Equifax
y SAS Aprovechan la inteligencia
artificial y el aprendizaje profundo
para mejorar el acceso del consumidor para crédito y minería
http://www.forbes.com/sites/gilpress/2017/02/20/equifax-and-sas-leverage-ai-and-deep-learning-to-improve-consumer-access-to-credit/#24f9c7827aa5
Gil
Press,
La
inteligencia artificial, el aprendizaje mecánico y el aprendizaje profundo
basado en redes neuronales son conceptos que recientemente han llegado a dominar el financiamiento
de capital de riesgo, la formación inicial, la promoción y las salidas y las
discusiones políticas. Los triunfos sobre los seres humanos en Go y Poker, el
rápido progreso en reconocimiento de voz, identificación de imágenes y
traducción de idiomas, y la proliferación de hablar y enviar mensajes de texto
asistentes virtuales y chatbots, han ayudado a inflar la capitalización de
mercado de Apple. 17 de febrero), Google (# 2), Microsoft (# 3), Amazon (# 5) y Facebook (# 6).
Mientras que
estas compañías dominan los titulares -y la guerra para el talento relevante-
otras compañías que han estado analizando datos o proporcionando herramientas
para análisis durante años también están capitalizando los avances recientes de
AI.
Un ejemplo
de ello son Equifax y SAS:
el
primero desarrolló herramientas de aprendizaje profundo para mejorar el puntaje
de crédito y
el segundo incorporó
nuevas funcionalidades de aprendizaje profundo a sus herramientas de minería de
datos y ofreció una API de aprendizaje profundo.
Red neuronal
creada en SAS Minería de datos visuales y aprendizaje de máquinas 8.1
Ambas
compañías tienen mucha experiencia en lo que hacen. Equifax, fundada en 1899, es una agencia de informes crediticios que recopila y
analiza datos de más de 820 millones de consumidores y más de 91
millones de empresas en todo el mundo. SAS, fundada en 1976, desarrolla y comercializa software de análisis de datos y de
gestión de datos.
Los
conceptos de AI que hacen los titulares de hoy también tienen una larga
historia. Más allá de los cálculos rápidos, dos enfoques surgieron en los años
cincuenta para aplicar las primeras computadoras a otro tipo de trabajo cognitivo.
Uno era etiquetado "inteligencia artificial",
el otro "aprendizaje de máquina" (un nombre decididamente
menos atractivo y llamativo). Mientras que el enfoque
de inteligencia artificial estaba relacionado con la lógica simbólica, una rama
de las matemáticas,
el enfoque de aprendizaje de máquina estaba
relacionado con la estadística. Y había otra distinción importante entre los dos: El enfoque de
inteligencia artificial era parte del paradigma dominante de la ciencia de la
computadora y la práctica de un programador que definía lo que la computadora
tenía que hacer codificando un algoritmo, un modelo un programa en un lenguaje
de programación. El método de aprendizaje a máquina se basó en datos y en procedimientos estadísticos que encontraron patrones
en los datos o clasificaron los datos en diferentes cubos, permitiendo
que el ordenador "aprendiera" (por ejemplo, optimizar la precisión de
desempeño de una determinada tarea) "(Por
ejemplo, clasificar o poner en diferentes cubos) el tipo de datos nuevos que se
le suministran.
No hay comentarios:
Publicar un comentario