Artículo original de MIT TECHNOLOGY REVIEW:
https://www.technologyreview.es/s/13258/las-empresas-que-empiezan-lo-grande-con-la-ia-fracasan-mas
Andrew NG, es entrevistado por MIT Technology Review en el marco de la conferencia EmTech Digital que tuvo lugar en Abril. Es el responsable de Landing AI después de haber participado en Baidu y Google, entre otras. Landing AI está centrada en fabricación, donde no hay un volumen grande de datos, pero éstos son más controlables.
En el tipo de proyectos de implantación de un sistema de inteligencia artificial que sea entrenado mediante machine learning, son importantes factores como el tamaño y la calidad de los datos. Es algo que también sucede en los proyectos industriales relacionados con la logística o la fabricación.
Los datos
Puede haber proyectos con millones de datos, aunque en industria pueden ir de decenas a unos pocos miles. Aunque parezcan muchos, son perfectamente analizables y controlables, y ese número de unos cuantos cientos es el típico en la mayoría de casos que me he encontrado, a la hora de un rediseño de almacén, por ejemplo. Siempre es mejor tener datos, aunque no sean lo suficientemente correctos, para poder iniciar un proyecto, a no tenerlos o tener que buscarlos.
La calidad de los datos es fundamental, en particular que hay consistencia a la hora de etiquetarlos, algo que hacen las personas. Eso recuerda la importancia de la estandarización. Como ejemplos están la forma de etiquetar los errores al entrenar un sistema de visión artificial y las pausas y los ruidos en los transcriptores de conversaciones.
La tecnología
En cuanto a la tecnología existen repositorios gratuitos en la red suficientemente buenos en el área de la inteligencia artificial y las redes neuronales. Hoy cualquier empresa pequeña puede contar con estos medios para poner en marcha un proyecto, aunque todavía hay pasos que son muy manuales. Tambien es interesante la tecnología del machine learning para evitar alguno de esos pasos manuales y hacer que machine learning e inteligencia artificial trabajen juntos.
En cualquier caso, y como conclusión, lo importante en todo proyecto es tener clara la misión, el objetivo, disponer de buenos datos, acotar correctamente el problema, encontrar la herramienta adecuada y afrontar el proyecto de manera ágil, un paso cada vez. No hay que olvidar que éstas son herramientas y no hay que confundir la herramienta con el objetivo, algo que sucede a menudo.
