LONDRES, INGLATERRA – 2 DE DICIEMBRE: Un miembro del personal se encuentra en una proyección de transmisiones de datos en vivo desde (de izq. a der.) … (+)
Todos sabemos que la inteligencia artificial (IA) ya está aquí. Sabemos también que la IA depende de los datos. Las empresas son cada vez más conscientes de la necesidad de una buena alfabetización y de buenas prácticas en materia de datos, a veces como precursoras y, a veces, como un elemento fundamental para una buena estrategia de IA. Sin embargo, el panorama de los datos también está cambiando.
¿Por qué son importantes los datos para la IA?
La IA, como tecnología, construye todo aprendiendo patrones a partir de datos. En la última década, la IA ha experimentado mejoras espectaculares, en parte debido a la tormenta perfecta de conjuntos de datos masivos El encuentro con un hardware computacional potente. Si bien los datos necesarios para construir una IA eficaz dependen en gran medida del dominio del problema, en general se entiende que los conjuntos de datos más grandes permiten más opciones para IA potentes. A medida que el mundo se da cuenta de la importancia de las capacidades de IA para la competitividad nacional, regional y corporativa, quién tiene acceso a qué datos se convierte en una parte clave de esta competitividad.
¿De dónde provienen los datos?
Históricamente, los datos provenían de experiencias pasadas. Por ejemplo, un banco puede tener datos sobre la última década de sus clientes. Un hospital puede tener registros de pacientes. En estos escenarios, la alfabetización y la gestión de datos se reducían a garantizar que la información Los datos a los que una organización tenía acceso estaban protegidos, bien gestionados y utilizados de manera eficaz.Hoy en día, sin embargo, los datos internos de una organización son sólo una de las palancas disponibles en la historia.
Aumento de datos y datos sintéticos
Los avances tecnológicos han hecho posible Ampliar los datos existentes (generar nuevos datos de manera programática), utilizar datos sintéticos de simulaciones y otras fuentes, o simplemente utilizar técnicas de IA que dependan menos de los datos. Según su dominio, uno o más de estos métodos pueden convertirse en una parte clave de una estrategia de datos.
Modelos fundamentales y métodos de transferencia
Otra capacidad poderosa de la IA es la capacidad de construir una IA sobre otra, utilizando métodos como el ajuste fino o el aprendizaje por transferencia. Una clase de IA, llamada Modelos de Fundaciónson emblemáticos de esta tendencia. Estos modelos se han entrenado con conjuntos de datos a menudo masivos, pero se pueden usar en aplicaciones sin tener necesariamente acceso a los datos de entrenamiento originales y se pueden ajustar para una variedad de propósitos que aprovechen la comprensión del conjunto de datos subyacente.
Datos abiertos
A medida que los países reconocen la importancia de los datos para la competitividad de la IA, existe el temor de que una carrera de IA incluya una carrera de datos. Para impulsar un acceso más equitativo a la IA, las organizaciones están creando repositorios de datos públicos, en áreas que van desde la medicina (ver un ejemplo de la Archivo de imágenes de cáncer) a repositorios públicos para entrenar modelos de IA generativa Compuesto por billones de tokens de texto y miles de millones de imágenes..
Mercados de datos
Por último, también es posible comprar y vender datos en mercados de datosEsto es particularmente interesante porque se relaciona directamente con el valor de los datos al ponerles un precio. En algunas industrias, los conjuntos de datos personalizados también se pueden seleccionar, etiquetar y comprar a empresas que se especializan en la generación de datos.
Puntos clave para su negocio
¿Qué significa esto para su empresa? Significa que una estrategia de datos es fundamental para cualquier empresa que busque beneficiarse de la IA y que, si bien una estrategia de datos siempre debe incluir una gestión cuidadosa de los datos internos, ya no se limita a este elemento. Una estrategia de datos integral para una empresa ahora debe incluir comprender qué fuentes de datos públicos pueden ser relevantes, qué modelos fundamentales pueden aportar información resumida, qué datos sintéticos y de aumento se pueden utilizar y qué datos, si es que se pueden comprar. Al combinar estos elementos, es posible crear una estrategia de datos poderosa que luego pueda permitir el retorno de la inversión (ROI) de las soluciones de IA.
