Para las empresas que utilizan ML, los datos etiquetados son el diferenciador clave

Para las empresas que utilizan ML, los datos etiquetados son el diferenciador clave

Colaborador de Sylvain Kalache

Sylvain Kalache es el cofundador de Holberton, una empresa de tecnología educativa que capacita talento digital en más de 10 países. Emprendedor e ingeniero de software, ha trabajado en la industria tecnológica durante más de una década. Parte del equipo que llevó a SlideShare a ser adquirido por LinkedIn, ha escrito para CIO y VentureBeat.

Más publicaciones de este colaborador 6 estrategias para llevar a cabo reuniones de la junta de inicio de forma más eficaz Por qué la educación debería parecerse más a la inteligencia artificial

La IA está impulsando el cambio de paradigma que es la transición de la industria del software a la programación centrada en datos desde la escritura de declaraciones lógicas. Los datos ahora son oxígeno. Cuantos más datos de capacitación recopile una empresa, más brillantes serán sus productos impulsados ​​por inteligencia artificial.

¿Por qué Tesla está tan por delante con los sistemas avanzados de asistencia al conductor (ADAS)? Debido a que nadie más ha recopilado tanta información, tiene datos de más de 10 mil millones de millas conducidas, ayudándolo a adelantarse a la competencia como Waymo, que tiene solo unos 20 millones de millas. Pero cualquier empresa que esté considerando usar el aprendizaje automático (ML) no puede pasar por alto una opción técnica: aprendizaje supervisado o no supervisado.

Cualquier empresa que esté considerando utilizar el aprendizaje automático no puede pasar por alto una opción técnica: aprendizaje supervisado o no supervisado.

Existe una diferencia fundamental entre los dos. Para el aprendizaje no supervisado, el proceso es bastante sencillo: los datos adquiridos se alimentan directamente a los modelos y, si todo va bien, identificará patrones.

Elon Musk compara el aprendizaje no supervisado con el cerebro humano, que obtiene datos sin procesar de los seis sentidos y le da sentido. El recientemente compartido que hacer que el aprendizaje sin supervisión funcione para ADAS es un desafío importante que aún no se ha resuelto.

Una parte importante de la inteligencia artificial del mundo real debe resolverse para realizar un trabajo autónomo, generalizado y sin supervisión, ya que todo el sistema de carreteras está diseñado para redes neuronales biológicas con generadores de imágenes ópticas.

– Elon Musk (@elonmusk) 29 de abril de 2021

El aprendizaje supervisado es actualmente el enfoque más práctico para la mayoría de los desafíos del aprendizaje automático. Informe de O’Reilly de 2021 sobre la adopción de IA en la empresa fundar que el 82% de las empresas encuestadas utiliza el aprendizaje supervisado, mientras que solo el 58% utiliza el aprendizaje no supervisado. Gartner predice que hasta el 2022, el aprendizaje supervisado seguirá siendo el favorito de las empresas, argumentando que “la mayor parte del valor económico actual obtenido del ML se basa en casos de uso de aprendizaje supervisado”.




Source link