¿Cómo el deep learning impulsa los negocios?

 

Cuando “resuelve” un problema o cuestión que requiere una decisión, es probable que se sienta como si estuviera pasando por una lista de verificación lineal. Pero no es así como funciona el cerebro humano; procesa en un patrón no lineal. Y así es esencialmente cómo funciona el deep learning (aprendizaje profundo), un subconjunto de la inteligencia artificial (IA).

1. Las redes neuronales de deep learning imitan los procesos de toma de decisiones del cerebro humano al realizar una serie de cálculos para llegar a una conclusión.
2. Las máquinas pueden procesar cantidades masivas de datos que los humanos no pueden, pero se necesitan estructuras de gobierno sólidas para garantizar resultados positivos.
3. El deep learning puede mejorar la productividad, aumentar la retención e impulsar los ingresos si las empresas utilizan los datos para su beneficio.

El deep learning funciona como el cerebro humano

El deep learning, en su esencia, aprende de ejemplos, de la misma manera que lo hace el cerebro humano. Es imitar la forma en que los humanos adquieren ciertos tipos de conocimiento. Debido a que el deep learning procesa la información de manera similar, se puede usar para hacer cosas que las personas pueden hacer, por ejemplo, aprender a conducir un automóvil o identificar a un perro en una imagen.

El deep learning también se utiliza para automatizar el análisis predictivo, por ejemplo, identificando tendencias y patrones de compra de clientes para que una empresa pueda ganar más clientes y conservar más de ellos. ¿Conoce esas secciones en sitios minoristas que muestran artículos que se "compran juntos con frecuencia" cuando compra un destornillador nuevo? Se basan en algoritmos predictivos de deep learning que han considerado tanto su búsqueda actual como patrones de compra anteriores para sugerir productos adicionales que también podría necesitar.

El deep learning tiene aplicaciones en todas las industrias

Las redes neuronales no son nuevas; han existido desde la década de 1940. En 1943, dos informáticos introdujeron modelos de redes neurológicas, recrearon interruptores de umbral basados ​​en neuronas y demostraron que incluso redes simples de este tipo pueden calcular casi cualquier función lógica o aritmética.

Los primeros precursores de la computadora fueron desarrollados por un informático que estaba cansado de calcular trayectorias balísticas a mano. Hoy, más de 70 años después, el deep learning se ha disparado en sofisticación y uso, principalmente debido a la potencia informática ampliada (junto con costos muy reducidos por unidad de potencia), un mejor modelado y la disponibilidad de datos. El deep learning requiere cantidades masivas de datos. Actualmente, se estima que los datos que generamos todos los días son 2,6 quintillones de bytes . Y puede analizar conjuntos de datos masivos mucho más rápido que un humano. Las máquinas no sufren de monotonía ni fatiga.

El deep learning es el futuro de los negocios

El deep learning nos ha brindado búsquedas de productos basadas en imágenes (por ejemplo, Pinterest) y formas eficientes de clasificar frutas y verduras para reducir los costos de mano de obra. El primero es más una conveniencia para el consumidor, mientras que el segundo es un verdadero caso de negocios para la productividad.

Se están invirtiendo recursos significativos en el deep learning de los servicios financieros, en los que se utiliza para detectar fraudes, reducir el riesgo, automatizar el comercio y brindar "asesoramiento automático" a los inversores. Según un informe de Economist Intelligence Unit (EIU), el 86% de las empresas de servicios financieros planean aumentar sus inversiones relacionadas con la IA para 2025.

Lee el artículo completo en: https://www.weforum.org/agenda/2022/01/deep-learning-business-productivity-revenue/