4 tipos de datos para aplicar Inteligencia Artificial

4 tipus de dades per a aplicar Intel·ligència Artificial

Inteligencia Artificial

Existeixen 4 tipus de dades per a la Intel·ligència Artificial (IA). Entendre'ls no solament ens donarà una idea de les dades que seran necessàries per al nostre projecte d’IA, sinó que ens aporta una visió molt rellevant dels casos d'ús que podem implementar.

Els 4 tipus de dades per a la intel·ligència artificial són:

  1. Dades d'imatge
  2. Dades de llenguatge natural
  3. Dades de sensors
  4. Dades transaccionals
Los 4 tipos de datos para la inteligencia artificial
Dades d'imatge

Si bé els humans podem veure una foto i reconèixer immediatament qualsevol objecte, això per a les computadores no era gens fàcil fins fa molt poc. La programació informàtica tradicional requeria que els desenvolupadors donessin instruccions detallades als ordinadors sobre què fer exactament en qualsevol situació.

En l'actualitat, ja podem programar computadores perquè aprenguin coses a partir de la seva pròpia experiència. Això és gràcies als avanços realitzats en machine learning (ML), així com a la major capacitat de còmput i d’emmagatzematge dels ordinadors que permet als científics de dades l'ús d'enfocaments com els que s'utilitzen en el propi cervell humà (xarxes neuronals).

Alguns exemples de casos d'ús amb dades d'imatges són:

  • Verificació de la identitat mitjançant comparació facial
  • Anàlisi de l'ús d'equips de protecció i màscares en el lloc de treball
  • Detecció de milers d'objectes com, per exemple, logotips de marques

En realitat, qualsevol de nosaltres estem utilitzant aquest tipus d'algorismes quan pugem imatges a Google Fotos o Photos de Amazon. També els cotxes moderns utilitzen aquest tipus d'algorismes per a detectar el que succeeix en el seu entorn. La novetat més recent i que ha cridat molt l'atenció en el camp de la IA d'imatge és DALL-E-2 que és capaç de crear imatges a partir d'un text.

Dades del llenguatge natural

El processament del llenguatge natural (NLP) és un camp de la intel·ligència artificial en el qual les computadores analitzen, comprenen i deriven el significat del llenguatge humà. NLP és un altre exemple d'un problema senzill per als humans però molt difícil per a la informàtica tradicional. Comprendre el llenguatge humà és comprendre no solament les paraules, sinó també els conceptes i com es vinculen entre si per a crear significat.

La PNL s'usa, normalment, per a l'extracció de text, la traducció automàtica i la resposta automàtica a preguntes amb chatbots d'atenció al client. També per a transcriure veu a text o incorporar veus realistes a les nostres aplicacions, i fins i tot per a fer “anàlisis de sentiment”, és a dir, conèixer l'estat d'ànim dels nostres clients i millorar l'atenció a aquests.

Dades de sensors

Avui dia, la proliferació de la Internet of Things (IoT) tant en l'àmbit de la llar com el professional ha portat al fet que gairebé qualsevol dispositiu que usem en les nostres llars, oficines, fàbriques o fins i tot en els nostres cossos (wearables) pugui estar en línia i connectat. Les nostres ciutats estan sensorizadas (smart cities) i mesuren el trànsit, la qualitat de l'aire, el soroll i tot tipus de dades que ajudin a millorar la qualitat de vida del ciutadà.

A nivell enterprise, la IoT té enormes implicacions en la forma en què fabriquem béns, brindem serveis, venem als clients i donem seguiment amb suport. Les fàbriques intel·ligents i les plantes de logística estan cada vegada més automatitzades. Per exemple, l'aplicació d'intel·ligència artificial a les dades de sensors permet el manteniment predictiu, això és, predir on ocorreran avaries abans que ocorrin per a reemplaçar i reparar de manera més eficient els equips defectuosos, i fins i tot la prescripció de tasques als nostres operadors facilitant la presa de decisions en determinats moments de la cadena operativa.

Dades transaccionals

Les dades transaccionals són la informació registrada de les transaccions que realitzen els nostres usuaris. Una transacció és una seqüència d'intercanvi d'informació que satisfà una sol·licitud, per exemple, una compra en un ecommerce o un visionat en una plataforma de streaming.

Les dades de les nostres targetes de crèdit són dades transaccionals. D'aquí ve que un important camp per a la intel·ligència artificial basada en dades transaccionals és la detecció de fraus i l'anàlisi de transaccions de pagaments. També mitjançant l'aplicació d'IA en aquesta mena de dades podem realitzar forecast de vendes en botigues i prediccions de trencaments d'estoc en magatzems. Altres casos d'ús habituals són les recomanacions personalitzades als nostres usuaris (com les recomanacions que realitzen per a nosaltres Amazon, Youtube, Netflix o Spotify) així com la realització de promocions personalitzades i vendes creuades.

Hem vist els diferents tipus de dades per a la IA. Començar per entendre les dades és una via molt útil per a albirar el tipus d'aplicacions que la IA ens ofereix.

Més informació

Si vols continuar avançant, et proposem que llegeixis “L'equip necessari per al teu projecte d'Intel·ligència Artificial” i si necessites ajuda en l'adopció d'Intel·ligència Artificial i Machine Learning, contacta'ns.

Martí Fàbrega

Martí és Consultor de Transformació Digital i Senior Manager de Desenvolupament de Negoci a SEIDOR Opentrends. El seu propòsit és transformar la tecnologia en valor de negoci per als seus clients, enfocant-se tot el possible en la innovació.