El aprendizaje automático va más allá de las exageraciones

Aprendizaje automático Ha existido durante décadas, pero la mayoría de las veces, las empresas han implementado solo unos pocos modelos, que requieren el trabajo tedioso y minucioso realizado por doctores y profesionales del aprendizaje automático. Fue hecho. En los últimos años, el aprendizaje automático ha crecido significativamente con la llegada del aprendizaje automático estandarizado y ampliamente disponible. Plataforma de aprendizaje automático basada en la nube.

Hoy en día, empresas de todas las industrias están implementando millones de modelos de aprendizaje automático en múltiples áreas comerciales. Intuit, un gigante del software fiscal y financiero, comenzó con un modelo de aprendizaje automático que ayuda a los clientes a maximizar sus créditos fiscales. Hoy en día, el aprendizaje automático afecta a casi todas las partes del negocio. Solo el año pasado, Intuit aumentó la cantidad de modelos implementados en la plataforma en más del 50%.

En otro ejemplo, Lyft, líder en viajes compartidos, recopila grandes cantidades de datos en tiempo real desde la aplicación móvil de más de 2 millones de conductores y 30 millones de pasajeros. La empresa puede utilizar millones de modelos de aprendizaje automático para detectar con precisión el uso de la ruta y las anomalías en los patrones de conducción, lo que sugiere problemas que requieren atención inmediata.

Pero esto es solo el principio. La siguiente fase del aprendizaje automático traerá consigo lo que los científicos solo podrían soñar: la industrialización y democratización del aprendizaje automático. Con plataformas y herramientas dedicadas de aprendizaje automático que pueden sistematizar y automatizar la implementación de modelos de aprendizaje automático a gran escala, estamos a la vanguardia de los cambios importantes que los pondrán a disposición de todos, no solo de las compañías globales de Fortune 50. incrementar. Esta tecnología innovadora es verdaderamente destructiva.

Camino hacia la industrialización del aprendizaje automático

El aprendizaje automático sigue una tendencia recurrente y familiar en toda la industria. Utilice la automatización para industrializar sus procesos para la implementación masiva. Por ejemplo, el primer automóvil era tedioso y laborioso, por lo que fue diseñado por boutiques como Duriea y Packard, que produjeron fantásticos automóviles de lujo de edición limitada. Ford Motor Company ha cambiado esa mentalidad al estandarizar los procesos de diseño y fabricación de automóviles, crear líneas de ensamblaje, permitir el consumo masivo de automóviles y cambiar el transporte y el comercio para siempre.

90 años después, la industria del software ha experimentado una transformación similar de una colección de elegantes aplicaciones a medida desarrolladas por un pequeño número de codificadores profesionales al campo ahora ampliamente accesible y sistemático de la ingeniería. integración y despliegue continuo (((CI / CD La herramienta proporciona estandarización y automatización para el desarrollo de software, lo que permite a los codificadores de todos los niveles crear aplicaciones robustas. La capacidad de producir aplicaciones en masa ha facilitado el consumo masivo de software, convirtiéndola en una parte integral de la forma en que vivimos y trabajamos.

El aprendizaje automático ha pasado por una etapa similar de industrialización. Para tener éxito, no crea que las demostraciones geniales de aprendizaje automático de fantasía, como escribir poesía o generar diálogos inteligentes en videojuegos, sean el estándar o avance en el aprendizaje automático del mundo real. Debe ser. Como un automóvil conceptual futurista que entretiene a la multitud en un salón del automóvil, estas demostraciones boutique de «prueba de concepto» despiertan la imaginación y crean emoción, pero no son fáciles de duplicar o escalar. no poder. No solo eso, son muy caras y ofrecen poco valor comercial.

Los modelos de aprendizaje automático deben resolver problemas comerciales complejos, proporcionar información procesable en tiempo real e integrarlos en los sistemas y procesos operativos para hacer realidad décadas de visiones y promesas de trabajo. hay. Esto requiere tanto la industrialización del aprendizaje automático como la democratización de las herramientas de aprendizaje automático. Necesitamos transformar el aprendizaje automático en una disciplina de ingeniería sistemática, hacer que las plataformas y herramientas de aprendizaje automático estén ampliamente disponibles y permitir que las empresas escalen sus implementaciones de manera rápida y eficiente.

Plataforma tecnológica para aprendizaje automático en la nube

Afortunadamente, el aprendizaje automático se ha industrializado y se está alejando de la exageración hacia una disciplina de ingeniería madura formada a lo largo de dos vectores: plataformas dedicadas de aprendizaje automático y herramientas especializadas de aprendizaje automático.

