CIENCIA

Los anuncios de empleo para la IA pronto podrían verse así. ¿Estás listo?

Se busca: Asistente Humano de la Inteligencia Artificial

Estamos buscando candidatos humanos de nivel medio y junior para que sirvan como asistentes de ciencia de datos para nuestra inteligencia artificial (IA) departamental a cargo del análisis de datos. Las responsabilidades incluyen revisar, interpretar y proporcionar comentarios sobre los resultados analíticos a la IA y redactar informes resumidos de los resultados de la IA para la comunicación humana. Requiere capacidad para interactuar con proveedores y personal de tecnología de la información para brindar soporte de hardware para la IA. La experiencia de colaborar con personal informático es una ventaja. Debe tener buenas habilidades de interacción persona-computadora. Se prefiere la capacitación formal en el tratamiento ético de las computadoras y la evaluación de la imparcialidad y el sesgo de los resultados generados por computadora.

Lo anterior es un anuncio de trabajo del futuro, pero no tan lejano. Señala hacia dónde nos dirigimos y dónde podríamos estar quizás en tan solo cinco años si dedicamos los recursos y la resolución para hacer la investigación necesaria. Pero nuestro pasado reciente nos ha demostrado que podemos desarrollar el tipo de máquinas que pronto abrirían un campo completamente nuevo de trabajo lucrativo y satisfactorio.

Verá, durante la última década, se ha desarrollado rápidamente una nueva disciplina informática llamada aprendizaje automático automatizado o AutoML. AutoML creció orgánicamente en respuesta a los muchos desafíos de aplicar el aprendizaje automático al análisis de macrodatos con el propósito de hacer predicciones sobre resultados de salud, tendencias económicas, fallas de dispositivos y cualquier cantidad de cosas en un amplio campo que se sirven mejor cuando son rápidas y se pueden analizar datos completos.

Para que funcione el aprendizaje automático corriente, se requiere una gran cantidad de opciones, que van desde el método óptimo para los datos que se analizan y los parámetros que deben elegirse en el mismo. En perspectiva, hay docenas de métodos populares de aprendizaje automático, cada uno con miles o millones de configuraciones posibles. Analizar estas opciones puede resultar abrumador tanto para los nuevos usuarios como para los expertos.

La promesa de AutoML, entonces, es que la computadora puede encontrar el enfoque óptimo automáticamente, reduciendo significativamente la barrera de entrada.

Entonces, ¿cómo llegamos a AutoML y al anuncio de trabajo anterior? Hay varios obstáculos.

La primera es la perseverancia. Una inteligencia artificial (IA) para AutoML debe poder analizar datos de forma continua y sin interrupciones. Esto significa que AutoML AI necesita vivir en un entorno informático robusto, redundante y confiable. Es probable que esto se pueda lograr utilizando las plataformas de computación en la nube disponibles actualmente. El avance clave es modificar el software para que sea persistente.

El segundo obstáculo es la memoria y el aprendizaje. Una IA de AutoML debe tener una memoria de todos los análisis de aprendizaje automático que ha ejecutado y aprender de esa experiencia. PennAI, que mis colegas y yo desarrollamos, es un ejemplo de una herramienta AutoML de código abierto que tiene ambos, pero no hay muchos otros. Sería importante darle a AutoML la capacidad de aprender de los errores. Todas sus herramientas actuales aprenden de los éxitos, pero los humanos aprenden más del fracaso que del éxito. La integración de esta capacidad en AutoML AI podría ser bastante desafiante pero necesaria.

El tercer obstáculo es la explicabilidad. Una fortaleza de la ciencia de datos basada en humanos es nuestra capacidad para preguntarnos entre nosotros por qué. ¿Por qué eligió ese algoritmo? ¿Por qué favoreció un resultado sobre otro? Las herramientas actuales de AutoML aún no permiten que el usuario pregunte.

El último obstáculo es la interacción humano-computadora (HCI). ¿Cuál es la forma óptima para que un humano interactúe con la IA realizando análisis de datos? ¿Cuál es la mejor manera para que un ser humano dé una retroalimentación de IA o le proporcione conocimiento? Si bien hemos logrado un gran progreso en el espacio general de la HCI, nuestro conocimiento de cómo interactuar con las IA sigue en su infancia.

Es completamente concebible que en los próximos años se pueda construir una IA para AutoML que sea persistente y pueda aprender de la experiencia, explicar las decisiones que toma, así como los resultados que genera, interactuar sin problemas con los humanos e incorporar y usar eficientemente a expertos. conocimiento mientras intenta resolver un problema de ciencia de datos. Todas estas son áreas activas de investigación y el progreso dependerá principalmente de un esfuerzo dedicado para unir estas piezas.

Dicho todo esto, los sistemas de IA automatizados y persistentes encontrarán su lugar en un futuro cercano, una vez que hagamos un esfuerzo concertado para investigarlo a fondo. Deberíamos comenzar a preparar nuestra fuerza laboral basada en humanos para esta realidad. Necesitaremos programas vocacionales para capacitar a los humanos sobre cómo interactuar con un agente de IA persistente, de la misma manera que tenemos programas para capacitar a otras personas que trabajan con equipos especializados e interpretan, como los técnicos de la sala de emergencias. También será necesario un cambio de cultura educativa además de esa capacitación, ya que necesitaremos integrar la interacción de la IA en cursos que cubran comunicación, ética, psicología y sociología.

Esta tecnología está al alcance de la mano. Cuando lo alcancemos, tendremos un campo nuevo y expansivo para trabajadores humanos. Pronto, será el momento de escribir una descripción del trabajo, pero solo una vez que resolvamos algunos problemas cruciales.

Publicaciones relacionadas

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba
Cerrar
Cerrar