Nivel técnico del artículo

La Inteligencia Artificial es ese gran nombrado y, aunque no creamos, a la vez desconocido, que a menudo lo asociamos a pequeños conceptos de lo que realmente es. Podríamos definir la inteligencia artificial como la simulación de los procesos de la inteligencia humana mediante el uso de máquinas. Una máquina inteligente ideal es aquella que percibe su entorno y lleva a cabo acciones que maximizan el éxito de una tarea concreta, es decir, que una máquina sea capaz de imitar las funciones de los humanos para resolver problemas concretos.

Vemos, cada vez más, nuevos desarrollos y tecnologías basadas en IA en todos nuestros ámbitos de la vida. Desde las redes sociales con anuncios y contenidos totalmente ajustados a nuestros perfiles; lavadoras o televisores inteligentes; la industria 4.0 que optimiza sus recursos y aumenta su productividad; mejoras en la investigación en el campo de la salud, como por ejemplo, detección precoz de cáncer o incluso la capacidad de predecir la estructura en tres dimensiones de una proteína basándose en su secuencia genética, clave en el diagnóstico y tratamiento de enfermedades y un gran etcétera. De tal forma, que la IA se ha convertido en un término común y cada vez más extendido en nuestro día a día.

Hablar de IA está normalizado hoy en día y asumimos que esta tecnología está consolidada, pero no es así. Actualmente estamos viviendo un falso apogeo y sobreexpectación y no nos estamos dando cuenta que solo es una infinitesimal parte de lo que la inteligencia artificial puede aportar tanto a la sociedad como a la industria, y por supuesto, del camino que aún queda. Realmente estamos iniciando un ascenso vertiginoso muy fuerte en el que todos nos debemos adaptar, desde los investigadores y desarrolladores, que debemos generar nuevos algoritmos y herramientas, así como la sociedad, la industria e incluso la legislación de los países que deben adaptarse a estos nuevos cambios que son más complejos de lo que nos imaginamos. El estudio de Gartner Hype Cycle o ciclo de sobreexpectación nos permite ver cómo diferentes tecnologías evolucionarán con el tiempo desde el punto de vista de la expectación que genera y cuándo estas serán consolidadas. Este estudio confirma que la IA es una tecnología emergente que está alcanzando el pico de expectativas sobredimensionadas y que dichas tecnologías basadas en IA, alcanzarán la meseta de productividad en unos 5-10 años.

Con esta perspectiva de crecimiento y expectativa sobredimensionada, debemos tener claro que queda mucho por hacer y que solo vemos una pequeña parte del gran iceberg que es la IA. A su vez, este gran iceberg está compuesto por una inmensa cantidad de tecnologías y ciencias que se deben abordar y resolver para alcanzar la madurez de la Inteligencia Artificial que todos buscamos. BigData, Sistemas distribuidos, computación en la nube, sistemas de visualización, estadística, reconocimiento de patrones, ontologías, grafos, entre otros, son diferentes campos que se deben conocer y dominar para poder llegar a un estado de madurez y productividad en la Inteligencia Artificial

Es en este punto donde ITI, con su gran abanico de conocimientos en dichos campos, entra en juego para desenvolver un papel clave para llegar a una madurez y puesta en producción real de proyectos de Inteligencia Artificial. De ahí nace el proyecto AITANA, como una herramienta facilitadora de desarrollos de proyectos de Inteligencia Artificial, concretamente para proyectos de Machine Learning, permitiendo a los científicos de datos desarrollar sus propios proyectos de IA abstrayéndose de la complejidad del gran iceberg que es la IA, facilitando acceso a sistemas de visualización, computación en la nube, sistemas distribuidos, despliegue de proyectos, MLOPs, etc.

AITANA tiene como objetivo principal el desarrollo de un entorno metodológico soportado por un conjunto de herramientas para un desarrollo correcto, eficiente y adecuado de modelos de Machine Learning, contemplando el ciclo de vida completo de las aplicaciones de esta índole, desde su análisis exploratorio inicial, pasando por su entrenamiento en local o en distribuido, hasta su despliegue final en producción, permitiendo al investigador y/o científico de datos centrarse en las tareas más puramente de IA y abstrayéndole de tareas complejas como puede ser la gestión del dato (BigData), puestas en producción mediante micro servicios o entrenamiento en nodos computacionales.

El resultado principal del proyecto será un innovador entorno de trabajo de Inteligencia Artificial y Aprendizaje Automático que sintetice y proporcione un conjunto de herramientas y librerías para facilitar el desarrollo de modelos, tanto a usuarios noveles con conocimientos básicos en IA/ML, como a usuarios avanzados con experiencia en el desarrollo y despliegue de aplicaciones más complejas. El entorno persigue agilizar el desarrollo y la implantación de las aplicaciones basadas en IA y ML a través de la transferencia y puesta en producción de forma sistemática y simple de las aplicaciones desarrolladas para distintos sectores productivos.

Autor
david millan
David Millán | Investigador especializado en Visión por computador y ML de ITI
Etiquetas

Posts relacionados