La industrialización del aprendizaje automático se basa en la capacidad de estandarizar las cargas de trabajo en una plataforma dedicada de aprendizaje automático en la nube. La estandarización a gran escala requiere una infraestructura distribuida segura y de alta disponibilidad que se ejecute de manera óptima en la nube. Una infraestructura de aprendizaje automático dedicada ofrece a los desarrolladores y científicos de datos el mejor rendimiento y el menor costo para crear modelos de aprendizaje automático e implementarlos en la nube y los dispositivos de borde. Además, una plataforma dedicada de aprendizaje automático libera a los equipos de desarrollo del arduo trabajo indiferenciado de administrar tanto la infraestructura de aprendizaje automático como las tareas operativas, lo que los libera para centrarse en la creación, prueba y capacitación de nuevos modelos.

El aprendizaje automático se ocupa tanto del código como de los datos, pero al tomar prestados conceptos del mundo del software, puede crear sus propias herramientas de aprendizaje automático. En la actualidad, los IDE, los depuradores y las herramientas de generación de perfiles que fortalecen el desarrollo de software están personalizados para el aprendizaje automático. La función CI / CD de aprendizaje automático, que rastrea automáticamente el código, los conjuntos de datos y los artefactos en cada paso de un flujo de trabajo de aprendizaje automático, es compatible con los requisitos de automatización, gobernanza y auditoría. Al igual que con el software, las capacidades de CI / CD para el aprendizaje automático permiten a los desarrolladores retroceder, reproducir pasos, solucionar problemas y garantizar un sistema de modelos a gran escala en miles de modelos de producción. Se puede rastrear hasta.

Los modelos y predicciones de aprendizaje automático son tan buenos como los datos con los que trabajan. También es esencial comprender por qué el modelo hace ciertas predicciones. Por esta razón, muchas plataformas de aprendizaje automático proporcionan herramientas integradas de preparación y etiquetado de datos, calidad de los datos, herramientas de detección de sesgos y formas de explicar la predicción del modelo.

La industrialización del aprendizaje automático está aportando beneficios reales. IFood, un servicio de entrega de alimentos líder en América Latina, utiliza servicios de CI / CD de aprendizaje automático para automatizar la optimización de rutas para el personal de entrega de alimentos, reducir las distancias de viaje de las rutas de entrega en un 12% y el tiempo de inactividad del operador. Se ha reducido en un 50%. En general, su negocio ha mejorado el rendimiento del SLA de entrega del 80% al 95%.

El fabricante de textiles INVISTA tiene un flujo de trabajo de análisis de datos automatizado para predecir y corregir posibles fallas en los equipos. La gestión mejorada del rendimiento de los activos reduce el tiempo de inactividad, reduce los daños al equipo y aumenta los ingresos.

Autodesk, una empresa de software multinacional, ha introducido un modelo de aprendizaje automático flexible y personalizable que utiliza el procesamiento del lenguaje natural para buscar palabras y patrones de oraciones y dirigir rápidamente a los clientes a la solución correcta. Esto reduce la mala dirección en un 30% y ayuda a los clientes a obtener respuestas. 3 veces más rápido.

La Bundesliga (la principal liga de fútbol profesional de Alemania) entrena modelos de aprendizaje automático para predecir más de 40.000 puntos de datos de eventos históricos y utiliza herramientas de explicabilidad del modelo para capturar la lógica detrás de las predicciones de xGoals MatchFacts. La explicación mejora la experiencia de los fanáticos.

Hoy en día, las plataformas de aprendizaje automático y una variedad de herramientas analíticas están haciendo lo que los científicos informáticos imaginaron cuando se teorizaron por primera vez los algoritmos de inteligencia artificial en la década de 1950. Gracias a las innovaciones en la infraestructura y las herramientas de aprendizaje automático, somos testigos de nuevas transformaciones comerciales en prácticamente todos los sectores.

Bratin Saha es vicepresidente de aprendizaje automático de AWS.

– –

El New Tech Forum proporciona un foro para explorar y discutir nuevas tecnologías empresariales con una profundidad y amplitud sin precedentes. Las opciones son subjetivas y se basan en opciones de tecnología que creemos son de gran importancia y mayor preocupación para los lectores de InfoWorld. InfoWorld no acepta materiales de marketing para su publicación y se reserva el derecho de editar todo el contenido contribuido. Envíe todas las consultas a newtechforum@infoworld.com.