir el texto resultante en forma de sonido. Esto involucra la creación de salida audible, normalmente con un perfil de voz dado de conversación amigable y buena entonación. El archivo de audio después se transmite por internet con la vista de proporcionar al usuario una respuesta clara, natural dentro de segundos de la emisión de la declaración original.

La base tecnológica para esta experiencia reside en tecnologías cloud. Cloud soporta la escalabilidad del asistente de voz con el uso, en el sentido de que puede gestionar millones de peticiones simultáneas desde cualquier parte del mundo. Proporciona la potencia computacional requerida para ejecutar algoritmos de deep learning para voz y lenguaje, consultar bases de datos externas y responder en tiempo real. Proporciona características de seguridad como transporte encriptado de datos y controles de acceso, de modo que la información de voz sensible se trate con suma precaución. Este sistema inteligente también mejora con la experiencia porque aprende con el tiempo. Puede aprender de interacciones pasadas con los usuarios para hacerlo más personalizado, aprender las preferencias de los usuarios y prácticamente hacer recomendaciones antes de que el usuario las pida.

Conclusión

Las soluciones inteligentes de Cloud e IA permiten a las empresas ir mucho más allá de la automatización. Los sistemas inteligentes escuchan, aprenden y actúan, creando valor real en salud, finanzas, manufactura y en la vida diaria.

Cloud ayuda a estas soluciones con la potencia, flexibilidad y alcance que necesitan. La inteligencia artificial da la inteligencia necesaria para pensar, aprender y optimizar. Combinadas, están construyendo un entorno global más inteligente, altamente interconectado —un sistema a la vez.