La Mayoría De Las Empresas No Tienen Una Estrategia de Aprendizaje Profundo.

Crédito: https://unsplash.com/collections/326107/strategy?photo=_pc8aMbI9UQ

El Aprendizaje Profundo es una tecnología que es tan desordenada como la computación móvil o la “world-wide web” antes que ella. Y aun, la mayoría de las empresas no tienen una estrategia sobre qué hacer. Esto es confuso dado que el eslogan más exagerado del Aprendizaje Profundo es “La Ultima Invención del Hombre”. ¿Por qué es esto?

Se reduce a un simple hecho: las empresas no entienden el Aprendizaje Profundo. Para hacerlo aún peor, no hay manera posible de que entiendan la oleada actual de desarrollos en Inteligencia Artificial (IA) si no entienden el Aprendizaje Profundo. Seamos perfectamente claros, el reciente pico de interés en la IA se debe primeramente a la tecnología de Aprendizaje Profundo. No es debido a otras tecnologías IA como experimentos expertos, bases semánticas de conocimiento, programación lógica o sistemas bayesianos. Estas otras tecnologías IA no han cambiado mucho en los últimos 5 años. El único salto quántico que hemos visto en los últimos 5 años ha sido el Aprendizaje Profundo.

Se habla de IA desde alrededor de los 50s. El termino lleva medio siglo de equipaje extra. A través de las décadas la IA se ha vuelto muy nebulosa y, por ende, en su vagues, no es suficientemente concreta para ser usada como conductor o meta para una empresa. Es más lógico enfocarse en tecnología más concreta y real. Aclamar tener una estrategia de IA sin la estrategia correspondiente de Aprendizaje Profundo es parecido a admitir que ¡no hay ninguna estrategia!

Para entender cómo y dónde se puede aplicar la IA en tu negocio, los negociosos tienen que entender lo que el Aprendizaje Profundo puede y no puede hacer. Una estrategia de IA efectiva reconoce los beneficios del Aprendizaje Profundo. Es como cualquier otra herramienta usada para los negocios, primero entiende de que son capaces las herramientas y luego planea desde ahí. Esto, sin embargo, puede sonar simple desafortunadamente, no lo es. El conocimiento sobre las capacidades del Lenguaje Profundo es muy escaso. Hay muchos expertos en Aprendizaje Mecánico y Ciencia de Datos que no entienden esta tecnología. Después de todo, no existía cuando estaban estudiando en la universidad.

Solo para darte algo de perspectiva en lo que a desarrollos del Lenguaje Profundo se refiere, mira a este grafico de Google mostrando el uso de Aprendizaje Profundo en sus aplicaciones:

Y este extracto del articulo del NY TIMES “El Despertar de la Gran IA”:

El sistema neural, en lenguaje par Inglés-Francés, mostro una mejora sobre el viejo sistema de siete puntos. Hughes le dijo al equipo de Schuster que no habían tenido ni la mitad de mejoras en su propio sistema en los últimos cuatro años. Para estar seguro de que no era un error en la medida, se volvieron hacia su muestra de contratistas humanos para hacer una comparación lado a lado. Los puntajes de percepción de usuario, en los que las oraciones de ejemplo se graduaron de cero a seis, mostro una mejora de 0.4 — aproximadamente equivalente al agregado de ganancias del sistema viejo a través de toda su vida de desarrollo.
A mediados de marzo, Hughes envió un correo a si equipo. Todos los proyectos de nuevo sistema deberían suspenderse inmediatamente.

Reconozcamos lo que ha pasado en Google. Google ha usado desde sus inicios varios tipos de “IA” o máquinas de aprendizaje computarizado. Sus ganancias promedio de mejora por año eran 0.4. En la primera implementación de Google, la mejora del Aprendizaje Profundo fue de 7 puntos, más mejora que toda una vida de mejoras. Si ya estás haciendo IA, entonces el Aprendizaje Profundo va a acelerar tus mejoras. Si no estás haciendo IA, entonces, ¿tiene sentido hacer IA en lugar de Aprendizaje Profundo? El Aprendizaje Profundo es tecnología real y está tomando las operaciones de las compañías tecnológicas más avanzadas del mundo. Posiblemente debería usar una palabra diferente a “real”, quizás “desordenada” es más apropiada.

Una de las razones por las cuales el conocimiento y el talento son tan escasos es por el extremadamente rápido desarrollo del campo del Aprendizaje Profundo. Solo para darte una idea, hace un mes la conferencia ICLR 2017 tuvo alrededor de 500 artículos puestos en consideración. La ICLR 2017 se celebrará el 24 de abril del 2017. Eso está solo a meses y la mayoría de las personas solo lo verán ahí. Nosotros ya lo vimos en la conferencia NIPS 2016 que se hizo el mes pasado, y varias personas estuvieron en radiodifusión sobre la novedad de todo. 6 meses es un tiempo muy largo en la comunidad del Aprendizaje Profundo, y todavía hay personas escarbando clases magistrales viejas del 2014 y 2015 y aclaman que son iluminadoras.

