La inteligencia artificial y el aprendizaje automático son difíciles, y la mayoría de los que construyen estos sistemas no saben lo que están haciendo. A continuación, se explica cómo evitar fallas de AI / ML.
por David Linthicum
Rackspace Technology acaba de anunciar los resultados de una encuesta global que revela que la mayoría de las organizaciones carecen de los recursos internos para respaldar las iniciativas críticas de inteligencia artificial y aprendizaje automático. De hecho, el 34% de los encuestados informó que los proyectos de inteligencia artificial fracasaron.
El problema más importante es la aplicación incorrecta de IA y ML para aplicaciones donde estas tecnologías en particular están contraindicadas. Esto ha sido un problema desde la llegada de las redes neuronales y la IA, que es mucho más larga de lo que cree.
La IA en las nubes públicas es demasiado fácil y barata de no aprovechar, por lo que se utiliza con aplicaciones comerciales donde el proceso de aprendizaje o búsqueda de patrones no es un requisito. Cuando la IA es el nuevo y brillante martillo, cada aplicación parece un clavo.
Las aplicaciones que son buenas candidatas para IA o ML son aquellas que necesitan determinar y asignar significado a los patrones. Piense en los sistemas que se emplean ahora en las fábricas para determinar la calidad del producto mediante el reconocimiento y la automatización de imágenes, o los programas de detección de fraude en la banca que analizan los datos de las transacciones.
Un segundo problema es la falta de datos de entrenamiento para respaldar el uso de IA y ML. Los datos enseñan al motor de inteligencia artificial a asignar significado a los patrones, y su motor de inteligencia artificial es tan bueno como los datos de entrenamiento disponibles.
En estos días, las empresas a menudo no entienden dónde se encuentran los datos de capacitación, cuál es la única fuente de la verdad o qué significan los datos. Los datos lo son todo en el mundo de la IA; el conocimiento se deriva de los datos. Si no tiene una fuente de datos sólida y no tiene una comprensión excelente del significado de los datos, la IA no funcionará para usted.
Finalmente, como señala el estudio, muchas empresas no tienen las habilidades para seleccionar las herramientas adecuadas, crear las aplicaciones adecuadas e implementar sistemas de inteligencia artificial y aprendizaje automático de manera efectiva. Entiendo que el talento es difícil de encontrar. En realidad, es un conjunto de habilidades bastante complicado: servicios en la nube, bases de datos en la nube, sistemas de IA y ML en la nube y, lo que es más importante, la capacidad de configurar la tecnología adecuada para satisfacer las necesidades de las aplicaciones comerciales.
Esta tecnología es poderosa, un cambio de juego para muchas empresas, considerando su potencial. Sin embargo, las organizaciones deben centrarse en el propósito adecuado, comprender sus propios datos y buscar las habilidades adecuadas.
Fuente: https://www.infoworld.com/article/3606135/youre-doing-cloud-based-ai-and-machine-learning-wrong.html