El panorama de la IA está cambiando de ‘datos’ a ‘conocimiento’. He aquí por qué esto es importante.
por Dinu das
La revolución de la inteligencia sintética (IA) se inició hace más de medio siglo. En la última década, la IA ha pasado de ser una disciplina científica educativa a convertirse en una parte sensible de nuestra vida cotidiana. Los métodos empresariales de IA más comunes que vemos se basan en el conocimiento. Imaginamos que el conocimiento propietario es en este momento esencialmente el foso más estratégico para las corporaciones de IA, sin embargo, en los próximos años, debería convertirse en un activo mucho menos singular, haciendo que la diferenciación del conocimiento propietario sea mucho menos sostenible. Posteriormente, anticipamos un cambio de enfoque, de los métodos de IA basados en datos a los métodos de IA basados en el conocimiento.
El desarrollo masivo de conocimiento, facilitado por el despliegue de bastantes sensores, conectividad web y mejora del programa de software en energía computacional, habilidades de comunicación y almacenamiento digital, ha permitido que la IA escale desde pequeñas iniciativas de análisis educativo hasta propósitos de fabricación de empresas gigantes. Principalmente, el gran conocimiento requería modas refinadas de IA para investigar y derivar datos e ideas. Hoy, las modas de IA necesitan la masa crítica de big data para entrenamiento y optimización…
Por lo tanto, en la actualidad, el conocimiento generalmente se percibe como un foso estratégico adecuado para las nuevas empresas de IA.
Como comerciantes de capital empresarial, vemos este fenómeno de forma rutinaria. En los últimos tiempos, hemos visto muchas startups que colocan la adquisición de conocimiento en el corazón de su técnica empresarial. Una variedad creciente de tales corporaciones enfatiza las unidades de conocimiento distintivas que han adquirido y su técnica a largo plazo para comprar conocimiento adicional patentado, como una barrera de entrada sostenible. Además, a medida que los instrumentos de inteligencia artificial y las plataformas de inteligencia artificial como servicio han mercantilizado el evento de las modas de la inteligencia artificial, y el conocimiento público se ha vuelto omnipresente, lo que se percibe debe construir y defender un foso de información que se ha vuelto palpable.
En el ecosistema de know-how de inmediato, los mercados tienen cada vez más empresas recompensadas con las principales aplicaciones de inteligencia artificial y gestión sobre el conocimiento propietario, como un beneficio agresivo considerable y sostenible. Las corporaciones correspondientes a Google y Netflix han desarrollado y seleccionado conjuntos de datos grandes y autorizados durante un período de tiempo prolongado, mientras que muchas corporaciones diferentes lucharon inútilmente para igualar su éxito. Un ejemplo es la enorme interrupción de los proveedores de servicios de medios rivales y las corporaciones de fabricación, que habían sido superados por la sofisticada estrategia de datos de Netflix .
Sin embargo, como resultado de desarrollos anticipados dentro de los medios y la voluntad de intercambiar conocimientos, imaginamos que dentro de una década, los fosos de conocimiento patentados pueden ser mucho menos sostenibles. Mientras que el conocimiento, no obstante, impulsará el motor del valor de la IA, los métodos empresariales de IA pueden centrarse cada vez más en los datos.
Transfiriendo la pirámide del valor de la IA, en dirección a la capa de información
La pirámide del valor de la IA se basa en el conocimiento y la impulsa los datos. Mientras que de inmediato “nos estamos ahogando en información, pero estamos hambrientos de datos”, anticipamos un cambio hacia arriba en la pirámide del valor de la IA, en la dirección de la capa de datos. Ciertamente, ahora hemos comenzado a ver avances que pueden fomentar y acelerar este desarrollo mediante la creación de intercambios de conocimiento. Prevemos que el comercio de conocimientos puede facilitarse mediante una combinación de viabilidad elevada y la voluntad de compartir conocimientos comercializados a cambio de datos beneficiosos. En abstracto, el conocimiento se convertirá en más abundante, obtenible, confiable, estandarizado y barato: la definición correcta de un bien perfecto. Utilizar el conocimiento como una barrera de entrada sostenible puede resultar más difícil tarde o temprano.
