Tecno

Como iniciar su proyecto de IA y no morir en el intento

single-image

Muchos equipos intentan iniciar un proyecto de Inteligencia Artificial aplicando algoritmos y datos antes de determinar los resultados y objetivos deseados. Desafortunadamente, eso es como criar a un cachorro en un apartamento de la ciudad de Nueva York durante unos años y luego sorprenderse de que no pueda cazar conejos para usted.

No puede esperar obtener algo útil pidiéndole a algunos asistentes que produzcan magia de aprendizaje de máquina en su negocio sin un esfuerzo de su parte primero.

En cambio, el primer paso es para el propietario, obtener una visión clara de lo que quiere de su sistema ML/AI y cómo sabrá que lo ha entrenado con éxito.

Existen guías de referencia muy extensas al respecto, por lo que tratemos de compactar el contenido para dar con una verdaderamente útil.

Averiguar quien esta a cargo del proyecto es primordial. Las tareas que vamos a abordar son responsabilidad del encargado del proyecto. Si se selecciona un investigador de doctorado para este rol, debe ser debido a las habilidades de decisión de esa persona y al profundo entendimiento del negocio. Podría ser una persona o un comité. Elegir sabiamente a esta entidad es fundamental.

Identificar el caso de uso es otro factor a tomar en cuenta. La clave es que el aprendizaje de maquinas o profundo (ML, en ingles) y la Inteligencia Artificial (IA, en ingles) no es mágico y no resuelve todos los problemas. Es un etiquetador de cosas y depende de usted como propietario averiguar lo que necesita etiquetado.

Etiquetar cosas no significa clasificación, se refiere a salida. Podría ser una categoría, un número, una oración, una forma de onda, una secuencia de acciones, etc.

No contrate a ese gurú de doctorado antes de confirmar que lo necesita. Centrarse en las salidas primero.

En tercer lugar, debe hacer algunas comprobaciones de la realidad. Una vez que pueda articular claramente que etiquetas esta buscando, es hora de una rápida comprobación de la realidad. Ningún acceso a los datos significa que no hay ningún punto en el procedimiento. Sin embargo, es posible que pueda obtener lo que necesita en línea: hay una tendencia creciente a hacer que los datos estén disponibles de forma gratuita.

Seguidamente elabore una métrica de desempeño sabiamente. El siguiente bit puede ser un poco complicado si es nuevo en eso. Usted está a cargo de decidir cuánto vale cada tipo de resultado. Agarre a alguien que le gusten los números y pídeles que te ayuden a intercambiar ideas.

Los expertos cualitativos están especialmente capacitados para esto, pero su calculadora-slinger estándar funcionará en caso de necesidad. Si desea el mejor ayudante, pronuncie la jerga formal para ello provocando curvas de indiferencia en voz alta en un pentagrama para convocar a un economista.

Los economistas hacen asesores sorprendemente útiles para proyectos de inteligencia artificial.

Por último establezca criterios de prueba. Indique su población de interés. Hablar sobre “funcionamiento” de su sistema no tiene sentido hasta que especifique en que instancias desea trabajar. Eso significa especificar la población estadística de su interés. Ahora que tiene a mano su métrica de rendimiento y su población, tiene un trabajo mas que hacer antes de poder poner los pies en alto.

Decida cual es el rendimiento mínimo que esta dispuesto a firmar, porque usted no dejará que ese sistema se encargue de etiquetar las cosas para usted a menos que sea lo suficientemente bueno.

Establecer criterios por adelantado es parte de como te mantienes a salvo del horrible aprendizaje automático y la inteligencia artificial. También puede tener un nivel de rendimiento que le diga a su equipo que alcance, pero no es contra lo que va a probar. Pruebe contra lo mínimo.

 
+
The following two tabs change content below.

Daniel Jimenez

Ingeniero y apasionado de la tecnologia Blockchain y del Bitcoin desde el 2009.

Latest posts by Daniel Jimenez (see all)

Deja un comentario