Artificial Intelligence as a Services, Inteligencia artificial como servicio, ¿qué es?
Artificial Intelligence as a Services, Inteligencia artificial como servicio, ¿qué es? Hablemos de AIaaS. Seguimos poco a poco divulgando una lista implícita de Todo como servicio. En nuestro blog previamente pueden encontrar post sobre IaaS, Saas, Paas, BaaS, DraaS, etc etc.
En este punto de la historia y de la especialización tecnológica se siente uno como un mercenario 3.0, como profesionales expertos vendiendo sus servicios al mejor postor para ganancia de ambas partes, outsourcing al extremo.
No demos más rodeos e ingresemos de lleno en el tema.
Introducción
De un tiempo para acá, los «duros» del mercado (*) de la Inteligencia empiezan a ofrecer el servicio para las empresas que no tienen presupuesto o infraestructura propia para esto, aunque también a Instituciones que no desean incurrir en estos costos fijos.
Casi todas las empresas en estos días quieren usar la Inteligencia Artificial para mejorar sus negocios. Después de todo, las empresas pueden utilizar la inteligencia artificial y el análisis de datos para comprender mejor a su público objetivo, automatizar parte de su producción, crear mejores productos de acuerdo con la demanda del mercado, etc. Todas estas cosas a cambio aumentan la rentabilidad de una empresa que a su vez les da una ventaja sobre sus competidores. ¡Después de todo, el resultado final en la mayoría de los casos es el beneficio!
El discurso del Capex sigue vigente en esta línea de servicios.
El tren del todo como servicio
El concepto de «todo como un servicio» se refiere a cualquier software que se pueda invocar a través de una red porque utiliza la computación en la nube. En la mayoría de los casos, el software está disponible de forma comercial, lo que significa que puede comprarlo a un proveedor externo, hacer algunos ajustes y comenzar a usarlo casi de inmediato, incluso si no se ha personalizado totalmente a su sistema.
Para las empresas que no pueden o no están dispuestas a construir sus propias nubes y construir, probar y utilizar sus propios sistemas de inteligencia artificial, AI-as-a-service es la solución. Al igual que otras opciones «como servicio», se aplica el mismo enfoque a la inteligencia artificial:
- Permitir a la empresa centrarse en su negocio principal, no convertirse en expertos en datos y aprendizaje automático
- Manteniendo los costos transparentes
- Reducción significativa del riesgo de inversión.
- Aumentar los beneficios de los datos.
- Aumento de la flexibilidad estratégica, porque la IA como servicio es flexible y dinámica
Facilitando las cosas
Los proveedores de AIaaS desarrollan esos complejos algoritmos y modelos de IA que facilitan el trabajo de su negocio. Estos incluyen, por ejemplo, servicios cognitivos como el reconocimiento de imagen / rostro, la conversión del lenguaje en texto o traducciones automáticas como las que ofrece Google Cloud Vision.
Con una aplicación tan ejemplar, puede proporcionar, por ejemplo, una imagen que sirva de base para reconocer automáticamente a personas y objetos o también logotipos y textos mediante el reconocimiento óptico de caracteres (OCR).
Otro ejemplo de un servicio de IA de uso frecuente es el uso cada vez mayor de chatbots: «personal de contacto» virtuales que pueden responder varias preguntas automáticamente sin que un cliente tenga que hablar con un empleado de soporte de primera línea. Esta forma de diálogo funciona dentro de un entorno estructurado en el que un chatbot puede seguir reglas y pautas claras. Sin embargo, la interacción individual y la comunicación que se asemeja a una persona real aún no es posible.
Aún no es del todo satisfactorio el modelo, al menos para mí pero creo que el asunto va por buen camino.
Usando AIaaS sin know-how
AIaaS permite a todos, independientemente de sus conocimientos, utilizar la Inteligencia Artificial. Para los desarrolladores, se proporcionan API simples, para los usuarios sin habilidades de codificación, se proporcionan interfaces gráficas de usuario junto con instrucciones detalladas, lo que significa que se puede hacer clic en una tubería de procesamiento de datos. La conveniencia, así como el auto marketing de los proveedores de servicios, sugiere que todos pueden aplicar fácilmente algoritmos de IA. Este podría ser el caso de la IA de alto nivel y los problemas estandarizados.
Sin embargo, las soluciones nuevas e innovadoras para problemas no estandarizados requieren un enfoque diferente. Sin un conocimiento profundo del funcionamiento del algoritmo subyacente y la canalización de procesamiento de datos, existe el peligro de errores sistemáticos en los resultados de la aplicación y, por lo tanto, en las decisiones comerciales que se derivan de ellos. Si varios proyectos fallan por esta razón, la confianza en la IA puede dañarse permanentemente. Para ver un ejemplo de este fenómeno, ver el mal uso de los valores p durante una década en las ciencias sociales y las humanidades, así como en los estudios médicos, que causó una pérdida considerable de confianza en estas áreas de investigación.
Además del uso correcto de los algoritmos, también hay muchas cosas que deben considerarse en el lado de los datos: antes de modelar, los datos deben limpiarse (basura, sobrantes, excedentes), se debe seleccionar un subconjunto de variables o los nuevos deben crearse a partir de los existentes, y los datos deben prepararse de acuerdo con el algoritmo seleccionado, es decir, por normalización. La compilación de puntos de datos de entrenamiento tampoco es trivial, ya que se requiere cuidado para garantizar que no tengan sesgos de datos. Por ejemplo, si entrena un algoritmo de reconocimiento facial solo con imágenes de personas caucásicas, no se detectarán rostros de personas no caucásicas. Esto significa que, antes de usar AIaaS con modelos previamente entrenados, debe verificar si producen sesgos en los datos de prueba.
(*) Léase Amazon Cloud, Azure, Google Cloud, etc. etc.
Otros recursos relevantes de HostDime al respecto: