El Consejo de Asesores de Ciencia y Tecnología del Presidente predice que las empresas estadounidenses gastarán más de $ 100 mil millones en I + D de IA por año para 2025. Gran parte de este gasto actual lo realizan seis empresas de tecnología: Microsoft, Google, Amazon, IBM, Facebook y Apple. , según un estudio reciente de CSET en la Universidad de Georgetown. Pero, ¿qué pasa si eres una startup cuyo producto se basa en la inteligencia artificial en su núcleo?
¿Pueden las empresas en etapa inicial respaldar un flujo de trabajo basado en la investigación? En una startup o una ampliación, el enfoque suele estar más en el desarrollo de productos concretos que en la investigación. Por razones obvias, las empresas quieren hacer cosas que sean importantes para sus clientes, inversores y partes interesadas. Idealmente, hay una forma de hacer ambas cosas.
Antes de invertir en el personal de un laboratorio de investigación de IA, considere este consejo para determinar si está listo para comenzar.
Reúna el equipo de investigación adecuado
Suponiendo que la prioridad de su organización es realizar una investigación innovadora de IA, el primer paso es contratar a uno o dos investigadores. En Unbabel, lo hicimos temprano contratando doctores y comenzando rápidamente con la investigación de un producto que aún no se había desarrollado. Algunos investigadores construirán desde cero y otros tomarán sus datos e intentarán encontrar un modelo preexistente que se ajuste a sus necesidades.
Si bien la división X de Google puede tener el capital para enfocarse en disparos a la luna, la mayoría de las nuevas empresas solo pueden invertir en innovación que les brinde una ventaja competitiva o mejore su producto.
A partir de ahí, deberá contratar ingenieros de investigación o profesionales de operaciones de aprendizaje automático. La investigación es solo una pequeña parte del uso de la IA en la producción. Luego, los ingenieros de investigación lanzarán su investigación a producción, monitorearán los resultados de su modelo y refinarán el modelo si deja de predecir bien (o de lo contrario no funciona según lo planeado). A menudo, usarán la automatización para simplificar los procedimientos de monitoreo e implementación en lugar de hacer todo manualmente.
Nada de esto cae dentro del alcance de un científico investigador: están más acostumbrados a trabajar con conjuntos de datos y modelos en entrenamiento. Dicho esto, los investigadores e ingenieros deberán trabajar juntos en un ciclo de retroalimentación continua para refinar y reentrenar los modelos basados en el desempeño real en inferencia.
Elige los problemas que quieres resolver
La investigación de CSET citada anteriormente muestra que el 85% de los laboratorios de IA en América del Norte y Europa realizan algún tipo de investigación básica de IA, y menos del 15% se enfoca en el desarrollo. El resto del mundo es diferente: la mayoría de los laboratorios de otros países, como India e Israel, se centran en el desarrollo.
Source link