El aprendizaje automático tiene mucho que ofrecer, pero la sobreventa de sus capacidades actuales no ayuda a nadie.
Video: Cómo diferenciar entre inteligencia artificial, aprendizaje automático y aprendizaje profundoLos avances en inteligencia artificial, aprendizaje automático y aprendizaje profundo están afectando a las empresas. Pero, los términos a menudo se usan indistintamente. He aquí cómo distinguirlos.
Todo el mundo parece querer entrar en el bombo de aprendizaje de la máquina en estos días. Sin embargo, según el jefe del equipo de DeepMind de Google, «sólo hay unos pocos cientos de personas en el mundo que pueden hacerlo realmente bien». No te ofendas, pero probablemente no eres uno de ellos. No es de extrañar que Gartner tenga el aprendizaje automático en la cúspide absoluta de su ciclo Hype 2019. Nada más promete hacer tanto para transformar a la humanidad… con un registro tan anémico para mostrar por sí mismo.
Esto no es para sugerir que la inteligencia artificial tiene un futuro sombrío, sino que nos estamos adelantando a nosotros mismos en términos de lo que está produciendo hoy en día.
La panacea mágica
Tal vez esto no importaría mucho, pero las expectativas excesivamente infladas pueden llevar a un colapso de las inversiones cuando la realidad comienza a morder. David Beyer, de Ampify Partners, describió lo que está en juego:
Estamos viendo esto en todo el mercado, en general. Los desarrolladores ya están empezando a desconfiar de las afirmaciones de chatbot, por ejemplo. Los chatbots parecen resonar en China y en toda la región de Asia y el Pacífico, pero su aplicación a los mercados occidentales ha sido poco convincente, en gran parte porque, bueno, son un poco tontos.
VEA: Por qué la ciencia de datos es sólo matemáticas y escritura en la escuela primaria
Tampoco es probable que mejoren en un futuro próximo, como ha sugerido Alec Pestov:»Después de cientos de millones en I+D, Cortana, Google Now y Siri siguen siendo bastante inadecuados para entender el habla natural. Pasarán años antes de que las máquinas sean capaces de entender el habla humana en el grado necesario para procesar correctamente los matices de las conversaciones».
Y sin embargo, los promocionamos, llevando al 25% de los desarrolladores a verlos como una pérdida de tiempo, de acuerdo con una encuesta exhaustiva a los desarrolladores. No son una pérdida de tiempo. Simplemente no están preparados para la onerosa publicidad que hemos puesto sobre ellos, y sobre la inteligencia artificial y el aprendizaje automático, en general.
Son sólo matemáticas, amigos.
Irónicamente, dice Beyer, mucho de lo que intentamos hacer hoy en día con el nuevo aprendizaje de la máquina podría ser mejor servido con enfoques más sencillos: «El sucio secreto del aprendizaje automático… es que muchos problemas podrían resolverse aplicando un simple análisis de regresión», o, como añadió el inversor John Ryu, «un puñado de afirmaciones de si/entonces».
VER: Los chatbots de IA son demasiado exagerados y poco impresionantes, dicen los desarrolladores.
Más información sobre la inteligencia artificial
El científico Noah Lorang argumentó lo mismo: «El pequeño y sucio secreto del auge actual de la’ciencia de datos’ es que la mayoría de lo que la gente dice que es ciencia de datos no es lo que las empresas necesitan en realidad…. Hay un subconjunto muy pequeño de problemas empresariales que se resuelven mejor con el aprendizaje automático; la mayoría de ellos sólo necesitan buenos datos y una comprensión de lo que significa que es mejor obtenerlos utilizando métodos sencillos».
¿Esos métodos sencillos? «SQL consulta para obtener datos, … aritmética básica sobre esos datos (diferencias de cálculo, percentiles, etc.), graficar los resultados, y[escribir] párrafos de explicación o recomendación», dijo Lorang.
En otras palabras, estamos introduciendo una complejidad innecesaria en sistemas que apenas podemos utilizar incluso en sus estados más primitivos. Por mucho que queramos hacer «todo» en el aprendizaje automático, la mayoría de las empresas ni siquiera han descubierto cómo desensilar y limpiar sus datos (o hacer un análisis básico de esos datos una vez que se haya completado el trabajo preparatorio. Sin ese paso inicial, ninguna cantidad de software de aprendizaje de máquina transformará mágicamente un negocio. Por el contrario, hará que las empresas cuestionen las inversiones en aprendizaje automático en primer lugar, en lugar de abordar su enfoque del aprendizaje automático, que es realmente el problema principal.
Boletín informativo de Big Data Insights
Domine los fundamentos de la analítica de datos de gran tamaño siguiendo estos consejos de expertos y leyendo los conocimientos sobre las innovaciones de la ciencia de datos. Lunes de entrega