Michael Wu de PROS: la IA imita a los humanos, automatiza la toma de decisiones, puede aprender y mejorar, pero no ocupará su lugar

Publicado: 2019-06-08

Para aquellos de ustedes que han estado viendo la serie últimamente, saben que he estado en varios eventos de la industria en las últimas semanas hablando con varias personas, y la mayoría de estas conferencias se llevaron a cabo en Las Vegas.

Bueno, prepárate para esto, estaba en Las Vegas otra vez... para otra conferencia... otra vez. Pero esta vez estuve allí para Outperform, una conferencia organizada por PROS; un proveedor de soluciones impulsadas por IA que optimizan las ventas en la economía digital.

Y no solo tuve la oportunidad de hablar con una de las principales autoridades en inteligencia artificial, el Dr. Michael Wu, estratega jefe de inteligencia artificial de PROS, sino que pude hacerlo con mi amigo y coanfitrión de CRM Playaz, Paul Greenberg.

Como todos somos buenos amigos, y con la capacidad de Michael para explicar la IA, el aprendizaje automático y el aprendizaje profundo en términos que la mayoría de los humanos pueden entender, pudimos divertirnos un poco mientras aprendíamos mucho sobre lo que es y lo que no es la IA. Y lo que reemplazará, así como lo que no.

A continuación se muestra una transcripción editada de nuestra conversación. Para ver la conversación completa, mire el video o haga clic en el reproductor de SoundCloud integrado a continuación.

Entonces, ¿qué es la IA de todos modos?

Paul Greenberg: Para el ser humano común, ¿qué es la IA? ¿Cuál es la diferencia entre el aprendizaje automático? Siendo realistas, ¿cuáles son los beneficios reales de esto en comparación con todo el bombo que escuchas todo el tiempo?

Michael Wu: Permítanme hablar un poco sobre el aprendizaje automático primero. Porque esa es la base de esto. En realidad, todo se remonta a los grandes datos. Entonces, el aprendizaje automático es realmente solo un proceso. Hay un proceso de convertir datos en un modelo en algún tipo de algoritmo, ¿verdad? Entonces tienes algunos datos, los datos, tengo un patrón en eso, ¿verdad?

Y usa el aprendizaje automático y un montón de algoritmos, y luego usa esos algoritmos para seleccionar esencialmente estos patrones, ¿verdad? Y luego los conviertes en un modelo y luego, eso es lo que realmente es el aprendizaje automático. En realidad, es solo un montón de algoritmos que usan los científicos de datos.

Una definición simple de inteligencia artificial

Pero, ¿qué es la IA? AI Es, en realidad es mucho más difícil de definir. Diría eso porque la definición de IA cambia todo el tiempo. De hecho, ha existido durante bastante tiempo y ha existido, diría, 40 50 años; el concepto de ello. La construcción de la misma es mucho más reciente, por supuesto. Entonces, con el tiempo, este concepto de IA ha cambiado bastante. La forma en que me gusta ver la IA en este momento, ya sabes, en realidad es solo una imitación mecánica de algunos comportamientos humanos y decisiones humanas.

Y cuando la máquina puede imitar algo que hacen los humanos, entonces esto se considera inteligencia artificial. Pero, eso en realidad no es suficiente por sí mismo. Yo diría que tenía que haber dos criterios más. Uno es la automatización de la acción de decisión y el otro que mucha gente extraña esto, la capacidad de aprender y mejorar.

Así es como me gusta definir la IA. Es una especie de máquina que imita las decisiones y el comportamiento humanos. Con la característica de ser capaz de automatizar las decisiones, las acciones y la capacidad de aprender y mejorar con el tiempo.

El mayor malentendido sobre la IA

Brent Leary: ¿Qué es lo más irritante que la gente siempre parece mezclarse o confundirse sobre esta área que escuchas una y otra vez y te vuelve loco por esto?

Michael Wu: Tiene que ver con una imagen que ha estado circulando en Internet durante mucho tiempo. Es esa imagen que dice que el aprendizaje profundo es un tipo de aprendizaje automático y el aprendizaje automático es un tipo de IA. Muy a menudo escucho a la gente decir que, oh, el aprendizaje automático es un subconjunto de la IA, y no al revés. Para dar crédito a quien creó esa imagen, diría que no está del todo mal.

