Se puede añadir que la escalabilidad es otro de sus valores para apoyar la democratización de la IA
Erick Ortíz Vega
Socio y fundador de Sulvolta.
“La inteligencia es la eficiencia con la que adquieres nuevas habilidades
en tareas para las que no te preparaste previamente”
Francois Chollet, Ingeniero de software e Investigador IA, Google.
Imaginar el futuro de la humanidad soportado por la Inteligencia Artificial (IA) es muy emocionante. El siglo pasado vio nacer los primeros modelos computacionales para representar el conocimiento, y con ello, nació el concepto de IA. Recordaremos al siglo gracias a su democratización. El siguiente, pronosticado por futuristas, será el siglo en que la IA esté en todas las actividades cotidianas del ser humano.
Entonces resulta que, hacer realidad la aplicabilidad en lo cotidiano, requiere en principio, de su democratización. Bernard Shaw dijo que “la democracia nos ayuda a garantizar que no seremos gobernados mejor de lo que merecemos”. Por consiguiente, la calidad del resultado del proceso de democratización dependerá de cuatro factores:
1.-Nutrida competencia de companías que innoven en el desarrollo de modelos de IA para las diferentes industrias.
2.- Las plataformas para generar los modelos de IA deberán innovar en la fase de preparación de datos; además en la capacidad de automatización para la construcción, despliegue y administración de estos.
3.- Estas plataformas deben construirse con principios de ética.
4.- Las industrias deben ser conscientes de que la inversión en generación de modelos de IA disemina los riesgos de experimentar; además ayuda a establecer los principios de consumo, para luego ser adoptados por consumidores finales.
¿Quién democratizará su uso?
En cuanto a quién democratizará su uso, se pueden identificar al menos dos actores: la nube y los desarrolladores de software. Teniendo en cuenta que vivimos en la era multi nube, Tomás Valles, director de Ingeniería de Sistemas de VMware México, explica que las empresas pueden empezar consumiendo los modelos IA, que ofrecen los proveedores de nube, tales como Amazon, Azure, Google, como si se tratase de un microservicio más por el cual, fluya la información para ser analizada y luego entregar como resultado, patrones de comportamiento para la toma de decisiones. Sin duda, con este pragmatismo, no se antoja difícil adquirir ni implementar algún servicio de IA, por el contrario, las empresas podrán acceder a sus beneficios de forma ágil y sencilla, sin necesidad de desarrollarlo por su propia cuenta. Además, las empresas que están naciendo con servicios digitales en la nube, adoptarán más naturalmente el uso de IA.
No obstante, para problemas complejos, la solución no se consigue mediante la implementación de un único esquema, sino a través de la combinación de múltiples modelos y tecnologías. Gartner, a esto le llama, IA compuesta.
En su reporte, “5 trends drive the Gartner hype cycle for emerging technologies 2020”, se posiciona a la IA generativa y compuesta como la tendencia número cuatro. En otro reporte, también de Gartner, “Top strategic technology trends for 2021”, se abordan nueve tecnologías estratégicas que orientarán la plasticidad organizacional en los próximos cinco años.
DataOps, ModelOps y DevOps
Dentro de éstas, se encuentra la adopción de una sólida estrategia de ingeniería de IA que facilitará el rendimiento, la escalabilidad, interpretabilidad y confiabilidad de los modelos de IA, al mismo tiempo que garantizará el aprovechamiento del valor de las inversiones en el rubro. Sin la ingeniería de IA, la mayoría de las organizaciones no podrán llevar los proyectos más allá de las pruebas de concepto y los prototipos a la producción en gran escala. Gartner también precisa que la ingeniería de IA se basa en tres pilares básicos: DataOps, ModelOps y DevOps.
DevOps se ocupa de los cambios en el código en alta velocidad. Esto es fundamental porque los proyectos de Inteligencia Artificial experimentan cambios dinámicos en el código, modelos y datos; por ello, todo debe mejorar continuamente.
Las organizaciones que empiecen a implementar IA deberán aplicar los principios de DevOps, a través de la creación de pipelines para DataOps y pipelines del modelo de machine learning para MLOps, lo que incide en aprovechar los beneficios de la ingeniería de IA.
DataRobot
De manera un tanto contrapuesta, el CEO de DataRobot, Dan Wright, a principios de año expresó que no cree que el futuro se trate mucho de MLOps, sino de monitorear todo el ciclo de vida de un modelo y actualizarlo continuamente a medida que cambian los datos. En esto último, hay coincidencia con Gartner.
Para DataRobot, lo más importante es la combinación entre MLOps con el aprendizaje automático automatizado. La automatización es el nombre del juego, a fin de que los modelos de IA se actualicen de forma automática a medida que los datos cambian para hacer un aprendizaje continuo. Wright asegura que no se trata de trabajar durante seis meses para poner un modelo de IA en producción. Al respecto, estoy completamente de acuerdo, y en tal sentido, la velocidad de despliegue en los cambios de código promoverá la adopción de IA.
Democratización de la IA
Después de haber hablado de DevOps, de automatización, de IA compuesta o generativa, y de nube, sea cual sea la complejidad del modelo de IA, sin importar el nivel de flexibilidad en la configuración del mismo, o qué tan fácil es construir dichos modelos en plataformas especializadas o desde los servicios de proveedores de nube, se debe agregar también que son los desarrolladores de software los habilitadores del proceso de democratización de la IA. Puesto que, sus habilidades de programaci n harán realidad que los modelos analicen de manera profunda, casi como los humanos, pero en tiempos más rápidos, toneladas de datos. Además, materializarán que sea inversamente más fácil su uso. Y, por último, en su naturaleza racional para codificar también estará depositada la confianza y la ética sobre la cual se basen los modelos de Inteligencia Artificial.
De regreso a la relevancia de la nube, se puede añadir que otro de sus valores para apoyar la democratización de la IA, es la escalabilidad y agilidad para el cómputo de toneladas de datos requerido, intensivo tanto en CPU, como económicamente.
Potenciar el mercado
Es la nube y la adopción de GPUs, un tema fascinante, que se articula perfecto con la democratización de la IA, el cual abordaré en otro artículo. Por ahora, finalizo apuntando a la relación entre actores; con la calidad del resultado de dicho proceso. De suerte que, la competencia es el contexto de libre participación en el mercado que podrá potenciar mayores actores al mismo tiempo que mejor calidad.
