La inteligencia artificial (IA) del software de Microsoft analiza los datos con el fin de poner a prueba y alertar a los pacientes o al personal sanitarios sobre problemas de salud incipientes antes de que cualquier persona se dé cuenta.
El hospital es una vista previa sobre el futuro del sistema y los negocios de Microsoft. Utiliza un conjunto de servicios "cognitivos" que Microsoft ha añadido recientemente a su servicio de computación en la nube, Azure. La compañía afirma que alquilar su tecnología de aprendizaje automático permitirá obtener nuevos beneficios y permitirá que todo tipo de empresas analicen sus datos (y los de sus clientes) mediante técnicas de IA que antes solo podían permitirse los gigantes informáticos.
El director de Gestión de Producto de Microsoft, Herain Oberoi (quien además supervisa los servicios de aprendizaje automático de la empresa), afirma: "Los clientes van a madurar desde los servicios en la nube tradicionales hasta nuevos servicios que emplean elementos de aprendizaje automático y de IA. Cada empresa con la que tengo conversaciones cuenta con personas veteranas que se encargan de pensar en cómo se puede utilizar esta tecnología en beneficio de la empresa".
La competencia de Microsoft (Google, IBM y Amazon) está apostando por lo mismo. Google anunció en junio que había inventado un nuevo tipo de chip que permitía acelerar el software de aprendizaje automático y hacer que sus servicios en la nube fuesen más competitivos. La empresa lleva ventaja en materia de computación en la nube respecto a Amazon y a Microsoft, y su CEO, Sundar Pichai, afirmó que los servicios de aprendizaje automático son un medio que permitiría a Google diferenciarse del resto. La división de la nube de Amazon, Amazon Web Services, lanzó su primer servicio de aprendizaje automático en la nube el año pasado. En junio, el director del grupo, Andy Jassy, se comprometió a expandir el servicio en los meses siguientes.
Amazon y sus principales competidores han aumentado su inversión en tecnología de aprendizaje automático en los últimos años, después de que los avances del software pudieran entrenarse para realizar tareas como interpretar fotografías o discursos (ver Aprendizaje profundo).
Algunos de los primeros productos de consumo que se han beneficiado de estos avances han sido Alexa, el asistente doméstico activado por voz de Amazon, y el nuevo servicio Photos de Google, que entiende el contenido de las imágenes y que cuenta ya con más de 200 millones de usuarios. Añadir aprendizaje automático a la nube que ya utilizan las empresas para exte alizar las tareas, como el almacenamiento y análisis de datos, se ve ahora como una manera de obtener dinero mediante la tecnología y como una forma de impulsar un mercado muy lucrativo. IDC calcula que las empresas gastaron más 63.000 millones de euros durante el último año en proveedores de servicios en la nube, y predice que doblarán esta cantidad a finales de esta década.
El director de Gestión de Producto sobre las ofertas de aprendizaje automático en la nube de Google, Rob Craft, afirma que la mayoría de las empresas están en posición de beneficiarse del aprendizaje automático de inmediato, ya que cuentan con una gran cantidad de datos sobre sus operaciones, sus negocios y sus clientes. Craft detalla: "Nuestro objetivo es ayudarles a obtener un mayor valor directo de sus datos".
El servicio más sencillo de los nuevos ofrecidos por Google y otras empresas es el de describir el contenido de las imágenes, transcribir archivos de audio como llamadas de teléfono, extraer las palabras clave de los textos y traducir texto entre idiomas. Aunque aparentemente parezca que van rezagados respecto a la tecnología de aprendizaje automático de Google, Microsoft e IBM son quienes han lanzado la gama más amplia de estos servicios, conocidos como API.
Por ejemplo, Microsoft cuenta con una API que intenta descifrar las expresiones faciales. Por su parte, IBM tiene otra que evalúa la personalidad del autor de uno o varios textos (como por ejemplo publicaciones en las redes sociales). La empresa de marketing Influential la utiliza para ayudar a empresas como la cervecera Corona y Red Bull para identificar a los usuarios de redes sociales más sensibles a sus campañas promocionales. También es posible combinar diferentes API. Es decir, una compañía podría crear un sistema que detecte su logotipo en imágenes de las redes sociales, detectar la expresión facial de cualquier persona que aparezca en la foto y extraer las palabras clave del texto que acompañe a la imagen.
Muchos de los componentes fundamentales necesarios para construir el tipo de sistemas de aprendizaje automático que utilizan Google y otras empresas (y que esperan que resulten valiosos) son gratuitos (ver Facebook también empieza a regalar su tecnología de inteligencia artificial). Sin embargo, el cofundador y responsable tecnológico de la start-up ROSS Inteligence, Jimoh Ovbiagele, asegura que el tiempo y el gasto de construir y hacer funcionar un sistema de aprendizaje automático de primera división implica que, para muchas empresas, es más rentable alquilar esta tecnología.
"Tiene sentido estar a hombros de gigantes", explica Ovbiagele. La capacidad de ROSS de entender cuestiones legales se basa en el paquete de tecnología de procesamiento del lenguaje, desarrollada por IBM. Parte de esta tecnología se desarrolló mediante el sistema informático Watson que en 2011 venció a dos campeones del concurso de televisión Jeopardy!
El responsable tecnológico de PwC, Chris Curran, afirma que a la mayoría de las grandes empresas aún les falta mucho para realizar grandes inversiones en servicios de aprendizaje automático. Calcula que tres cuartas partes de estas empresas están "observando y aprendiendo", a la espera qué pueden ofrecer estas nuevas funciones.
Curran considera que los nuevos servicios de Microsoft y las demás empresas facilitan que empresas no tecnológicas (como el Centro médico Dartmouth-Hitchcock) utilicen sistemas de aprendizaje automático preprogramados. Sin embargo, la tecnología es aún más valiosa cuando se ajusta a las necesidades específicas de la organización. Las API para imágenes de Google y Microsoft funcionan bien en evaluaciones generales, como por ejemplo para detectar si una foto contiene un gato o un rascacielos. No obstante, un fabricante de alimentos obtendría más beneficios si existiese un sistema de visión capaz de detectar defectos específicos en los productos de su línea de producción.
Todos los proveedores de servicios en la nube ya ofrecen (o han prometido ofrecer) vías para que el cliente pueda entrenar los algoritmos con sus propios datos para solucionar sus problemas específicos. El problema es que desarrollar software de inteligencia artificial personalizado no es algo que pueda hacerse de cualquier manera. Curran detalla: "Necesitas contar con la gente y la experiencia necesarias, algo que escasea".