Invertir en Inteligencia Artificial (IA) – Todo lo que Necesitas Saber

La Inteligencia Artificial (IA) es un campo que no necesita presentación. La IA ha seguido la corriente de la Ley de Moore, que afirma que la velocidad y capacidad de los ordenadores se duplicarán cada dos años. Desde 2012, la cantidad de cómputo utilizada en los entrenamientos de IA más grandes ha aumentado exponencialmente con una duplicación cada 3 a 4 meses, con el resultado de que los recursos informáticos asignados a la IA han crecido 300,000x desde 2012. Ninguna otra industria puede compararse con estas estadísticas de crecimiento.

Exploraremos qué campos de la IA están liderando esta aceleración, qué empresas están mejor posicionadas para aprovechar este crecimiento y por qué es importante.

Tipos de Aprendizaje Automático

El aprendizaje automático es una subárea de la IA que esencialmente programa a las máquinas para que aprendan. Existen múltiples tipos de algoritmos de aprendizaje automático; el más popular, con mucho, es el aprendizaje profundo, que consiste en alimentar datos a una Red Neuronal Artificial (ANN). Una ANN es una red muy intensiva en cómputo de funciones matemáticas unidas en un formato inspirado en las redes neuronales del cerebro humano.

Cuantos más big data se alimenten a una ANN, más precisa se vuelve. Por ejemplo, si intentas entrenar una ANN para que aprenda a identificar fotos de gatos, si alimentas a la red con 1,000 fotos de gatos la precisión será baja, quizá un 70 %; si la aumentas a 10,000 fotos, la precisión puede subir al 80 %; si la incrementas a 100,000 fotos, la precisión alcanzará el 90 % y seguirá aumentando.

Aquí radica una de las oportunidades: las empresas que dominan el desarrollo de chips de IA están naturalmente listas para crecer.

Existen muchos otros tipos de aprendizaje automático con potencial, como el aprendizaje por refuerzo, que consiste en entrenar a un agente mediante la repetición de acciones y recompensas asociadas. Al usar el aprendizaje por refuerzo, un sistema de IA puede competir contra sí mismo con la intención de mejorar su desempeño. Por ejemplo, un programa que juega al ajedrez jugará contra sí mismo repetidamente, y cada partida mejora su rendimiento en la siguiente.

Actualmente, los mejores tipos de IA utilizan una combinación de aprendizaje profundo y aprendizaje por refuerzo, lo que se conoce comúnmente como aprendizaje profundo por refuerzo. Todas las principales empresas de IA del mundo, como Tesla, emplean alguna forma de aprendizaje profundo por refuerzo.

Aunque existen otros sistemas importantes de aprendizaje automático que se están desarrollando, como el meta‑aprendizaje, por simplicidad el aprendizaje profundo y su pariente más avanzado, el aprendizaje profundo por refuerzo, son los que los inversores deben conocer mejor. Las empresas que lideran este avance tecnológico estarán mejor posicionadas para aprovechar el enorme crecimiento exponencial que estamos presenciando en la IA.

Ciencia de Datos & Big Data

Si hay un factor diferenciador entre las empresas que tendrán éxito y se convertirán en líderes del mercado y las que fracasarán, es el big data. Todos los tipos de aprendizaje automático dependen en gran medida de la ciencia de datos, que se describe mejor como un proceso de comprender el mundo a partir de patrones en los datos. En este caso la IA aprende de los datos, y cuantos más datos haya, más precisos serán los resultados. Existen algunas excepciones a esta regla debido a lo que se llama overfitting, pero es una preocupación que los desarrolladores de IA conocen y toman precauciones para compensar.

La importancia del big data es la razón por la que empresas como Tesla tienen una clara ventaja competitiva en la tecnología de vehículos autónomos. Cada Tesla en movimiento que utiliza el piloto automático envía datos a la nube. Esto permite a Tesla usar aprendizaje profundo por refuerzo y otros ajustes de algoritmos para mejorar el sistema global de vehículos autónomos.

Esto también explica por qué empresas como Google serán tan difíciles de destronar por los competidores. Cada día que pasa, Google recopila datos de su multitud de productos y servicios, incluidos los resultados de búsqueda, Google Adsense, dispositivos Android, el navegador Chrome e incluso el termostato Nest. Google está acumulando más datos que cualquier otra empresa del mundo. Ni siquiera se cuentan los proyectos ambiciosos en los que participa.

Al comprender por qué el aprendizaje profundo y la ciencia de datos son importantes, podemos inferir por qué las empresas a continuación son tan poderosas.

Empresas de IA para Invertir

Hay tres líderes de mercado actuales que serán muy difíciles de desafiar.

