Como sacado de una historia de ciencia ficción, cada día nos acercamos más a una realidad en la que una computadora podrá identificar, interpretar y responder en tiempo real, sea vía escrita, oral, visual o auditiva, a la amplia gama de emociones de una persona como si se tratara de otro ser humano.
La tecnología conocida como inteligencia artificial emocional tiene como fin reconocer emociones y comprender cómo piensa y siente un ser humano para recrear sus sentimientos y las respuestas asociadas a estos desde un punto de vista informático.
Si bien en la actualidad esta tecnología ya existe, los chatbots son un ejemplo de ello, las investigaciones continúan para crear máquinas más poderosas que pueden llegar a niveles de precisión humana. Para hacerlo posible, se están invirtiendo importantes recursos, estimándose que el mercado de inteligencia artificial (IA) y reconocimiento de emociones alcanzará los US $2301.3 millones en 2027, según el sitio MarketDigits.
En este contexto, la demanda de profesionales que sepan diseñar, implementar y mejorar herramientas de inteligencia artificial emocional se incrementará en los próximos años.
Por tanto, si aún eres estudiante o ya eres un profesional en activo interesado en desarrollarte en esta disciplina, Juan Gabriel Gomila, instructor de Udemy, te comparte los conocimientos que debes desarrollar para convertirte en un experto:
1) Fundamentos de programación, matemáticas avanzadas, estadística y de ingeniería informática o mecatrónica
2) Si dominas lo anterior, deberás conocer como la palma de tu mano:
- Lenguaje de programación Python con librerías de TensorFlow
- Open AI, librería para automatizar tareas a través de la IA
- Keras o Pytorch como librerías de redes neuronales
3) Como siguiente paso, necesitarás profundizar en conceptos y tecnologías asociadas a:
Machine learning. Subárea de la inteligencia artificial que permite a un sistema aprender de los datos que ingresan en vez de un proceso de programación previamente definido, es decir, es la puesta en práctica de algoritmos que dan respuesta a problemas de predicción o clasificación.
Deep learning. Son redes neuronales artificiales que emulan el aprendizaje humano con base en algoritmos estructurados o diseñados para que el sistema mismo sea capaz aprender con base en etapas previas de entrenamiento.
Procesamiento de lenguaje natural (PLN). su objetivo es entablar una buena comunicación entre computadoras y humanos con base en el uso del lenguaje natural de estos, por escrito o de forma oral, considerando los contextos en los que se enuncian
Aprendizaje profundo por refuerzo. Procesos mediante los cuales una computadora aprende por sí misma a base de prueba y error, e implementa soluciones según los resultados arrojados por sus acciones.
Políticas de gradiente. Se trata la estrategia evolutiva de la inteligencia artificial que conforme pasa el tiempo tienen “hijos”, de los cuales solo sobreviven los más aptos y son mejores respecto a generaciones anteriores, acumulando el conocimiento obtenido.
Para efectos prácticos, esto es lo que un experto en inteligencia artificial emocional necesita dominar:
| Área | Algoritmo Top | Complejidad |
| Machine Learning | Light GBM | Baja |
| CatBoost | Baja | |
| Deep Learning para visión artificial | ResNet | Baja |
| MobileNet | Alta | |
| Inception | Muy alta | |
| Deep Learning para PLN | Seq2Seq Attention | Muy alta |
| Lossless Triplet | Muy alta | |
| Loss Intent/ Flow Based | Baja | |
| Aprendizaje profundo por refuerzo | Full World Model | Muy alta |
| Políticas de gradiente | ARS | Baja |
| PPO | Alta | |
| TRPO | Muy alta | |
| Evolution strategies | Muy alta |
Redacción
Recuerda dejarnos un comentario
RECOMENDAMOS El motor del fortalecimiento de las PyMEs es la transformación digital
Te compartimos el siguiente vídeo
