Las tendencias clave en el aprendizaje automático y AI
3:25:00 p.m.
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.
0 comentarios