Además, también es importante recordar que lo que las grandes firmas escogen publicar seguramente es información que para ellos ya tiene 6 meses o un año. Solo observa la revelación de Google sobre la Unidad de Procesamiento Tensor (TPU) ASIC. Cuando fue revelada, Google la había estado usando por casi un año:

Hemos estado corriendo TPUs dentro de nuestros centros de data por más de un año, y nos hemos dado cuenta que llevan una orden de magnitud mejor organizada y optimizada por watt por computador. Esto es aproximadamente equivalente a acelerar la tecnología al menos 7 años en el futuro (Ley de 3 generaciones de Moore).

Entonces, inclusive si diligentemente leemos cada publicación de Arxiv el día que es publicada, estaremos, siendo positivos, quizás ¡6–12 meses detrás de las grandes innovaciones!

La clave para entender todos estos desarrollos es lo que Andrew Ng ha aconsejado:

En mi propia vida, me he dado cuenta que cada vez que no estaba seguro de que hacer luego, me ponía a aprender mucho, leer mucho, hablar con expertos. No sé cómo funciona el cerebro humano, pero es casi mágico: cuando lees suficiente o hablas son suficientes expertos, cuando tienes suficientes entradas, nuevas ideas aparecen. Esto parece pasarle a mucha gente que conozco.

Eso no significa que los desarrollos de más de 6 meses son completamente inútiles. Google y los otros maestros del universo son recursos constreñidos. Más aun, estas compañías se apegarán a sus competencias centrales y rara vez se aventurarán a otras áreas. Esto provee oportunidad para el resto de nosotros. Hay muchas oportunidades en dominios suficientemente pequeños y angostos que los gigantes ignorarán o ni sabrán que existen.

La tecnología del Aprendizaje Profundo también continúa mejorando a un ritmo tórrido. Entonces si empiezas a aprovecharte de las tecnologías de Aprendizaje Profundo de hoy en día, tendrás la posibilidad de aventajarte de las mejoras en algoritmos unos meses después. Pero solo esperando pasivamente que la tecnología mejora al punto que llegue específicamente a los requerimientos de tu negocio puedes poner a tu firma a correr seriamente por la curva externa, posiblemente para ser dejado atrás. Entonces es más prudente y pragmático empezar a ponerte los zapatos de tu empresa y tomar ventaja de las futuras mejoras tecnológicas.

Esta es la principal motivación de porque hemos trabajado en los Diseños de Patrones para el Aprendizaje Profundo. Un modelo conceptual consistente es absolutamente esencial en nuestra habilidad para digerir los últimos desarrollos de investigación. Si curas suficientes patrones de diseño, empiezas a tener una intuición de como todo empieza a encajar. Esta intuición te permite adelantarte a todos y predecir hacia dónde va el campo. Es por eso que le dimos un foco de investigación al Principio Holográfico, así como al Aprendizaje Profundo Modular. Estos son conceptos que probablemente no escucharas en ningún otro lado, pero son críticos a medida que progresamos.

En Intuition Machine estamos trabajando en un libro de Aprendizaje Profundo para Empresas. Este libro provee un punto de partida para que la compañía empiece a pensar sobre una estrategia de Aprendizaje Profundo. A un nivel de 35,000 pies, recomendamos las siguientes empresas:

Maneja Expectativas

Entiende las limitaciones de la tecnología. Cuales problemas se pueden resolver y cuáles no.

Invierte en Logística de Datos

Invierte y desarrolla un proceso que trate a los datos como agentes importantes a ser manejados, aplacados y mejorados.

Adquiere Talento Relevante

Contrata alguien que entienda el Lenguaje Profundo y la infraestructura de la data

Ataca los Problemas Correctos

Evalúa tus propios procesos de negocio para entender cuáles pueden beneficiar más del AP. Selecciona los procesos que pueden tener un mayor impacto en tu negocio.

Instituye una Metodología AP

Hay mucho software de desarrollo de metodología, sin embargo, el Aprendizaje Profundo tiene su propio y único set de capacidades y, por ende, una forma única de hacer las cosas. Aprende a fusionar este nuevo tipo de metodología con tu software existente de desarrollo de ciclo vital.

Hay algunas líneas generales que esperamos que puedan ayudarte a pensar. La clave está en empezar a preparar la compañía para la inevitable transición a la economía llevada por la IA. Siempre es mejor estar preparados.

Ten una conversación con Intuition Machine para empezar tu estrategia.

[KHAT]http://www.newyorker.com/magazine/2015/11/23/doomsday-invention-artificial-intelligence-nick-bostrom

[KRAU]http://www.nytimes.com/2016/12/14/magazine/the-great-ai-awakening.html?_r=0

[NG]http://www.huffingtonpost.com/2015/05/13/andrew-ng_n_7267682.html

Original Document: https://medium.com/intuitionmachine/most-enterprises-dont-have-a-deep-learning-strategy-1fc891e83f6a#.5sivthrke

One clap, two clap, three clap, forty?

By clapping more or less, you can signal to us which stories really stand out.