Planes de datos preparados para la IA (Spanish Edition)

Prólogo

En mi laboratorio de la Universidad de Rochester, pasamos más de una década creando sistemas de IA que escuchan la voz de los pacientes y observan sus movimientos faciales para detectar los primeros signos de la enfermedad de Parkinson y el autismo, a menudo antes de que un médico los detecte. Los modelos que creamos eran sofisticados. Los algoritmos eran sólidos. Pero el problema más difícil nunca fue el modelo. Fueron los datos.

Aprendimos esta lección como la mayoría de los investigadores: a base de golpes. Nuestros primeros sistemas funcionaban de maravilla con conjuntos de datos seleccionados, pero luego se desmoronaban en el mundoreal ,no porque las redes neuronales estuvieran mal, sino porque los datos con los que se alimentaban eran incompletos, inconsistentes o carecían del contexto que les daba sentido. Una grabación de voz sin metadatos sobre los horarios de medicación del paciente no era más que ruido. Una expresión facial sin el contexto de la conversación era, en el mejor de los casos, ambigua; en el peor, engañosa. La señal siempre estaba ahí; simplemente, los datos no estaban listos para revelarla.

Esa experiencia, repetida en estudios clínicos, implementaciones de IA sanitaria a escala nacional en Arabia Saudita y trabajos de asesoría con las Academias Nacionales, me ha dado una profunda convicción: las organizaciones que liderarán la era de la IA no son las que tienen los modelos de IA más potentes. Son las que cuentan con los datos diseñados de forma ...