Por qué el papel de los seres humanos es crucial en el entrenamiento de la Inteligencia Artificial

Muchos argumentan que la A en Inteligencia Artificial debería significar inteligencia “aumentada”, no artificial. Sin embargo, podría discutirse además que la I no quiere decir necesariamente “inteligencia”, al menos no sin humanos que le proporcionen contexto y sentido común.

Oliver Ratzesberger, presidente y CEO de Teradata, subraya que “la IA en su núcleo es matemática simple. No es inteligencia, tampoco sentido. No puedes entrenar un algoritmo y esperar que te avise que puede estar haciendo algo mal. Cualquier parcialidad que insertes a ese algoritmo volverá a ti durante su funcionamiento”.

Existen muchos desafíos relacionados al desarrollo de una iniciativa en Inteligencia Artificial exitosa. La velocidad y la escala de los datos son esenciales. Sin embargo, al mismo tiempo, se necesita involucramiento humano y conexión para añadir inteligencia a la tecnología.

El reto en los esfuerzos en IA por estos días radica en que del 80 al 90% de los proyectos alrededor del mundo fracasan, afirma Ratzesberger. “Si te preguntaras qué salió mal, el tema más común que verás es la incapacidad de poner en práctica algo. Una cosa es que un científico de datos construya un modelo, lo que toma semanas. Cuando se tiene el modelo, a menudo las personas se preguntan qué van a hacer con él”.

Tomar una idea desde el principio «e inyectarla en los sistemas operativos y los flujos de trabajo es una labor muy dura», continúa. “Sobre todo si los algoritmos fueron construidos en silos de datos separados, sobre una plataforma para cada uno de ellos. Los datos se vuelven obsoletos rápidamente, y al entrenar los algoritmos, no se hace con los datos más actualizados y optimizados”.

Además, existen «deficiencias de gobernanza que se han estado infiltrando en las empresas de todo el mundo en los últimos 10 a 20 años», continúa Ratzesberger. «Hubo un tiempo en que las compañías afirmaron necesitar comprender muy bien los datos, modelarlos, describirlos y asegurar su calidad». Sin embargo, ahora, con grandes cantidades de datos que fluyen a través de las compañías y terminan en repositorios sin restricciones, es un problema encontrar la información correcta para desarrollar y capacitar adecuadamente los algoritmos de IA.

“Aquí es donde el elemento humano es importante», afirma. «Cuando le dices a un humano que haga algo, y si por alguna razón no es coherente porque algo en el entorno ha cambiado, la mayoría de las personas levantará la mano y al menos dirá algo como, ‘eso es tonto, no tiene sentido’. Los algoritmos no tienen esa intuición. No entienden cuando algo se ha alejado del statu quo».

La gobernanza y la explicabilidad son cruciales a medida que las organizaciones aumentan su dependencia de la Inteligencia Artificial, sostiene Ratzesberger. «El análisis de algoritmos es algo en lo que la mayoría de las empresas solo han comenzado a pensar. Están supervisando los algoritmos, asegurándose de que los que han entrenado no muestren fuertes parcialidades. Cuando de repente los algoritmos de todo el mundo parecen preferir a los hombres blancos sobre otros individuos, no quiere decir que alguien que entrenó estos algoritmos quisiera que lo hicieran. Hay un sesgo inherente en cada conjunto de datos utilizados para entrenarlos».

Publicamos nuevo contenido todos los días, no olvides seguirnos en nuestras redes sociales, Twitter, Facebook y LinkedIn para ver nuestros artículos más recientes antes que nadie.

Fuente: Forbes.