El éxito de la IA proviene de la diversidad y el trabajo en equipo

La diversidad no solo es aplicable a las personas, sino también a la propia tecnología

Al igual que sus huellas dactilares, cada ser humano es único, pero cuando las personas interactúan y construyen relaciones, aprenden a colaborar y se unen para crear algo nuevo. Asimismo, cualquier ejemplo de inteligencia artificial también puede considerarse un ‘individuo’ único. Los sistemas de IA (IAs) también son particulares, igual que las personas.

Las IAs están construidas sobre diferentes algoritmos que contienen los pasos e instrucciones específicas para que funcionen, de forma similar a como el ADN contiene los rasgos específicos de una persona. Cada algoritmo tiene sus propias fortalezas y debilidades, que determinan los tipos de problemas, conjuntos de datos y sectores para los que pueden trabajar mejor. Por ejemplo, el mejor algoritmo en procesamiento de datos de texto (como los utilizados en diagnósticos médicos), puede no ser tan fuerte en datos numéricos complejos (como los utilizados para evaluar el riesgo financiero).

Los conjuntos de datos y problemas de negocio se resuelven mejor utilizando diferentes algoritmos. Cada conjunto de datos contiene información única que permite a las empresas comprender qué áreas están funcionando bien y cuáles necesitan ayuda. Debido a la variedad de situaciones y condiciones, un algoritmo no puede resolver con éxito todos los posibles problemas de negocio o conjuntos de datos, por lo que no sabemos de antemano qué algoritmo funcionará mejor para cada caso en particular. En consecuencia, las personas que construyen IAs terminan pasando mucho tiempo afinando y comparando modelos.

Los sistemas de IA se pueden agrupar en equipos, igual que las personas

Al formar un equipo de personas, la diversidad es un elemento vital para el éxito y el crecimiento del mismo. Diversos estudios realizados en todo el mundo han demostrado que la diversidad en el lugar de trabajo se traduce en un pensamiento de grupo más preciso, más innovación, y un enfoque más cuidadoso y detallado de la resolución de problemas.

Un equipo de personas con la misma formación y experiencia difícilmente se lanzará a probar cosas nuevas o a asumir nuevos riesgos, porque el alcance del conocimiento es muy limitado. En cambio, al evitar el pensamiento de grupo, se promueve el pensamiento crítico, lo que permite que los individuos se desafíen entre sí, evitando que los prejuicios personales eliminen la mejor solución.

La diversidad no solo es importante para las personas, sino también para la tecnología. En la jerga de la ciencia de datos, los equipos de algoritmos se llaman ‘conjuntos’, elementos similares a un equipo de proyecto: las fortalezas de cada algoritmo equilibran las debilidades de otro, de la misma manera que la lluvia de ideas entre personas diversas supera los sesgos que reducen su capacidad para encontrar las mejores soluciones.

Los modelos de conjuntos normalmente superan a las IAs individuales gracias a su diversidad, ya que cuantos más datos se introduzcan en los modelos, más aprenderán y más fuertes podrán llegar a ser.

¿Por qué es difícil crear diversidad en la IA?

Existen varios obstáculos para crear una IA realmente diversa. Para empezar, las bibliotecas de aprendizaje automático son difíciles de instalar en un solo ordenador debido a la incompatibilidad de los requisitos y versiones del sistema. Incluso si podemos obtener todas las librerías en un solo ordenador, estos modelos suelen ser diseñados y construidos manualmente, lo que consume mucho tiempo y tiende a llevar al error.

Como resultado, no se tiene tiempo para buscar el mejor algoritmo para cada problema. A menudo se desarrolla un algoritmo favorito, incluso cuando ese en particular no es el más adecuado para el conjunto de datos que se está analizando. Este sesgo de algoritmo, aunque puede ahorrar tiempo, disminuye la posibilidad de que otros algoritmos sean tomados en consideración, así como la oportunidad de diversidad en cualquier proyecto en el que esa persona trabaje.

Sin diversidad, la precisión se resiente.

Artículo editado y publicado originalmente en DataRobot

Nae es partner certificado de DataRobot para soluciones de machine learning automatizado e inteligencia artificial orientadas a la empresa, y especialista en automatizar el flujo de trabajo de la ciencia de datos, tanto para la recomendación de algoritmos como para la construcción de modelos predictivos.