La computación cognitiva como fuente de datos de gran valor

En los últimos años, se ha popularizado el uso de tecnologías cognitivas, como la computación cognitiva, en el ámbito empresarial. Podríamos situar un hito histórico en 2011, con el triunfo del ordenador IBM Watson en el programa televisivo Jeopardy, un concurso de preguntas y respuestas al que hasta ese momento sólo podían acceder humanos.

Desde el punto de vista de negocio, la contribución más importante de este logro fue comprobar que contábamos con una tecnología lo suficientemente avanzada como para que las máquinas puedan interactuar con el mundo de una forma más natural, en este caso usando el lenguaje. Aunque las tecnologías de Procesamiento del Lenguaje Natural existían desde mucho antes, es a partir de esta demostración cuando muchas compañías se plantean seriamente la implantación de nuevos modelos de negocio basados en “bots”, “chat bots” o asistentes virtuales. Gracias a estos avances, hoy en día tenemos en nuestros dispositivos móviles y otros entornos a asistentes como Siri (Apple), Cortana (Microsoft), Alexa (Amazon) y Aura (Telefónica), entre otros.

Cualquiera que haya usado este tipo de asistentes sabe que su funcionamiento es aún muy limitado y que no hemos llegado al rendimiento que conocemos por las películas de ciencia ficción, en la que los protagonistas pueden mantener conversaciones de lo más interesantes con un ordenador. Sin embargo, el uso del lenguaje natural (español, inglés, francés, etc.) por parte de los ordenadores es sólo una parte de lo que se pretende con la Computación Cognitiva.

El término cognitivo se refiere aquí al modo en que los humanos procesamos la información. Desde este punto de vista, los seres humanos somos sistemas cognitivos, es decir, somos organismos dotados de un sistema nervioso que nos permite procesar y comprender bastante eficientemente multitud de fuentes de datos.

Los seres humanos somos expertos en procesar información visual, auditiva, táctil, olfativa, nociceptiva, propioceptiva, etc. En otras palabras, y dejando de momento de lado la dimensión emocional, tenemos un aparato cognitivo lo suficientemente potente como para interpretar diversas fuentes de datos, provenientes de diferentes modalidades sensoriales, y convertirlas en conocimiento útil para nuestros objetivos.

Al hacer la analogía con los sistemas Big Data y los procesos de Inteligencia de Negocio, nos damos cuenta de que esto es precisamente lo que queremos hacer cuando nos dedicamos a esto del “Business Analytics”. Es decir, queremos extraer conocimiento útil y accionable a partir de fuentes de datos que a menudo están constituidas por señales muy complejas, variables y ambiguas.

En la actualidad, denominamos “Dark Data” a todas estas fuentes de datos que, por su gran complejidad y desestructuración, no somos capaces de aprovechar de forma automática. Son éstas, precisamente, las fuentes de datos que los humanos manejamos bien sin esfuerzo aparente.

Veámoslo con un ejemplo: los ordenadores actuales son buenos manejando datos bien estructurados, como una hoja de cálculo con cientos de miles de datos correspondientes a ventas y datos demográficos de clientes. Los ingenieros informáticos no tienen problema en diseñar y construir una aplicación que procese estos datos y nos ofrezca resultados interesantes para ajustar nuestra estrategia de negocio. Sin embargo, en el ecosistema digital es cada vez más común que la información esté representada en contenidos que reflejan la interacción natural de los humanos.

Multitud de datos valiosos se encuentran en los contenidos digitales: imágenes, vídeos, conversaciones, tuits o artículos periodísticos, por citar algunos. Decimos que estos contenidos son desestructurados porque, hoy en día, no se pueden traducir automáticamente a una hoja de cálculo para tomar decisiones. Al igual que ocurre con la información que recibe un humano a través de sus sentidos, estos contenidos están repletos de datos que potencialmente tienen gran valor. Hasta ahora, la única forma que teníamos de extraer estos datos era empleando precisamente esta capacidad humana.

Es fácil para un humano, que tiene a su disposición 90.000 millones de neuronas y decenas de años de aprendizaje previo, ver un vídeo de YouTube y extraer los datos más relevantes: saber quién aparece en el vídeo, qué ropa lleva puesta cada persona, de qué marca es, qué estilo tiene, qué emociones muestra cada interlocutor, de qué productos hablan o qué opinan sobre ellos. Lo que ya no es tan fácil para un humano es automatizar este proceso, hacerlo de forma óptima y sin perderse detalle para una media de 300 horas de vídeo que se suben cada minuto a YouTube.

Aquí es donde entra en juego la tecnología de Computación Cognitiva. Necesitamos ordenadores capaces de ver, leer y oír, que puedan extraer y comprender los datos importantes que hay ocultos en los petabytes y petabytes de contenidos que se generan constantemente en el ecosistema digital.

Por lo tanto, no se trata sólo del lenguaje, no se trata sólo de responder preguntas, incluir recordatorios en la agenda y dar la previsión del tiempo. Nuestro objetivo principal a corto y medio plazo con las tecnologías de Computación Cognitiva es extraer el conocimiento de los contenidos digitales automáticamente. La estrategia principal es la percepción computacional, necesitamos máquinas que puedan automatizar y realizar a gran escala procesos cognitivos como leer el periódico (entendiendo lo que se dice) o ver vídeos de YouTube (entendiendo lo que ocurre en ellos).

Podríamos decir que en la actualidad esta tecnología está en su infancia, aunque las máquinas ya son capaces de extraer información de valor a partir de datos desestructurados. Ya estamos acostumbrados a que Facebook detecte rostros de personas y sepa quién está con quién gracias al reconocimiento facial. Google puede saber dónde se ha hecho una foto gracias al reconocimiento del patrón de la fachada que aparece al fondo. Y, prácticamente, ya no existe ningún parking que no lea automáticamente la matrícula de los vehículos que acceden a él.

En resumen, es muy limitado pensar en la Computación Cognitiva como una tecnología que simplemente permite que las máquinas hablen. En realidad, se trata de dotar a las máquinas de la capacidad de interpretar los contenidos tal y como lo hacen los humanos. Para hablar con propiedad, uno debe primero aprender, leer, ver y saber prestar atención a las cosas importantes. Por eso, podemos pensar en la Computación Cognitiva como la tecnología que puede dar a las máquinas la capacidad de proporcionarnos nuevos datos de gran valor, los cuales hasta ahora permanecen ocultos en la miríada de contenidos digitales que a los humanos nos sobrepasa.

¿Te gustaría aprender cómo puedes aplicar el Big Data a tu negocio o formarte en esta especialidad? Fórmate con nuestro Programa Superior en Big Data de ICEMD. Más información e inscripciones aquí.