Les solucions de machine learning i deep learning ja són eines essencials de negoci que les organitzacions utilitzen per millorar l'experiència del client, incrementar el retorn de la inversió i obtenir un avantatge competitiu en les operacions comercials, entre d'altres. Ambdós models d'intel·ligència artificial es basen en algoritmes complexos als quals, en massa ocasions, concedim més poder del que realment tenen. Parlem del paper dels algoritmes en la resolució de problemes empresarials.
L'eufòria pel machine learning i el deep learning en el món del business, cada vegada és major. Una investigació realitzada per MarketsandMarkets preveu que, el 2022, el mercat de machine learning haurà crescut en un 44,1% en 6 anys; passant dels 1.030 milions de dòlars el 2016, als 8.810 milions de dòlars el 2022. El mateix estudi apunta que la generació de dades i els avanços tecnològics ja se situen entre els principals factors que impulsen el mercat. Així mateix, les tecnologies de machine learning, com Azure Machine Learning, tenen cada vegada més presència en les empreses.
Descobreix la diferència entre machine learning i deep learning en aquest article: 'Quina diferència hi ha entre machine learning i deep learning?'
Ambdues són tecnologies d'intel·ligència artificial que parteixen d'algoritmes matemàtics complexos que aconsegueixen que, a partir de les dades, les màquines aprenguin d'una manera similar a la que ho fem els humans. Els algoritmes són utilitzats per una infinitat d'operacions i activitats de negoci de múltiples naturaleses.
Avui en dia, l'algoritme està pràcticament a tot arreu i l'afany per desenvolupar o aplicar un algoritme millor que el de la competència està tan propagat com l'ànsia per desxifrar tots els secrets del nou algoritme d'Instagram.
Segons Google, que d'algoritmes en sap bastant, un algoritme és un "conjunt ordenat d'operacions sistemàtiques que permet fer un càlcul i trobar la solució a un problema." A la pràctica, un algoritme no és més que una fórmula matemàtica o el conjunt de múltiples fórmules matemàtiques aplicades a eines tecnològiques per tal que facin exactament allò que volem que facin.
Eduardo Peña, professor de la Facultat d'Informàtica de la Universitat Complutense de Madrid, ho explica d'aquesta manera: “En definitiva, la feina dels programadors informàtics consisteix a traduir els problemes del món a un llenguatge que una màquina pugui entendre."
En l'entorn empresarial els algoritmes són utilitzats constantment per a l'optimització d'operacions i funcionalitats. Parteixen de les dades i depenen, més del que pugui semblar, de la ment humana. Els científics i enginyers de dades desenvolupen algoritmes amb la intenció de resoldre problemes i perfeccionar operacions dutes a terme per màquines, eines tecnològiques, plataformes, etc. No obstant això, en moltes ocasions, per molt prodigiós que sigui l'algoritme, els problemes empresarials no són resolts o no s'aconsegueixen els resultats esperats.
Però, per què?
Warmerdam està convençut que els algoritmes no solucionen problemes i que, de fet, per molt bo que sigui un algoritme, si mal aplicat, pot agreujar un problema. El més preocupant de tot és que ell mateix, en més ocasions de les que li agradaria admetre, ha celebrat amb els seus companys la resolució d'un problema empresarial a través d'un algoritme per, dies o setmanes després, acabar descobrint que el problema no s'havia resolt en absolut i que estaven celebrant una falsa victòria que ells mateixos havien proclamat.
Aquest és precisament el gran problema de l'algoritme. El món està obstinat a creure que un algoritme és capaç de resoldre-ho tot. El mateix Vincent parafraseja a diversos els seus companys de feina qui, davant qualsevol problema, el primer que diuen és quelcom similar a això: "Necessites resoldre això? Crearem un superalgoritme!" Quelcom similar a això immediatament després de saber que un client necessita solucionar una problemàtica. Sense ni tan sols entendre el problema, analitzar les dades o assegurar-se de la seva fiabilitat.
Un altre exemple de fracàs provocat per la fe cega en l'algoritme és el del famós incident borsari anomenat 'Flash Crack'. El 6 de maig de 2010 els algoritmes borsaris van produir una caiguda de la borsa de 1.000 punts —pràcticament el 9% de les accions— sense motiu aparent. Passats uns minuts tot va tornar a la normalitat i els punts van tornar al seu estat natural. Tot i això, encara avui, ningú pot explicar per què va passar el que va passar. Els mateixos creadors de l'algoritme van ser incapaços de determinar per què l'algoritme havia fet el que havia fet; cosa que va demostrar que, realment, cap d'ells entenia el procés complet ni sabia què hi havia darrere l'algoritme, confirmant les sospites de Warmerdam sobre que la intel·ligència artificial és incapaç de ser intel·ligent sense la intel·ligència natural o, en altres paraules, la intel·ligència humana.
En aquest sentit, si bé el machine learning, el deep learning i els algoritmes han suposat un avenç descomunal en el món dels negocis, és fonamental que els empresaris, científics i enginyers de dades prenguin consciència que els algoritmes, per si sols, no resolen problemes. Aplicar fórmules correctes al problema equivocat pot culminar en una falsa sensació de victòria que, a la llarga, sempre acaba en derrota.