Cómo encaja el aprendizaje automático en la IA

El aprendizaje automático se usa bastante en toda la IA moderna, ¿verdad? Entonces, tiene sentido poner el aprendizaje automático dentro de la IA correctamente. Pero si hace eso, está diciendo que el aprendizaje profundo es una especie de aprendizaje automático. Y el aprendizaje automático en realidad no es un tipo de IA, pero se usa en todas las IA. Pero si observa esa imagen, con el tipo de círculos concéntricos de aprendizaje profundo en la parte más interna y luego el aprendizaje automático en el exterior de eso y luego fuera de eso está la IA, ¿verdad? Muy a menudo, las personas llegan a la conclusión errónea de que el aprendizaje automático es en realidad un tipo de IA, lo que en realidad no es cierto.

El único ejemplo que podría darles es, por ejemplo, V8 es una especie de motor, ¿verdad? Todo el mundo sabe que V8 es una especie de motor. Entonces, si comete ese tipo de error de decir que V8 es un motor, dentro de un automóvil, ¿verdad? Y hay un motor en cada automóvil, ¿no? Entonces, si miras esa imagen, a veces puedes llegar a la conclusión equivocada de que el motor es en realidad una especie de automóvil. Lo cual es ridículo, ¿verdad? Sabes que un motor no es un coche. Entonces, esa es la única cosa que a menudo me vuelve loco, que la gente dice, ah, el aprendizaje automático es un tipo de IA, y la IA no es un tipo de aprendizaje automático, no es del todo cierto.

Por qué la gente debería dejar de preocuparse de que las máquinas se hagan cargo

Paul Greenberg: Déjame lanzar otra cosa, esto realmente me vuelve loco. Siempre escucho las constantes historias de pánico sobre la IA que sustituye a los humanos, bla, bla, bla, la historia de Sky Net.

Este es el trato, desde mi punto de vista, dijiste su mimetismo, es decir, su aproximación, y es lo mejor que jamás será. Nunca va a ser un sustituto del ser humano, no puede ser. No crea como lo hacen los humanos.

El científico de datos jefe de Salesforce, Richard Socher, en realidad hizo un comentario una vez en el que dijo, y me encanta este comentario, "AI no quiere nada", que es realmente una excelente manera de decirlo, lo que significa que tienes que decir AI, ve a hacer eso, y luego irá a hacer eso y aprenderá. Pero no va a decir: "Voy a hacer eso". Así que es primero, ¿es eso cierto? En segundo lugar, ¿tengo razón en estar irritado por eso o debería conseguir que alguna IA se irrite por mí?

AI ofrece optimización para su negocio

Michael Wu: Bueno, quiero decir, creo que es cierto hasta cierto punto, diría que los algoritmos de inteligencia artificial de aprendizaje automático funcionan en lo que llamamos funciones de optimización de objetivos propios.

Entonces, dependiendo de lo que quisieras optimizar, ¿verdad? Entonces encontrará formas de optimizar lo que sea. Es simplemente un algoritmo matemático que intenta optimizar algo.

Entonces, si desea optimizar las ventas, o algunas personas dicen, han realizado experimentos para ver qué haría la máquina cuando intentan optimizar las ganancias o algo así. O si tratas de optimizar ganar un juego como el ajedrez o algo así, ¿qué harían bien? Muy a menudo, es decir, cuando las máquinas realmente hacen algo fuera de lo que esperamos que hagan.

Por lo general, se debe a que no hemos especificado el límite, la restricción. Necesita optimizarlo, pero no le dijimos que lo optimizara con ciertas restricciones. Las máquinas pueden aprender a hacer trampa, pero todo lo que intentan hacer es optimizar. Dicen: “No me dijiste que no puedo hacer trampa. No sabía nada sobre hacer trampa”. Pero si dices que está bien, tienes que optimizar esto, bajo la restricción de que no puedes hacer esto, esto, esto, esto y aquello. Entonces lo hará, seguirá eso.

Se trata de establecer los parámetros

Pero tal vez olvidó algunas cosas, y es casi como pensar en cómo aprenderá un niño, cómo aprenden los niños. Quiero decir, si les dices que, para optimizar algo o hacer algo, lo intentarán de todas las formas posibles. Y luego dices, tal vez quiere comprar un helado para su amigo, y luego lo intenta, y una vez trata de agarrarlo a la fuerza y ​​es como, oh, no puedes hacer eso.