Alphabet Inc (NASDAQ: GOOGL)

Alphabet Inc es la empresa matriz de todos los productos de Google, incluido el motor de búsqueda de Google.  Una breve lección histórica es necesaria para explicar por qué son un líder de mercado en IA. En 2010, se lanzó la empresa británica DeepMind con el objetivo de aplicar diversas técnicas de aprendizaje automático para crear algoritmos de aprendizaje de propósito general.

En 2013, DeepMind sorprendió al mundo con varios logros, incluido convertirse en campeón mundial en siete juegos de Atari mediante el uso de aprendizaje profundo por refuerzo.

En 2014, Google adquirió DeepMind por 500 Million, y poco después, en 2015, AlphaGo de DeepMind se convirtió en el primer programa de IA en derrotar a un jugador profesional de Go, y el primer programa en vencer a un campeón mundial de Go. Para quienes no conocen el Go, se considera por muchos el juego más desafiante que existe.

DeepMind es actualmente considerado un líder del mercado en aprendizaje profundo por refuerzo, y un candidato destacado para lograr la Inteligencia Artificial General (AGI), un tipo futurista de IA con el objetivo de alcanzar o superar la inteligencia humana.

También debemos considerar los demás tipos de IA en los que Google está involucrado, como Waymo, líder del mercado en tecnología de vehículos autónomos, solo superado por Tesla, y los sistemas de IA confidenciales que se utilizan actualmente en el motor de búsqueda de Google.

Google está actualmente involucrado en tantos niveles de IA que se necesitaría un documento exhaustivo para cubrirlos todos.

Tesla (NASDAQ: TSLA)

Como se indicó anteriormente, Tesla aprovecha el big data de su flota de vehículos en carretera para recopilar datos de su piloto automático. Cuantos más datos se recopilan, más puede mejorar mediante el aprendizaje profundo por refuerzo; esto es especialmente importante para lo que se denomina casos límite, es decir, escenarios que no ocurren con frecuencia en la vida real.

Por ejemplo, es imposible predecir y programar cada tipo de escenario que pueda ocurrir en la carretera, como una maleta rodando hacia el tráfico o un avión cayendo del cielo. En estos casos hay pocos datos específicos, y el sistema debe asociar datos de muchos escenarios diferentes. Esta es otra ventaja de contar con una gran cantidad de datos; aunque sea la primera vez que un Tesla en Houston encuentre un escenario, es posible que un Tesla en Dubái haya experimentado algo similar.

Tesla también es líder del mercado en tecnología de baterías y en tecnología eléctrica para vehículos. Ambos dependen de sistemas de IA para optimizar la autonomía de un vehículo antes de que sea necesario recargar. Tesla es conocida por sus frecuentes actualizaciones por aire con optimizaciones de IA que mejoran en algunos puntos porcentuales el rendimiento y la autonomía de su flota de vehículos.

Como si eso no fuera suficiente, Tesla también está diseñando sus propios chips de IA, lo que significa que ya no depende de chips de terceros y pueden optimizar los chips para trabajar con su software de conducción totalmente autónoma desde cero.

NVIDIA (NASDAQ: NVDA)

NVIDIA es la empresa mejor posicionada para aprovechar el actual aumento de la demanda de chips GPU (Unidad de Procesamiento Gráfico), ya que actualmente son responsables del 80 % de todas las ventas de GPU .

Aunque inicialmente las GPU se utilizaban para videojuegos, fueron rápidamente adoptadas por la industria de IA, específicamente para el aprendizaje profundo. La razón por la que las GPU son tan importantes es que la velocidad de los cálculos de IA se incrementa considerablemente cuando los cálculos se realizan en paralelo. Al entrenar una ANN de aprendizaje profundo, se requieren entradas que dependen en gran medida de multiplicaciones de matrices, donde el paralelismo es crucial.

NVIDIA está constantemente lanzando nuevos chips de IA optimizados para diferentes casos de uso y requisitos de los investigadores de IA. Esta presión constante por innovar es lo que mantiene a NVIDIA como líder del mercado.

Elige un Corredor de Bolsa

El primer paso en tu trayectoria debe ser elegir un corredor de bolsa. Un corredor que recomendamos es Firstrade.

Resumen

Es imposible enumerar todas las empresas que están involucradas de alguna forma en la IA; lo importante es comprender las tecnologías de aprendizaje automático que son responsables de la mayor parte de la innovación y el crecimiento que la industria ha experimentado. Hemos destacado a 3 líderes del mercado, y surgirán muchos más. Para mantenerse al día con la IA, deberías estar al corriente de las noticias de IA, evitar el hype de la IA y entender que este campo está en constante evolución.