La elevada viabilidad de compartir conocimientos puede acelerarse mediante la proliferación de fuentes de conocimiento a través de Internet de las cosas (IoT) . Además, existen nuevas estrategias, protocolos y requisitos para poner en común, compartir e intercambiar conocimientos. Intentando seguir adelante, los medios elevados para compartir conocimientos se convertirán en realmente vitales cuando haya incentivos y una creciente inclinación a tomar medidas. A medida que la IA socava e interrumpe las barreras de entrada competitivas heredadas, muchas organizaciones intentan incansablemente reunir su propio conocimiento patentado y monetizarlo. Por desgracia, esta adquisición y utilización de conocimientos no es sencilla ni fructífera y, debido a este hecho, crea una disonancia estratégica. Esto se debe a que, mientras que la IA es cada vez más indispensable para muchas organizaciones, no forma parte de sus habilidades heredadas o de su experiencia central. Además, la escasez crónica y duradera de ingenieros , constructores, líderes de productos y gerentes capacitados en IA agudiza esta disonancia y da como resultado un deseo de respuesta para compartir conocimientos con el objetivo del comercio de información.
Un ejemplo de la combinación de medios y voluntad que crea el comercio de conocimiento para la era de los datos es la nueva propuesta de la Unión Europea, para crear “un mercado único para el conocimiento”, en un esfuerzo por empoderar a las personas, empresas y organizaciones para mejorar elecciones basadas principalmente en conocimientos del conocimiento no personal para competir con los gigantes tecnológicos actuales .
Otro tema que contribuye a que el conocimiento se convierta en algo mucho menos sostenible es la invención de nuevas opciones de conocimiento que permiten utilizar unidades más pequeñas de conocimiento para las modas de entrenamiento. Las opciones de conocimiento artificial (por ejemplo, con las redes generativas de confrontación) y las diferentes estrategias de minimización, como el aumento del conocimiento, posiblemente permitirían a las corporaciones crear productos de IA disruptivos, sin grandes cantidades de conocimiento.
Construyendo una técnica de información
El camino a seguir para la revolución de la inteligencia artificial marcará el comienzo de una nueva actualidad para las empresas y requeriría una técnica empresarial revisada. El cambio del conocimiento a los datos generará nuevos marcos, asociaciones y modas empresariales, que abarcarán jugadores totalmente diferentes que aportan conocimiento, información, modas de IA, almacenamiento y energía informática para la creación de datos. Dado que los fosos de conocimiento convencionales se convertirán en mucho menos sostenibles en la próxima década, y los datos se convertirán en el verdadero impulsor de la IA, imaginamos que las empresas deberían comenzar a crear una técnica que se centre más en los datos:
- Construir fosos de datos, moderadamente que fosos de conocimiento, es un precepto elemental que debería estar en el corazón de la técnica empresarial futura. Las corporaciones y organizaciones deberían comenzar a prepararse para un período centrado en el conocimiento, durante el cual los ganadores pueden ser los que hagan las preguntas adecuadas, en busca de las predicciones más relacionadas y diseñando esencialmente los propósitos basados en la inteligencia artificial más disruptivos.
- Utilice IA en un método de arriba hacia abajo y empresas de construcción en toda la capa de software y productos. Las modas deben desarrollarse y desarrollarse principalmente sobre la base de la vertical precisa y la especulación. A modo de ejemplo, la creación de fines particulares de atención del bienestar en imágenes, diagnóstico, telemedicina, farmacología y diferentes fines médicos; o en movilidad a través de la administración de flotas, transporte público y pasado. El evento de esas opciones puede basarse principalmente en datos profundos y experiencia sensible en dominios particulares, combinando datos contextuales y modas aceptables y bien ajustadas.
