Join the INNOVATION CLUB RESTAURANT biggest in the world

Find out how artificial intelligence applied to restoration works

0

In recent years, artificial intelligence (HE) ha sido uno de los temas de discusión más interesantes a medida que crecen sus capacidades y nos acercamos más a ver cómo se implementa su tecnología.

According McKinsey, ha habido el doble de artículos que hacen referencia a la IA en 2017 what in 2016 y quince veces más que en 2015, una tendencia que parece que continuará. Con todo este ruido mediático sobre el tema, hemos decidido escribir una serie de artículos para explicar exactamente en qué consiste la inteligencia artificial, cómo se aplica en el mundo de la restauración y cómo os podéis beneficiar de la misma.

Hay quien dice que la inteligencia artificial es como el sexo adolescente: “Todo el mundo habla de ello, nadie sabe realmente cómo hacerlo, todos piensan que todos lo hacen, por lo que todos afirman que lo están haciendo”.

Aunque los sistemas de IA ahora pueden aprender un juego y vencer a los campeones en cuestión de horas, son difíciles de aplicar a las aplicaciones comerciales. Nosotros en CloudReputation somos expertos en IA y estamos trabajando en ponerla en manos de todo el sector de la restauración de la forma más sencilla y atractiva para que sea posible su utilización.

Hemos decidido escribir una serie de artículos para explicar exactamente en qué consiste la inteligencia artificial, cómo se aplica en el mundo de la restauración y cómo os podéis beneficiar de la misma.

¿Qué es la inteligencia artificial?

En la década de 1950, los padres del campo de la IA Minsky y McCarthy describieron la inteligencia artificial como cualquier tarea realizada por un programa o una máquina que, si un ser humano realizará la misma actividad, diríamos que el ser humano debe aplicar inteligencia para lograr el objetivo o tarea. Obviamente, esta es una definición bastante amplia, por lo que a veces veremos argumentos sobre si algo es verdaderamente IA o no.

Los sistemas de inteligencia artificial generalmente mostrarán al menos algunos de los siguientes comportamientos asociados con la inteligencia humana: planificación, aprendizaje, razonamiento, resolución de problemas, representación del conocimiento, percepción, movimiento y manipulación y, en menor medida, inteligencia social y creatividad.

¿Qué es el machine learning y el deep learning?

La tecnología clave de la IA es el Machine Learning (aprendizaje automático), cuando un sistema de computadora se alimenta con grandes cantidades de datos, que luego utiliza para aprender cómo llevar a cabo una tarea específica, como entender el habla o subtitular una fotografía.

Seguramente, habréis oído hablar también de el Deep Learning (aprendizaje profundo), una rama del Machine Learning que utiliza muchos datos, muchas veces no estructurados como fotos, audio, texto o videos, para enseñar a las computadoras cómo hacer cosas de las que antes sólo eran capaces los seres humanos.

La tecnología clave de la IA es el Machine Learning (aprendizaje automático), cuando un sistema de computadora se alimenta con grandes cantidades de datos, que luego utiliza para aprender cómo llevar a cabo una tarea específica, como entender el habla o subtitular una fotografía.

Un buen ejemplo de Deep Learning es la percepción, el reconocimiento de lo que hay en una imagen, de lo que las personas dicen cuando hablan, ayudar a los robots a explorar el mundo e interactuar con él. El aprendizaje profundo está emergiendo como una herramienta central para resolver problemas de percepción en los últimos años. Es la tecnología principal tras visión artificial y el reconocimiento de voz. Cada vez más personas descubren que el Deep Learning es una herramienta mucho mejor para resolver problemas.

La clave del proceso son las redes neuronales artificiales. Estas son redes inspiradas en el cerebro humano con capas interconectadas de algoritmos, llamadas neuronas, que alimentan datos entre sí y que pueden ser entrenados para llevar a cabo tareas específicas al modificar la importancia atribuida a los datos de entrada a medida que pasan entre las capas.

El Deep Learning brilla dondequiera que haya una gran cantidad de datos y problemas complejos para resolver y se puede aplicar en muchos y diferentes campos.

¿Por qué ahora?

Una de las cosas fascinantes de las redes neuronales es cuánto tiempo han tardado en ser un éxito. La historia se remonta a los años cincuenta pero el Deep Learning, realmente solo ha despegado en los últimos cinco años. La razón es la mayor disponibilidad de datos junto con el gran aumento en el rendimiento computacional de los procesadores modernos.

La historia se remonta a los años cincuenta pero el Deep Learning, realmente solo ha despegado en los últimos cinco años. La razón es la mayor disponibilidad de datos junto con el gran aumento en el rendimiento computacional de los procesadores modernos.

Durante mucho tiempo, no teníamos los enormes conjuntos de datos que necesitábamos para hacer que el Deep Learning funcionara. Esos conjuntos de datos solo se volvieron ampliamente disponibles con el surgimiento de Internet, lo que hizo posible la recopilación y el etiquetado de enormes conjuntos de datos.

Especialmente plataformas como Google, Facebook O Instagram ayudaron mucho al mundo para compartir información de todo tipo. Pero incluso cuando teníamos grandes conjuntos de datos, a menudo no teníamos suficiente poder computacional para hacernos de ellos y solo en los últimos cinco años los procesadores se han vuelto lo suficientemente potentes y rápidos como para entrenar redes neuronales a gran escala.

Inteligencia Artificial en 2018: aún más una exageración que realidad

Since robots until chatbots Y autonomous cars -de los que hemos hablado en diferentes ocasiones en este medio-, IA aún se encuentra en sus inicios. Aún estamos muy lejos de las máquinas que son tan inteligentes como los humanos y hasta ahora, hemos visto solo el 5% de lo que IA puede hacer. Para ponerlo en una analogía, estamos más en la época iPod o MP3 que en los avanzados iPhone X que tenemos hoy en nuestras manos. Entre uno y el otro han pasado más de 12 years.

 Para ponerlo en una analogía, estamos más en la época iPod o MP3 que en los avanzados iPhone X que tenemos hoy en nuestras manos. Entre uno y el otro han pasado más de 12 years!

En este momento, el acceso a la IA se limita principalmente a las grandes corporaciones con presupuestos extremadamente grandes. Hay varias razones por las que la tecnología de Machine Learning de hoy hace que la IA predictiva sea tan compleja, lenta y costosa. Por nombrar algunos, se necesitan equipos de expertos en ciencia de datos, que son escasos y costosos, y existe un acceso limitado a los datos.

En CloudReputation llevamos un año y medio trabajando en los algoritmos más avanzados de IA para manejar la reputación de tu restaurante. Uno de los principales retos no es solo crear tecnología avanzada para que vosotros, restauradores, podáis confiar, sino que al mismo tiempo estamos trabajando en diseñar soluciones que hagan esta tecnología accesible y extremadamente fácil de usar.

Ya tenemos a más de 1.000 restaurantes en nuestra plataforma probando nuestro producto y nos encantaría seguir creciendo con vosotros.

Find out how artificial intelligence applied to restoration works
5 (100%) 2 votes

About the Author

Armand Ruiz

Jefe de Producto en IBM Watson especializado en Inteligencia Artificial y fundador de CloudReputation, startup española con sede en Sillicon Valley que ofrece servicios de reputación online para restaurantes

Subscribe

Leave a comment