En esta función de invitado especial, Eran Shlomo, cofundador y director ejecutivo de Dataloop, pregunta por qué los datos no estructurados son tan críticos para construir una mejor IA y cómo pueden las organizaciones optimizar su gestión de estos datos. Eran ha ocupado puestos clave en la división de procesadores de Intel en los últimos 13 años y tiene experiencia global en arquitectura de procesamiento de información y computación, y fue responsable, entre otras cosas, del desarrollo e implementación de tecnologías de aprendizaje automático en todos los laboratorios de Intel en el mundo. . Además, en los últimos años Eran fue líder tecnológico del programa de cooperación con startups de Intel Israel (IPP), y formó parte de sus fundadores. Eran también tiene una rica experiencia empresarial y Dataloop es su tercera puesta en marcha. Eran tiene una licenciatura en Ingeniería Informática de la Facultad de Ingeniería del Technion.
A medida que las empresas recurren cada vez más a la inteligencia artificial para desbloquear nuevos valores comerciales y agilizar sus operaciones, se prevé que el mercado mundial de la IA aumente de 4.070 millones de dólares en 2016 a 169.400 millones de dólares en 2025.
Pero incluso a medida que más organizaciones implementan IA, un asombroso 96% de las empresas están luchando con la administración de datos, y muchas empresas encuentran problemas con la calidad general y el etiquetado de sus datos. Dado que los modelos de IA son tan buenos como los datos sobre los que se construyen, este es un serio desafío al que se enfrenta tanto el mercado de IA de rápido crecimiento como la diversa gama de industrias que esperan capitalizar la tecnología de IA.
->
Para que las empresas extraigan información significativa de la IA, debe haber un ciclo de retroalimentación de datos constante, con la IA mejorada continuamente mientras está en producción, ya que está expuesta a nuevos datos y se revelan nuevos casos extremos y anomalías. En términos simples, los sistemas de IA funcionan bien dado pasado datos, pero es necesario actualizar constantemente el sistema con datos futuros en mente.
¿Por qué los datos no estructurados son tan críticos para construir una mejor IA y cómo pueden las organizaciones optimizar su gestión de estos datos?
A continuación, se explica cómo la combinación de lo mejor de la inteligencia humana y la tecnología de vanguardia puede ayudar a las empresas a superar sus mayores obstáculos relacionados con los datos.
Comprensión de los datos no estructurados
La mera proliferación de servicios y aplicaciones digitales ha generado una gran cantidad de datos no estructurados, que ahora representan hasta el 90% de todos los datos digitales. Aprovechar estos datos para construir conjuntos de datos unificados y cohesivos es imperativo para que las empresas obtengan una comprensión más precisa de toda la información comercial a su disposición, pero como muchas organizaciones han descubierto, es más fácil decirlo que hacerlo.
A diferencia de los datos estructurados, los datos no estructurados se basan en el examen de datos individuales para identificar características y patrones clave. La realización manual de esta tarea requiere mucho tiempo y recursos, por lo que las herramientas de inteligencia artificial son vitales para ayudar a las empresas a administrar adecuadamente sus datos no estructurados y obtener un valor real de ellos.
En la industria minorista, por ejemplo, donde más empresas están comenzando a implementar soluciones de pago sin cajero y basadas en inteligencia artificial para monitorear el reconocimiento de productos y la gestión de inventario, las tiendas necesitan herramientas dinámicas que permitan que sus sistemas de inteligencia artificial se mantengan al día con las nuevas categorías de productos. como nuevos comportamientos del consumidor como el uso de máscaras.
O considere el campo de la salud. Las clínicas y otras instalaciones médicas almacenan grandes cantidades de datos de pacientes que pueden resultar muy potentes para mejorar las herramientas de detección y diagnóstico para una variedad de afecciones. La tecnología de visión por computadora puede proporcionar a los médicos detalles más granulares y precisos sobre los escaneos de pacientes, por ejemplo, pero los modelos que sustentan estas soluciones deben ser sensibles a una variedad de factores relevantes, incluidas las características demográficas y geográficas.
Si bien aprovechar al máximo la IA requiere un trabajo preliminar meticuloso y un análisis de fuentes de datos dispares, la buena noticia es que hay herramientas disponibles para ayudar a las organizaciones a crear un orden a partir de sus datos no estructurados.
Optimización de datos no estructurados
Entre las soluciones basadas en IA para dar sentido a los datos no estructurados se encuentran los algoritmos de reconocimiento de patrones, que aprovechan el aprendizaje automático para categorizar los datos no estructurados. Por ejemplo, estos algoritmos pueden etiquetar y categorizar rápidamente grandes cantidades de imágenes, un proceso que llevaría muchas horas si se realizara manualmente.
Si bien el análisis de automatización completo es la solución ideal, aún está fuera del alcance de la IA actual, por lo tanto, se requiere un enfoque híbrido de administración y capacitación para romper los silos y construir centros de datos que almacenen, unifiquen y entreguen datos de manera efectiva con un alto nivel de automatización . La fusión de la máquina y los procesos humanos produce mejores modelos de IA, lo que permite a los moderadores humanos corregir los sesgos y evitar la degradación de los modelos. En consecuencia, las empresas deben buscar herramientas que combinen lo mejor de las capacidades humanas y mecánicas. Depender exclusivamente de los seres humanos es engorroso e ineficaz; Mientras tanto, poner toda la responsabilidad en las máquinas significa que los modelos están efectivamente en piloto automático, sin la suficiente información y experiencia del usuario final.
Por abrumadores que puedan parecer los datos no estructurados, la inteligencia artificial y los humanos que trabajan juntos pueden agilizar estos datos y hacer que sea mucho más fácil extraer información en múltiples aplicaciones.
La IA está preparada para ayudar a generar miles de millones en valor en todas las industrias, y si quiere tener el mayor impacto posible, debe combinar tecnología sofisticada y experiencia en un dominio específico. Trabajando juntos, los humanos y las máquinas pueden transformar datos no estructurados en inteligencia vital, entregada como un sistema experto específico de dominio.
Suscríbase al boletín gratuito insideBIGDATA.
Únase a nosotros en Twitter: @ InsideBigData1 – https://twitter.com/InsideBigData1