Las tendencias clave en el aprendizaje automático y AI

Siempre que hablamos con un profesional de tecnología o desarrollador debemos mencionar la inteligencia artificial, aprendizaje automático o bots. Madrona recientemente organizó una conferencia sobre el LD y AI, para reunir algunas de las mayores empresas de tecnología y empresas innovadoras en el ecosistema de aplicaciones inteligente.

Uno de los temas clave para el evento surgió a partir de una encuesta de los asistentes. Todos los que respondieron a la encuesta dieron que la ML es importante las empresas y la industrias.

Sin embargo, más de la mitad de los encuestados dijeron que sus organizaciones no tienen la experiencia adecuada en ML para ser capaz de hacer lo que se planea.

Cada aplicación será una aplicación inteligente

Si su empresa no está utilizando la máquina de aprendizaje para detectar anomalías, le recomendamos empezar a hacerlo pronto. Debido a la rápida generación de nuevos datos, la disponibilidad de grandes cantidades de potencia informática y la facilidad de uso de las nuevas plataformas de LD (si se trata de grandes compañías de tecnológicas como Amazon, Google y Microsoft o de nuevas empresas), esperamos ver más y más aplicaciones que generan predicciones en tiempo real y de forma continua mejorando con el tiempo. De las 100 nuevas empresas en fase inicial que hemos conocido en los últimos seis meses, más de 90 por ciento de ellos ya están planeando usar ML para ofrecer una mejor experiencia a sus clientes.

Innovaciones en micro-inteligencia y servicios de middleware

Las empresas hoy en día se dividen en dos categorías: las que están construyendo algún tipo de tecnología ML / AI  la que utilizan las tecnologías de LD / AI en sus aplicaciones y servicios. Hay una enorme cantidad de innovación (también conocido como, servicios de middleware) que incluyen tanto los servicios de preparación de datos y servicios de aprendizaje o modelos-as-a-service proveedores.

Con la llegada de microservicios y la habilidad para interactuar sin problemas con ellos a través de las API REST, existe una tendencia creciente de los servicios de aprendizaje y algoritmos de LD que se utilizará para volver a reutilizarlos - en lugar de tener que ser re-escrito desde cero una y otra vez.

Por ejemplo, Algorithmia dirige un mercado para los algoritmos que cualquier aplicación inteligente puede utilizar cuando sea necesario. La combinación de estos algoritmos y modelos con una rodaja específica de datos lo que llamamos micro-inteligencia, que puede incorporarse sin problemas en las aplicaciones.

La confianza es lo más crítico en un mundo de ML y AI

Varios experimentos de alto perfil con ML y AI entraron en el centro de atención en los últimos años. Los ejemplos incluyen Microsoft Tay, Google DeepMind AlphaGo, Facebook M y el creciente número de chatbots de todo tipo. El aumento de las interfaces de usuario naturales (voz, chat y visión) proporcionan opciones muy interesantes y oportunidades para nosotros como seres humanos que interactúan con los asistentes virtuales (Apple Siri, Amazon de Alexa, Microsoft Cortana y Viv).

También hay algunos ejemplos más preocupantes de la forma en que interactúan con inteligencias artificiales. Por ejemplo, al final de un curso en línea en Georgia Tech, los estudiantes se sorprendieron al saber que uno de los asistentes de enseñanza (llamada Jill Watson después de la tecnología de IBM Watson) con los que estaban interactuando a través del semestre fue un chatbot y no un ser humano.

Por mucho que esto demuestra el poder de la tecnología y la innovación,  también trae a la mente muchas preguntas en torno a las reglas de compromiso en términos de confianza y transparencia en un mundo de robots, ML y AI.

La comprensión del "por qué" detrás del "qué" es a menudo un componente más crítico de trabajar con la inteligencia artificial. Un médico o un paciente no estarán contentos con un diagnóstico que les dice que tienen una probabilidad del 75 por ciento de cáncer y deben usar drogas X para tratarla. Necesitan entender qué partes de la información se reunieron para crear esa predicción o respuesta.

Creemos que el futuro debe tener una transparencia total con respecto a ML y pensar en las implicaciones éticas de los avances tecnológicos que serán una parte integral de nuestras vidas y nuestra sociedad.

ML es un ingrediente crítico para aplicaciones inteligentes ... pero puede que no necesite ML en el primer día

El aprendizaje automático es una parte integral y fundamental en la construcción de aplicaciones inteligentes, pero los objetivos más importantes en la construcción de aplicaciones inteligentes son para crear aplicaciones o servicios que resuenan con sus clientes, proporcionar una manera fácil para que los clientes puedan utilizar su servicio y de forma continua a mejorar a través del tiempo.

Para utilizar con eficacia ML y AI, a menudo se necesita tener un gran conjunto de datos. El consejo de personas que han hecho esto con éxito comienza con la aplicación y la experiencia que usted quiere dar a luz, y, en el proceso, piense en cómo ML puede mejorar su aplicación y qué conjunto de datos se necesita recolectar para construir la mejor experiencia para sus clientes.