Matt Armstrong-Barnes, Tecnólogo Jefe de Inteligencia Artificial en Reino Unido e Irlanda, nos habla de cómo construir una IA para el futuro.
Está claro que la sostenibilidad es un tema clave en la agenda de todas las organizaciones, y no es de extrañar que haya fluido hacia la tecnología emergente, por ello, en este blog, Matt nos guía a través de algunas de las áreas más complejas de la Inteligencia Artificial.
La IA más a detalle.
Se puede decir que la complejidad es el desafío en toda la disciplina de la IA. Por eso, para comprender plenamente el impacto de las implicaciones de la sostenibilidad, primero debemos familiarizarnos con algunas de las áreas más complejas de la IA; diseñar sistemas de IA, ajustarlos e integrarlos. Son temas muy importantes que podemos desglosarlos en tres rubros:
Prácticas ineficientes de ciencia de datos al diseñar sistemas de IA: comprender el valor de los datos es ahora un imperativo empresarial. El uso eficaz de los datos para fundamentar las decisiones empresariales está ahora integrado en la mayoría de los procesos empresariales importantes.
Sin embargo, resulta un desafío garantizar que esto se realice de manera que se haga el uso más apropiado de las herramientas. No sólo puede resultar en una explosión de datos, sino también de modelos que produzcan la respuesta correcta, pero a un alto costo ambiental.
Ajustar modelos teniendo en cuenta el medio ambiente: esta es un área compleja del ciclo de vida de la ciencia de datos y, a menudo, se considera en una etapa avanzada del ciclo de vida. Esto lleva a que se tomen decisiones rápidas sobre las herramientas, sin evaluar la huella de carbono. Recuerda que en el “Equipo IA”, las personas que piensan en las implicaciones ambientales deben ser incluidas desde el principio.
Desarrollar e integrar modelos sin ahogarse en deuda técnica: esto se refiere al costo potencial de tener que reelaborar una solución en el futuro, en lugar de adoptar un mejor enfoque en primer lugar. Para evitar esto, ten una estrategia de IA, crea sistemas de IA con un propósito y obtén el máximo beneficio.
6 tips de Matt para una IA sostenible.
Antes que nada, es vital aclarar que no estamos analizando la IA para la sostenibilidad, sino cómo construir un proyecto de IA sostenible.
Es crucial, al construir sistemas de IA, que los diseñemos teniendo en cuenta el futuro. Si no lo hacemos, crearemos sistemas ineficientes y frágiles que no serán aptos a largo plazo y cobraremos un alto precio a nuestro planeta.
- Ingeniería de software vs. ciencia de datos:
¡Son diferentes! La construcción de sistemas sostenibles, manejables y de mantenimiento para largo plazo ha sido el pilar de la ingeniería de software durante décadas. Estas técnicas están probadas e integradas en los procesos de desarrollo. Adoptar estos enfoques y utilizarlos de manera más amplia significa que el desarrollo de la IA puede obtener todos los beneficios y, al mismo tiempo, permitir la construcción de sistemas eficientes.
- La repetibilidad añade eficiencia:
La ciencia de datos es una disciplina experimental que requiere de muchas pruebas para encontrar la solución óptima. Sin embargo, para hacerlo de una manera que reduzca el riesgo y aumente la reproducibilidad se requiere de la automatización. Los pasos manuales en los procesos de ciencia de datos introducen retrasos, complejidad y mayores riesgos de errores, todo lo cual reduce la sostenibilidad del sistema.
- El problema de la duplicación de datos:
El comprender qué pasó con los datos, quién los vio, cómo se transformaron y cómo se eliminaron de forma segura significa comprender los datos involucrados en un proyecto de IA. Es muy fácil meterse en problemas masivos de duplicación de datos.
- Hacer que los modelos sean eficientes ajustándolos:
Los modelos de ajuste producen la mayor cantidad de CO2 de cualquier ciclo de vida de desarrollo de modelos. El uso de herramientas y enfoques adecuados reduce la cantidad de ciclos y mejora el modelo haciéndolo funcionar de manera más eficiente.
- Evitar acumular una montaña de deuda técnica y de datos:
Sin una planificación adecuada, tu deuda se volverá insalvable. Esto es lo mismo para cualquier software. Mantente al tanto, volver a subir a la cima requiere de mucho esfuerzo.
- Reutilizar modelos:
La reutilización de modelos y los modelos previamente entrenados son excelentes formas de abordar desafíos complejos y, al mismo tiempo, evitar algunos desafíos de sostenibilidad. Es esencial tener un plan detallado para asegurarse de aprovechar al máximo tus modelos.
Lee el artículo completo aquí.
Maria Teresa León.
Hewlett Packard Enterprise.