Rachel Thomas en hacer accesible la inteligencia artificial

¿Qué tan rápido está interrumpiendo el aprendizaje del aprendizaje profundo de la IA?

Fuente: C.Rosso

La inteligencia artificial (IA) ha emergido de un profundo invierno de relativa inactividad durante sesenta años hasta un renacimiento en pleno apogeo, en gran parte debido a los avances en el aprendizaje profundo. Basado en el cerebro humano, el aprendizaje profundo es un método de aprendizaje automático que utiliza capas de neuronas artificiales (una red neuronal artificial) que no requiere programación explícita para “aprender” de grandes cantidades de datos de Big Data. Hay un auge en la contratación de profesionales de inteligencia artificial (IA). La proporción de trabajos que requieren habilidades de inteligencia artificial ha crecido 4.5 veces en los Estados Unidos durante el período 2013-2017, según el Índice AI de Stanford. Para hacer frente a esta creciente demanda, una empresa está adoptando un enfoque innovador. En la conferencia sobre medicina exponencial de esta semana, Rachel Thomas, cofundadora de fast.ai, presentó una forma novedosa de hacer que la IA sea accesible para una amplia gama de personas de todos los orígenes, no solo de las instituciones de élite; Aprendizaje profundo de la IA.

Rachel Thomas es una de las “20 mujeres increíbles en la IA” de Forbes, oradora de TEDx en San Francisco, profesora de la Universidad de San Francisco (USF), miembro de la facultad de Medicina Exponencial, escritora popular y oradora influyente. Ella obtuvo su Ph.D. en matemáticas de la Universidad de Duke, y fue uno de los primeros ingenieros de Uber, entre otras empresas de nueva creación. Thomas co-fundó fast.ai en 2016 con el empresario en serie Jeremy Howard con la intención estratégica de hacer que el aprendizaje en profundidad sea accesible.

• Disparos masivos y lo que puedes hacer al respecto
• Si su programa contra la intimidación no funciona, he aquí por qué
• Tu sincronicidad: ¿Qué tan bueno es?
• 5 balas de plata para mejorar los puntajes de lectura de Estados Unidos
• La política y la catástrofe de nosotros y ellos.

“Cuando estábamos creando el curso, esto era algo que deseaba que hubiera existido hace cinco años cuando me interesé por primera vez en el aprendizaje profundo”, dijo Thomas.

Tradicionalmente, hay muchos obstáculos para que los programadores adquieran suficientes habilidades de aprendizaje profundo para producir algoritmos de última generación que resuelvan problemas del mundo real. Muchas instituciones existentes requieren una formación matemática de alto nivel o Ph.D. como requisito, que puede tardar años en obtener. Si los estudiantes finalmente crean un algoritmo de trabajo, generalmente es hipotético sin una aplicación del mundo real.

“Creo que muchos cursos son bastante teóricos, y eso tiene sentido … el aprendizaje profundo está surgiendo de un campo teórico”, dijo.

• ¿Se han inclinado las mujeres hasta que se han caído?
• ¿Qué lleva a un entrevistador a hacerle preguntas injustas?
• Tiradores de masas: una explicación criminológica única
• ¿Cómo identificar personas tóxicas, tontas y sabias?
• Una habilidad clave de supervivencia en un futuro de IA: el pivote personal

Los fundadores de fast.ai habían identificado una brecha en la educación tecnológica y encontraron una manera de modernizarla. El enfoque tradicional para enseñar el aprendizaje profundo es generalmente un proceso largo y lento que comienza en el nivel técnico detallado, un enfoque de abajo hacia arriba.

“Queríamos algo más práctico y práctico”, dijo Thomas. “Realmente quería hacer que esto fuera accesible a más personas y facilitar que las personas de todos los orígenes y dominios se involucren en este campo”.

“Estoy mucho más interesado en lo que funciona para resolver los problemas que tiene la gente, ya sea agricultura, medicina o manufactura”, dijo Thomas.

La metodología de su compañía es un enfoque de arriba hacia abajo, exactamente lo opuesto a los métodos de enseñanza tradicionales para el aprendizaje profundo. Los estudiantes pueden desarrollar rápidamente algoritmos de aprendizaje profundo con una biblioteca de código abierto de aplicaciones y modelos listos para usar que Thomas ayudó a crear.

“Queremos que las personas entrenen redes neuronales de inmediato, aunque las personas no conozcan los componentes subyacentes en general”, dijo Thomas.

En un período de tiempo muy corto, los estudiantes de Fast.ai pueden producir rápidamente algoritmos de aprendizaje profundo de alto rendimiento sin tener que tener requisitos previos de matemáticas avanzados.

“Con el tiempo, llegaremos a los detalles, y si haces todo el curso, obtendrás un nivel de comprensión bajo, pero es totalmente invertido en la orden”, dijo Thomas.

“En mi experiencia, tengo un doctorado. “En matemáticas y trabajé como ingeniero de software y científico de datos. Pude ver cuán poderosa es esta tecnología y que estamos en la cúspide”, dijo Thomas.

Como una investigación en residencia actual en el Instituto de Datos de la Universidad de San Francisco (USF), el enfoque principal de Thomas está en el rendimiento de los algoritmos de aprendizaje profundo.

Thomas dijo: “Mi interés principal es, ‘¿Funcionan estos algoritmos? ¿Están resolviendo problemas interesantes y dando resultados precisos?

Según Thomas, la visión a largo plazo de fast.ai es seguir haciendo que la tecnología de aprendizaje profundo sea más fácil de usar, para obtener resultados aún mejores. Eso significa aumentar el contenido de la biblioteca de código abierto de fast.ai.

En menos de dos años desde que se fundó Fast.ai, más de 200,000 estudiantes han completado su curso en línea, y varios cientos más han tomado el currículo presencial en el aula. Fast.ai está abriendo un camino para permitir que los programadores se conviertan en expertos en aprendizaje profundo en semanas, en lugar de años, un enfoque rápido y práctico para resolver problemas del mundo real.

Copyright © 2018 Cami Rosso Todos los derechos reservados.

Referencias

Shoham, Yoav; Perrault, Raymond; Brynjolfsson, Erik; Clark, Jack; LeGassick, Calvin. “Informe Anual 2017 del Índice de Inteligencia Artificial”. El Índice AI. Consultado el 11-8-2018 de http://cdn.aiindex.org/2017-report.pdf