4 tipus de dades per aplicar Intel·ligència Artificial

Hi ha 4 tipus de dades per a la Intel·ligència Artificial (IA). Entendre'ls no només 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

Dades d'imatge

Tot i que els humans podem veure una foto i reconèixer immediatament qualsevol objecte, això per als ordinadors 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 ordinadors perquè aprenguin coses a partir de la seva pròpia experiència. Això és gràcies als avenços 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 mascaretes al lloc de treball
• Detecció de milers d'objectes com, per exemple, logotips de marques

En realitat, qualsevol de nosaltres estem utilitzant aquest tipus d'algoritmes quan pugem imatges a Google Fotos o Photos d'Amazon. També els cotxes moderns utilitzen aquest tipus d'algoritmes per 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, capaç de crear imatges a partir d'un text.

Dades de llenguatge natural

El processament del llenguatge natural (NLP) és un camp de la intel·ligència artificial en el qual els ordinadors 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 crear significat.

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

Dades dels sensors

Avui en dia, la proliferació de l'Internet of Things (IoT) tant en l'àmbit de la llar com el professional ha portat que gairebé qualsevol dispositiu que fem servir a les nostres llars, oficines, fàbriques o fins i tot en els nostres cossos (wearables) pugui estar en línia i connectat. Les nostres ciutats estan sensoritzades (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, 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 es produiran avaries abans que ocorrin per 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 una visualització en una plataforma de streaming.

Les dades de les nostres targetes de crèdit són dades transaccionals. Per això, un camp important 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'intel·ligència artificial en aquest tipus de dades podem realitzar previsions 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 entreveure el tipus d'aplicacions que la IA ens ofereix.