Saltar al contenido

Tecnología esencial: Los expertos opinan sobre las novedades en datos, envases y aprendizaje de máquinas

Podría parecer contrario a la intuición utilizar una palabra como “calma” para un área tan dinámica y volátil como el aprendizaje automático/AI, pero aún así, el último año ha sido relativamente estable: un año de evolución, no de revolución. Sin embargo, esto puede ser “la calma antes de la tormenta”. A medida que los líderes empresariales mejoran su comprensión de lo que se requiere para esperar rendimientos reales del ML/AI, las organizaciones se están duplicando en los cimientos: como la recopilación de datos a nivel de empresa, y el aumento de la capacitación del personal. Cada vez se comprende más que para muchas organizaciones, lo que necesitan no es reclutar expertos que puedan escribir algoritmos de aprendizaje automático, sino cultivar los conocimientos empresariales existentes y la capacidad interdisciplinaria de saber cuándo y cómo utilizarlos.

Por supuesto, los principales proveedores y marcos de aprendizaje de máquinas siguen intentando superarse mutuamente en cuanto a nuevas características y algoritmos refinados, y los recientes avances en la investigación siguen abriéndose camino en estos productos, en particular en áreas como las redes neuronales profundas (DNN) y el Procesamiento del Lenguaje Natural (PNL). También hemos visto un bienvenido enfoque en las herramientas para simplificar el flujo de trabajo de la creación, prueba y despliegue de modelos ML, incluyendo mejoras en el Azure Machine Learning Studio de Microsoft, Amazon SageMaker, Google AutoML, y el IBM Watson Studio.

Tecnología esencial: Los expertos opinan sobre las novedades en datos, envases y aprendizaje de máquinas
Tecnología esencial: Los expertos opinan sobre las novedades en datos, envases y aprendizaje de máquinas

Lo que es notable es la rapidez con la que el aprendizaje automático se está convirtiendo en algo poco notable. Lo que podría haber sonado como un truco hace unos años -ChatBots, reconocimiento de imágenes, e incluso el cliché de los coches auto-conductores- se está dando rápidamente por sentado, sin el pesimismo de los años anteriores. Incluso las capacidades de envejecimiento facial basadas en el ML de la reciente FaceApp viral causaron una variedad de noticias, pero la mayoría de las preocupaciones fueron sobre los humanos detrás de la aplicación y lo que hacían con los datos, más que sobre las tecnologías en sí. Y en mayo de 2019, una “primera” -pero seguramente no la última- demanda relacionada con el aprendizaje de la máquina: un inversor con sede en Hong Kong está demandando actualmente a una empresa por pérdidas multimillonarias incurridas después de las elecciones realizadas por un programa de inversión basado en la IA.