El Fin Del Conocimiento - Bóveda 4/5 - IA Para el Bien - 2017 - Peter Lee

graph LR classDef industry fill:#d3f4ff, font-weight:bold, font-size:12px classDef learning fill:#ffd3e0, font-weight:bold, font-size:12px classDef transfer fill:#d3ffd4, font-weight:bold, font-size:12px classDef applications fill:#fff3d3, font-weight:bold, font-size:12px classDef specialization fill:#f3d3ff, font-weight:bold, font-size:12px classDef democratization fill:#f9f9d4, font-weight:bold, font-size:12px classDef growth fill:#d4f9d4, font-weight:bold, font-size:12px classDef responsibility fill:#f9d4d4, font-weight:bold, font-size:12px A["Peter Lee
Microsoft IA e
Investigación"] A --> B["IA transicionando de
investigación a industria. 1"] B --> C["El aprendizaje automático depende
de datos etiquetados. 2"] C --> D["Los datos de entrenamiento son
laboriosos y costosos. 3"] D --> E["El aprendizaje automático necesita
operadores calificados. 4"] A --> F["El aprendizaje por transferencia mejora
el rendimiento entre idiomas. 5"] F --> G["El aprendizaje por transferencia refleja
el aprendizaje humano. 6"] A --> H["La industria compite por
adquirir talento en IA. 7"] H --> I["Sorpresas de IA, como
Skype para maestros. 8"] A --> J["Visión por computadora: redes profundas
subtitulan imágenes. 9"] J --> K["IA en salud: acelera
la imagen médica. 10"] A --> L["Modelos de aprendizaje automático
especializados, no generalizados. 11"] L --> M["Democratización de IA: herramientas
para innovadores. 12"] A --> N["Crecimiento exponencial marca
inflexiones históricas. 13"] N --> O["La emergencia de IA transformativa
como la imprenta. 14"] A --> P["Considerar las disrupciones de IA,
como la necesidad de alfabetización. 15"] P --> Q["Se necesita supervisión más allá
de la industria. 16"] A --> R["Tecnología de ciberseguridad mal utilizada
en Irán, 2009. 17"] R --> S["Tecnología poderosa usada
para bien o mal. 18"] A --> T["Investigadores ahora reconocen
la naturaleza dual de la tecnología. 19"] T --> U["Toda la comunidad tecnológica
responsable de la IA. 20"] class B,C,D,E industry class F,G transfer class H,I applications class J,K applications class L,M specialization class N,O growth class P,Q responsibility class R,S responsibility class T,U responsibility

Resumen:

1.- La IA está transicionando de una búsqueda de investigación a una industrial, pero aún no está completamente allí - en una etapa "intermedia" artesanal.

2.- El aprendizaje automático, el núcleo de la práctica de IA hoy en día, depende en gran medida de grandes cantidades de datos de entrenamiento etiquetados por humanos.

3.- Obtener datos de entrenamiento es laborioso y costoso. Las empresas intentan acaparar o monetizar estos datos valiosos.

4.- El proceso de aprendizaje automático requiere personas altamente calificadas para operar los sistemas, establecer parámetros e integrar los modelos resultantes en aplicaciones.

5.- El aprendizaje por transferencia, donde un modelo entrenado en un idioma puede mejorar el rendimiento en otro idioma, es un fenómeno importante.

6.- Aunque no es verdaderamente biológico, el aprendizaje por transferencia es atractivo ya que refleja cómo aprenden los humanos, lo que lleva a la exageración sobre la IA.

7.- La industria está compitiendo para adquirir mano de obra calificada para construir modelos y productos de IA, como la traducción en tiempo real de 9 idiomas de Skype.

8.- Surgen aplicaciones sorprendentes una vez que la IA se despliega a gran escala, como maestros usando Skype Translator para acomodar a estudiantes con pérdida auditiva.

9.- La visión por computadora está avanzando rápidamente, con aplicaciones como el uso de redes neuronales profundas para subtitular imágenes tomadas con teléfonos inteligentes.

10.- La IA está aumentando la atención médica, como el uso de visión por computadora para acelerar el análisis de imágenes médicas para la planificación de radioterapia.

11.- Los modelos de aprendizaje automático más valiosos están altamente especializados para aplicaciones únicas y no se generalizan bien, requiriendo nuevos modelos para cada caso de uso.

12.- Democratizar la IA significa construir herramientas para permitir que más innovadores creen modelos de aprendizaje automático, en lo que empresas como Microsoft están trabajando.

13.- El crecimiento tecnológico exponencial marca puntos de inflexión en la historia humana, como el rápido crecimiento de los libros impresos en el siglo XV.

14.- La emergencia de la IA práctica puede ser un período transformador similar al impacto de la imprenta, que ayudó a impulsar el Renacimiento.

15.- Debemos ser reflexivos sobre las disrupciones que causará la IA, al igual que cómo la imprenta hizo de la alfabetización una habilidad necesaria.

16.- Peter Lee no cree que la supervisión del desarrollo de la IA deba recaer solo en la industria, sino que es un tema para toda la comunidad tecnológica.

17.- En 2009, la tecnología de ciberseguridad desarrollada en EE. UU. fue utilizada por Irán para reprimir a los ciudadanos que usaban redes sociales para protestar por los resultados electorales.

18.- Esto fue una lección temprana de que las tecnologías poderosas pueden ser usadas para bien o para mal, algo que muchos investigadores no habían considerado antes.

19.- Desde entonces, la comunidad de investigación ha progresado en reconocer la naturaleza de doble filo de las tecnologías que desarrollan.

20.- No solo la industria, sino también los investigadores e innovadores tecnológicos deben continuar avanzando en esta comprensión del desarrollo responsable de la IA.

Bóveda del Conocimiento construida porDavid Vivancos 2024