- Las iniciativas de adquisición de conocimientos deben considerarse simplemente como una búsqueda táctica a corto plazo, mientras que las asociaciones basadas en el conocimiento para el comercio y la cooperación deben fomentarse y cultivarse como métodos empresariales a largo plazo. Un ejemplo productivo es que los últimos 12 meses, la Autoridad de Innovación de Israel lanzó un programa piloto para la cooperación basada en el conocimiento entre hospitales y nuevas empresas de know-how. Esta cooperación generó decenas de iniciativas [12] entre hospitales de startups y facilitó el intercambio de conocimiento crudo (y principalmente no utilizado) de y entre los muchos hospitales, y la era de datos novedosos y beneficiosos generados por las startups.
- Por último, el cambio en la dirección de los datos debería formar la técnica de recursos humanos de las organizaciones también. Las corporaciones deberían desarrollar una buena técnica de recursos humanos relacionada con el camino a seguir para la IA. Mientras que algunas startups, no obstante, requerirán la contratación de cohortes gigantes de ingenieros y científicos del conocimiento poco comunes y costosos, los grupos de inteligencia artificial de las corporaciones inteligentes deberían, como alternativa, diseñarse como un grupo gerencial diseñado para perseguir y fomentar asociaciones de datos de inteligencia artificial, inventar propósitos y productos basados en la inteligencia artificial. y descubrir de forma creativa los intensos horizontes de la revolución de la IA, reinventado de centrado en datos a centrado en conocimiento. Además, los grupos de IA deben tener personas que perciban el contexto del área en la que están trabajando. Estos miembros de la fuerza laboral contextual deben incorporar un método holístico, que se origine en su comprensión de la IA y el área precisa,
En general, el camino a seguir para la IA se determina al pasar del énfasis en las unidades de conocimiento patentadas al intercambio de conocimiento entre las entidades para la creación de datos. Para implementar una técnica de inteligencia artificial rentable, las empresas deben combinar correctamente el conocimiento, la información, las modas de la inteligencia artificial, el almacenamiento, la energía informática y más, en un esfuerzo por enraizar su empresa en los datos.
Sobre los autores
Eviatar Matania es profesor de la Facultad de Ciencias Políticas, Autoridades y Asuntos Mundiales de Tel-Aviv College, donde dirige el programa de Maestría en Investigación de Seguridad y el programa de Maestría en Ciberpolítica y Autoridades (por debajo del inicio). Matania puede ser profesora adjunta en el Blavatnik College of Authorities de Oxford. Matania fue el director fundador y exdirector común de la Dirección Cibernética Nacional de Israel (RIDC) informando al Primer Ministro israelí, y durante los últimos dos años ha sido codirector de la Iniciativa Nacional de Programas Sensibles (AI) para defender al Primer El ministro y algunas autoridades planean a nivel nacional posicionar a Israel como una energía mundial en IA.
Tomer Y. Avni es una filial de Blumberg Capital, con sede principalmente en Tel Aviv. Tomer se conecta con emprendedores, investiga posibles nuevas inversiones, ayuda a las empresas de cartera y desarrolla hojas de ruta de financiación en aumento. Antes de convertirse en miembro de Blumberg Capital, Tomer se desempeñó como jefe de fuerza laboral y supervisor adjunto de grupo dentro del Cuerpo de Inteligencia de las Fuerzas de Protección de Israel. A lo largo de su mandato, Tomer recibió premios a la excelencia y dirigió bastantes iniciativas y operaciones de análisis tecnológico. Tomer también trabajó como guía técnico con un enfoque en ciberseguridad. Tomer obtuvo su B.Sc. en aritmética y ciencias políticas, summa cum laude, de Bar Ilan College, a la edad de 19 años.
Queremos agradecer a David J. Blumberg, Jacob Rimer y Ori Rozen por contribuir a este texto.
Impreso el 18 de septiembre de 2020-17: 13 UTC
Especialista en tecnología. Gurú de las redes sociales. Solucionador de problemas malvados. Escritor total. Entusiasta de la web. Nerd de Internet. Jugador apasionado. Aficionado a Twitter.
