Cómo hacer que la inteligencia artificial sea más efectiva

La noticia del ingeniero de Google que afirmó que la tecnología de inteligencia artificial de la compañía se había vuelto "consciente" provocó revuelo en los medios de comunicación. Por cada artículo que bromeaba sobre Skynet y HAL 9000, había otro que asumía que debía ser cierto y cuestionaba la ética de todo esto.

Lo que se pasó por alto en la mayoría de la cobertura fue el reconocimiento de lo lejos y rápido que ha avanzado esta tecnología y cómo afecta ampliamente nuestras vidas, de formas grandes y pequeñas, a diario.

Hace apenas diez años, el 26 de junio de 2012, el New York Times escribió sobre el descubrimiento del aprendizaje profundo de Google utilizando el aprendizaje automático, básicamente enseñando a una computadora a entrenarse a sí misma con enormes cantidades de datos. El artículo tenía como titular "¿Cuántas computadoras se necesitan para identificar un gato? 16.000". Aquí estamos hoy, con recomendaciones de restaurantes, diagnósticos tempranos de enfermedades y casi todo lo demás impulsado por la IA y el aprendizaje automático.

La realidad es que compañías como Google, Microsoft, Amazon y muchas otras han invertido miles de millones en tecnología de IA. Algunos de los ingenieros más inteligentes del mundo en cientos de compañías están trabajando en nuevas aplicaciones todos los días.

Cómo hacer que la IA sea más efectiva

Comienza con los datos

Antes de embarcarse en cualquier proyecto de IA, es importante entender la enorme cantidad de datos necesarios para mantener una aplicación de IA actualizada. Las aplicaciones de IA que utilizan aprendizaje automático son "entrenadas" y a menudo requieren miles de ejemplos para devolver resultados correctos en condiciones de uso del mundo real. La forma en que los usuarios interactúan con la tecnología cambia con el tiempo, por lo que para mantenerse precisos y alineados, deben seguir entrenando y validando sus algoritmos con más y más datos.

Explorando las vanguardias de seguridad: Desafío de Hacking Generativo en DEF CON revela vulnerabilidades

Incluso las empresas más grandes luchan por escalar la curación de datos. La mayoría de las empresas subestiman en gran medida el tiempo que lleva implementar una aplicación de IA exitosa: el desarrollo puede llevar tanto tiempo como con aplicaciones tradicionales, pero se requiere mucho más tiempo para el entrenamiento, prueba y validación del producto.

Agrega más (y más diversos) datos

Cuando se trata de datos, no importa cuántos tengas, es probable que no sean suficientes. Más datos significan más aprendizaje para el algoritmo. Tamaños de muestra pequeños o tempranos dificultan la identificación de tendencias y correlaciones precisas. Sin embargo, los equipos internos de desarrolladores, científicos de datos y especialistas en control de calidad no pueden proporcionar una muestra lo suficientemente diversa de rangos de edad, géneros y antecedentes para entrenar los sistemas. Simplemente no representan a la población en general y, a pesar de sus mejores intenciones, esta falta de diversidad introduce sesgos inherentes en los algoritmos subyacentes.

La mejor manera de evitar este problema es aprovechar comunidades que representen la diversidad de tus usuarios reales para garantizar la calidad, cantidad y diversidad de los datos de entrenamiento. Este es un paso crucial para eliminar los sesgos y proporcionar al producto de IA/aprendizaje automático la capacidad de aprender y mejorar continuamente.

Usa humanos para probar la IA

Sí, leíste correctamente. La recolección y procesamiento de datos se pueden automatizar, pero una máquina no puede validar de manera efectiva y exhaustiva otro sistema de IA en este punto, solo las personas reales pueden determinar qué funciona bien, dónde están las fallas y dónde se interrumpe el proceso.

La prueba de experiencias digitales se puede lograr al aprovechar una comunidad global de expertos digitales para representar a un grupo objetivo de clientes con el fin de abordar las necesidades del cliente e identificar errores, sesgos y posibles fallas. Este enfoque de prueba en multitud ayuda a las organizaciones a asegurarse de que las aplicaciones de IA que están implementando no causen más daño que beneficio.

¿Cómo será una experiencia de IA "buena"?

Cuando las personas hablan de IA consciente, a menudo se refieren a sistemas que permiten conversaciones de forma natural y sin límites a un caso de uso específico. Muchas interacciones de AI que los consumidores tienen en este momento son lentas, frustrantes y, lo peor de todo, en última instancia, requieren que los consumidores hablen con un agente de soporte humano, lo cual va en contra del propósito de usar la IA en primer lugar.

Google presenta servicios generativos impulsados por IA en su conferencia Google Cloud Next 2023

En el futuro, una buena experiencia, independientemente de la aplicación, será hiperpersonalizada y se rastreará de manera fluida en diferentes dispositivos y ubicaciones. A medida que la tecnología de IA evoluciona para ser cada vez más "real", las empresas que ofrecen buenas experiencias son aquellas que recuerdan que los usuarios reales deben estar en el centro de cualquier conversación sobre la experiencia del usuario.

Emerson Sklar es el director senior de IA/aprendizaje automático en Applause. Con más de una década de experiencia en el diseño, entrega y optimización de soluciones de alta calidad y robustas para problemas difíciles de los clientes, Emerson ha ayudado a innumerables empresas a mejorar la calidad en cada fase del ciclo de vida del desarrollo de software a través de un enfoque centrado en las personas y en la comunidad para las pruebas. Emerson trabajó anteriormente para Borland, el Comando de Inteligencia y Seguridad del Ejército y el Laboratorio de Investigación del Ejército.

En Newsmatic nos especializamos en tecnología de vanguardia, contamos con los artículos mas novedosos sobre Inteligencia artificial, allí encontraras muchos artículos similares a Cómo hacer que la inteligencia artificial sea más efectiva , tenemos lo ultimo en tecnología 2023.