Los motores de IA pueden combinarse, creando una especie de Super Cerebro de inteligencia artificial


A medida que los motores de aprendizaje automático se multiplican, vemos los beneficios de hacer que se capaciten entre sí, en comparación con el uso limitado de esta utilidad, que podemos tener o no tener.

Si usted trata con sistemas basados en el aprendizaje automático, ya sabe todo sobre Trainning Data (Datos de Capacitación): Los datos deben ser formateados correctamente y ser precisos, antes de cargarlos en un modelo de IA con el fin de Capacitar el Modelo.

Supongamos que está creando un motor de detección de fraude utilizando un popular sistema de aprendizaje automático en una nube pública.

Primero crea el conjunto de datos utilizado para capacitar el modelo: en este caso, millones de registros de transacciones con las transacciones fraudulentas etiquetadas.

Esto permite que el modelo aprenda: qué es probable que sea fraudulento y qué no. Por supuesto, hay diferentes tipos de datos de datos de capacitación, algunos etiquetados, otros no.

Una vez capacitado, el modelo puede continuar aprendiendo lo que probablemente sea fraudulento y lo que no, a través del aprendizaje por experiencia.

De hecho, si tuviera tiempo, el modelo podría capacitarse a sí mismo con el tiempo, al monitorizar las transacciones que los humanos u otros sistemas marcan como fraudulentos.

Lo que me sorprende de este enfoque del Entrenamiento de IA es que necesita un conjunto de datos de entrenamiento.
En algunos casos, se puede obtener de un intermediario de Training Data, ya sea abierto o propietario.

En la mayoría de los casos, tú recopilas tus propios datos para capacitar/entrenar el modelo de aprendizaje automático. Sin embargo, ¿qué pasaría si otros modelos entrenados de aprendizaje automático pudieran entrenar modelos, en cualquier lugar y en cualquier momento?

La idea no es nueva. Desde el nacimiento de la IA, hemos jugado con el concepto de que un motor de IA enseñe a otro, ya sea compartiendo los Datos de Capacitación o, mejor aún, compartiendo conocimiento y experiencia a través de la interacción directa y automática.

Tener un Motor Mentor de IA tuyo, proporciona experiencia externa y, por lo tanto, hace que el modelo de IA sea más valioso y efectivo.
Esto es más fácil dicho que hecho.

Los motores de aprendizaje automático generalmente no se comunican entre sí, incluso si son el mismo software. Están diseñados desde cero para ser aprendices independientes e interactuar con sistemas que no son de IA, o bien con humanos.

Sin embargo, la capacitación entre motores de IA está en la mayoría de los radares de los proveedores de IA.

Últimamente veo algunas tendencias clave que podrían cambiar el juego:

La primera, es el uso de motores de inteligencia artificial bajo demanda o basados en SaaS, que pueden interactuar con otros motores de inteligencia artificial dentro de una nube pública o local.

Puede pensar en ellas como nubes SaaS que se especializan en enseñar a otros motores de IA sobre un conjunto específico de habilidades, desde detectar transacciones fraudulentas hasta diagnósticos médicos, mantenimiento de máquinas y más.

La segunda tendencia: los motores de IA pueden combinarse con tus modelos entrenados, creando una especie de Super Cerebro de inteligencia artificial, no solo proporcionando experiencias globales fuera de su dominio, sino combinándose con sus propios datos de capacitación para proporcionar experiencias locales y globales.

Traemos este contenido a CloudMasters ahora porque la mayoría de las empresas necesitan estar al tanto de estas tendencias, si desean obtener más valor de la IA, incluido el aprendizaje automático y el aprendizaje profundo.

Muchas empresas se encuentran con un muro al no tener suficientes datos de capacitación para hacer que el aprendizaje automático sea funcional. Ésta podría ser una buena manera de resolver ambos problemas.

Noticia publicada en CloudMasters:

Por qué el entrenamiento de IA basado en SaaS cambiará el juego