Y luego, la próxima vez, no puedo hacer eso, ¿de acuerdo, puedo robarlo? Oh, no, tampoco puedes hacer eso. Realmente es un proceso de aprendizaje. Tienes que enseñarles cuáles son los límites y luego, con el tiempo, aprenderás que estos son los límites aceptables. Y coincidirás con nuestros humanos yendo a salvo límites aceptables.

Brent Leary: Así que ayer tuvimos una pequeña reunión de analistas, supongo, con [el director general de PROS] Andres Reiner. Y una de las cosas que dijo fue que las organizaciones de ventas modernas actualmente se enfocan en la optimización de acuerdos. Él dice que ahora realmente deberían hacer la transición para optimizar la experiencia del cliente. Entonces, ¿cómo encajan esas dos cosas? Hay mucho enfoque, en este momento, en el uso de datos para optimizar cosas como acuerdos. Pero, ¿cómo haces las cosas para optimizar la experiencia con todos estos datos que tienes que están realmente enfocados en la optimización de acuerdos?

Cómo optimizar la experiencia del cliente

Michael Wu: Sí, creo que si solo tienes datos, que realmente se centren en las ofertas, en realidad es muy difícil. Necesita recopilar otros datos. Obviamente, es muy fácil imaginar un escenario en el que optimiza un trato pero la experiencia del cliente es deficiente para las personas, como venderles cosas que no quieren, seguir enviándoles catálogos de cosas que ya tienen o que poseen.

Podría hacer eso pero, en última instancia, está perjudicando la experiencia de su cliente a largo plazo, en realidad podría perjudicar su trato. Eventualmente, los clientes te dejarán. Esta es la escala de tiempo que la gente tiene que mirar. En una escala de tiempo corta, si optimiza para el trato, puede obtener algunas ventas a corto plazo, pero a largo plazo, si realmente no le importa la experiencia del cliente, el cliente se irá.

Pero si optimiza la experiencia de sus clientes, tal vez a corto plazo, no obtendrá el aumento de ingresos que deseaba. Pero a largo plazo, los clientes se darán cuenta de que esta empresa es increíble. De hecho, voy a hacer negocios con ellos y continuaré haciendo negocios con ellos por el resto de mi vida. O voy a alentar a mis hijos, mis amigos y abogar por el servicio de esta empresa.

Esa es en realidad una visión a mucho más largo plazo. Pero como sabemos, la mayoría de las empresas a veces pueden ser un poco cortas.

Reflexiones finales sobre la IA

Brent Leary: Muy bien, sé que nos estamos acercando a la gran nota clave. Sé que tienes que correr. Pero unas últimas palabras, ¿dónde vemos la IA o debo comenzar con el aprendizaje automático y luego con la IA? ¿Dónde nos ves dentro de cinco años con estas cosas?

Michael Wu: Creo que en cinco años se automatizará mucho más trabajo. Yo diría que la parte más aburrida y repetitiva del trabajo. Eso debería estar automatizado. Siento que mucha gente teme que la computadora o la máquina nos quiten el trabajo. Creo que hemos estado haciendo trabajos repetitivos durante demasiado tiempo. (Y) creo que eso debería haber sido hecho por máquinas.

Los seres humanos deben centrarse en lo que los seres humanos hacen mejor. Por ejemplo, construir relaciones, ser empático con las personas y resolver problemas. Entonces, si resuelve el problema una o dos veces, puede enseñarle a la máquina y la máquina puede resolverlo.

Si hay situaciones en las que surge el mismo problema, y ​​las formas anteriores que resolvió no funcionaron, entonces intente resolverlo nuevamente de una manera diferente. Una vez que lo resuelves, le enseñas a la máquina para que pueda automatizar. El ser humano siempre puede concentrarse en resolver nuevos problemas, lo que, por supuesto, es mucho más interesante y mucho más emocionante.

Esto es parte de la serie de entrevistas uno a uno con líderes de opinión. La transcripción ha sido editada para su publicación. Si se trata de una entrevista de audio o video, haga clic en el reproductor integrado de arriba o suscríbase a través de iTunes o Stitcher.