La recopilación de datos en sí, especialmente cuando se trata de grandes cantidades de datos, es una tarea compleja y costosa que solo pueden utilizar las grandes empresas. ¿Se han vuelto más asequibles para clientes pequeños y medianos? El big data etiquetado y simple en el campo de la inteligencia artificial es una ventaja competitiva para las empresas, por lo que no se puede esperar que sea más fácil de obtener.
Este es uno de los principales obstáculos para el desarrollo de la tecnología de inteligencia artificial en el campo de las pequeñas y medianas empresas.
Existen diferencias significativas en las distintas industrias. La situación en algunas ha mejorado claramente y otras no han cambiado nada. Los cambios en las leyes y regulaciones son necesarios, sin esto, en ciertos campos, como la medicina, los datos no serán más accesibles.
En el área menos sensible de los datos, hay muchos disponibles, pero aquí entra en juego otro factor: la empresa que logra recopilar estos datos correctamente ve el valor y la ventaja competitiva en ellos, y no está ansiosa por compartirlos. Entonces, el principal motor del progreso son las instituciones, y sus conjuntos de datos generalmente no se utilizan con fines comerciales, solo para investigación, y la empresa de TI más grande que publica conjuntos de datos valiosos y necesarios, pero no es suficiente.
Cada año hay más información y los datos también se enriquecen. Cada vez más empresas ingresan al mercado, recopilan información diversa sobre los usuarios en Internet y luego venden los datos o permiten que otras empresas los utilicen de forma gratuita.
Cada año hay más información y los datos también se enriquecen
Pero la prioridad siempre ha sido y sigue siendo la gran empresa. Por otro lado, los expertos recuerdan que han aparecido en el dominio público muchos conjuntos de datos etiquetados, marcos y redes neuronales previamente entrenadas que pueden usarse como prototipos para ciertas tareas.
Cada vez hay más oportunidades para ver cómo funcionan los datos. Aunque estos son modelos de prueba que pueden usarse para familiarizarse con la tecnología, pero pueden no ser adecuados para resolver problemas comerciales de la vida real. Hoy en día, la tecnología de inteligencia artificial ha madurado y se ha desarrollado hasta tal punto que no podemos evitar preguntarnos: ¿es este un nuevo método de programación o un nuevo modelo para procesar datos? De hecho, el futuro del campo de la inteligencia artificial depende de la correcta comprensión de las cuestiones planteadas.
Seguramente no es una nueva forma de programar, sino una nueva forma de resolver ciertos tipos de problemas que tradicionalmente se han resuelto a través de la programación en el pasado. Esta es solo una forma nueva y bastante efectiva de procesar datos. La programación sigue siendo un término más amplio, es un subconjunto de él. Para algunas tareas, de hecho, antes de escribir un sistema complejo durante mucho tiempo, lleno de una gran cantidad de condiciones y reglas, ahora entrenamos una red neuronal, que produce aproximadamente el mismo resultado.
Esto no nos salva de la necesidad de implementar el programa en sí que recibe dichos datos, y también hace algo con sus resultados de procesamiento, sin mencionar la lógica comercial del lado del producto, las interfaces, etc. No olvides que la tecnología de inteligencia artificial se basa ante todo, en un código clásico que fue escrito por alguien previamente. Casi todos los proveedores ahora están tratando de incluir módulos de aprendizaje automático en sus soluciones para que puedan usarse para el desarrollo rápido de modelos y la productividad.
Además, existe un conjunto de herramientas para los propios científicos de datos, que pueden automatizar el proceso de creación de modelos, verificarlos, probarlos y ponerlos en producción. Esta es la dirección de los MLOps y puede convertirse en una de las direcciones más prometedoras. Muchos fabricantes están mirando en esta dirección. Este año se han producido grandes cambios en este ámbito.
