El Fin del Conocimiento - Vault 4/9 - IA Para el Bien Común - 2017 - IA para el Bien Común y la Vida Sostenible

graph LR classDef vision fill:#ffeb99, font-weight:bold, font-size:12px classDef applications fill:#d3f4ff, font-weight:bold, font-size:12px classDef diversity fill:#ffd3e0, font-weight:bold, font-size:12px classDef progress fill:#d3ffd4, font-weight:bold, font-size:12px classDef challenges fill:#f3d3ff, font-weight:bold, font-size:12px A["IA para el Bien
Común y la Vida
Sostenible"] A --> B["Visión: evolución animal,
visión por computadora. 1"] B --> C["La visión por computadora carece de
vista para los ciegos. 2"] A --> D["Monitorea la higiene de manos
en hospitales. 3"] A --> E["Detección de autos predice
demografías de la ciudad. 4"] A --> F["Traduciendo censo visual:
desafíos, soluciones. 5"] A --> G["Co-fundó AI4ALL:
diversidad en IA. 6"] G --> H["Desafíos de diversidad:
educación, cultura,
beneficencia. 7"] A --> I["Startups impulsan el progreso
exponencial de IA. 8"] I --> J["Gemelos digitales optimizan
procesos digitalmente. 9"] I --> K["Abordar privacidad,
seguridad, problemas de seguridad. 10"] A --> L["Aprendizaje automático se fusiona
con diseño 5G. 11"] L --> M["Compresión de video
usa aprendizaje automático. 12"] L --> N["IA interpretable:
comprensión,
decisiones de confianza. 13"] A --> O["IA: decisiones óptimas
sobre recolección de datos. 14"] O --> P["IA incrustada en flujos de trabajo,
procesos. 15"] P --> Q["Escasez de talento
limita la industrialización de IA. 16"] A --> R["Computación evolutiva
automatiza el diseño de IA. 17"] R --> S["Agricultura inteligente
maximiza rendimientos de cultivos. 18"] S --> T["IA: bienestar,
predicción temprana de sepsis. 19"] A --> U["Obstáculos regulatorios ralentizan
despliegue de IA. 20"] U --> V["Proxies de IA protegen la privacidad
en interacciones. 21"] U --> W["Grandes tecnológicas compiten
por controlar IA. 22"] A --> X["Eficiencia energética de IA
vs cerebros humanos. 23"] X --> Y["Estandarización necesaria
para vehículos autónomos. 24"] Y --> Z["Democratizar el acceso a datos
ayuda al desarrollo de IA. 25"] class B,C vision class D,E,F applications class G,H diversity class I,J,K progress class L,M,N challenges class O,P,Q progress class R,S,T applications class U,V,W challenges class X,Y,Z progress

Resumen:

1.- Fei-Fei Li discutió la importancia de la visión en la evolución animal y el progreso de la tecnología de visión por computadora.

2.- La visión por computadora tiene muchas aplicaciones pero aún no se ha dado vista a los discapacitados visuales.

3.- El trabajo de Li incluye el uso de visión por computadora para monitorear la higiene de manos en hospitales para prevenir infecciones.

4.- Otro proyecto utilizó la detección de autos en imágenes de Google Street View para predecir demografías y estadísticas de ciudades estadounidenses.

5.- Aún quedan desafíos en traducir el enfoque del censo visual a países en desarrollo sin autos prevalentes. Las imágenes satelitales ofrecen posibilidades.

6.- Li co-fundó la organización sin fines de lucro AI4ALL para aumentar la diversidad en la educación y participación en IA, especialmente para mujeres y minorías.

7.- Los desafíos incluyen la falta de diversidad en la academia y la industria. Las soluciones involucran educación, cambio cultural y enfocar la IA en causas beneficentes.

8.- Antoine Blondeau dijo que las startups son clave para pasar de un progreso lineal a uno exponencial en IA.

9.- Los gemelos digitales convierten procesos del mundo real costosos en digitales, permitiendo la optimización. La IA es un componente.

10.- Obstáculos como la privacidad, la seguridad y la seguridad deben abordarse para la transformación digital.

11.- El aprendizaje automático y la ingeniería de comunicaciones están convergiendo, por ejemplo, en el diseño de redes 5G.

12.- Los estándares de codificación de video han incorporado el aprendizaje automático para comprimir video con alta calidad.

13.- El aprendizaje automático interpretable permite entender cómo la IA toma decisiones, lo cual es importante para diseñar, certificar y confiar en los sistemas de IA.

14.- Blondeau cree que la IA debería tratarse de tomar decisiones óptimas, no solo de recolectar datos y hacer predicciones.

15.- La IA debe estar incrustada en flujos de trabajo y procesos para habilitar sistemas de autoaprendizaje que realmente aumenten la inteligencia humana.

16.- La escasez de talento es un gran cuello de botella en la industrialización de la IA. Se necesitaron 40 años de doctorado para desarrollar AlphaGo.

17.- La computación evolutiva y la computación distribuida masiva pueden ayudar a automatizar el diseño de sistemas de IA y superar la ingeniería manual.

18.- Este enfoque se está aplicando a la agricultura inteligente en asociación con MIT para maximizar los rendimientos de los cultivos.

19.- Tecnología similar podría optimizar el bienestar humano y permitir la predicción temprana de sepsis para salvar vidas en las UCI.

20.- Los obstáculos regulatorios ralentizan el despliegue en el mundo real de IA potencialmente salvadora de vidas. Se necesitan cambios para permitir un progreso más rápido.

21.- Existe una oportunidad para que los proxies de IA bajo control del usuario intermedien y protejan la privacidad en las interacciones con las empresas.

22.- Las grandes empresas tecnológicas están compitiendo para controlar la capa de IA para preservar sus modelos de negocio. Las alternativas podrían interrumpir esto.

23.- Los sistemas de IA aún requieren mucha más energía que los cerebros humanos. La eficiencia energética es una frontera.

24.- La industrialización de la IA puede requerir estandarización, especialmente para aplicaciones como vehículos autónomos que operan a través de fronteras.

25.- Democratizar el acceso a los datos podría ayudar a nivelar el campo de juego globalmente para desarrollar soluciones de IA impactantes.

Vault del Conocimiento construido porDavid Vivancos 2024